[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-tsinghua-fib-lab--AgentSociety":3,"tool-tsinghua-fib-lab--AgentSociety":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",142651,2,"2026-04-06T23:34:12",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107888,"2026-04-06T11:32:50",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":76,"owner_email":77,"owner_twitter":76,"owner_website":78,"owner_url":79,"languages":80,"stars":110,"forks":111,"last_commit_at":112,"license":113,"difficulty_score":32,"env_os":114,"env_gpu":115,"env_ram":115,"env_deps":116,"category_tags":121,"github_topics":76,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":123,"updated_at":124,"faqs":125,"releases":155},4910,"tsinghua-fib-lab\u002FAgentSociety","AgentSociety","AgentSociety: Large-scale Social Simulation to Understand Human Behaviors and Society through LLM-driven Agents","AgentSociety 是一个专为城市社会模拟设计的先进开源框架，旨在通过大语言模型（LLM）驱动的智能体，大规模复现人类行为与社会互动。它主要解决了传统仿真难以捕捉复杂人类决策逻辑、缺乏真实社会动态演化能力的痛点，让研究人员能够在可控的虚拟城市中高效建模并推演各类社会场景。\n\n这款工具特别适合社会科学研究者、城市规划专家以及 AI 开发者使用。无论是探究群体心理、测试公共政策干预效果，还是开发具备拟人化决策能力的智能体系统，AgentSociety 都能提供强大的支持。其核心技术亮点在于独特的“心智 - 行为耦合”机制，不仅利用大模型的规划与推理能力生成自然行为，还融合了马斯洛需求层次等经典社会学理论进行显式建模。此外，它支持从数据集到规则驱动的多种环境构建方式，并提供实时可视化界面及丰富的社会实验工具（如访谈、问卷和指标记录），帮助用户直观监控实验进程并深入分析结果。作为一个开放且可扩展的平台，AgentSociety 为理解人类社会运作规律提供了全新的数字化视角。","\u003Cdiv style=\"text-align: center; background-color: white; padding: 20px; border-radius: 30px;\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftsinghua-fib-lab_AgentSociety_readme_87be76d7d086.png\" alt=\"AgentSociety Logo\" width=\"200\" style=\"display: block; margin: 0 auto;\">\n  \u003Ch1 style=\"color: black; margin: 0; font-size: 3em;\">AgentSociety: LLM Agents in City\u003C\u002Fh1>\n\u003C\u002Fdiv>\n\n\n# 🚀 AgentSociety\n![License](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-MIT-green)  \n[![Online Documentation](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocs-online-blue)](https:\u002F\u002Fagentsociety.readthedocs.io\u002Fen\u002Flatest\u002F)  \n\n\nAgentSociety is an advanced framework specifically designed for building agents in urban simulation environments. With AgentSociety, you can easily create and manage agents, enabling complex urban scenarios to be modeled and simulated efficiently.\n\nThe paper is available at [arXiv](https:\u002F\u002Farxiv.org\u002Fabs\u002F2502.08691):\n\n```\n@article{piao2025agentsociety,\n  title={AgentSociety: Large-Scale Simulation of LLM-Driven Generative Agents Advances Understanding of Human Behaviors and Society},\n  author={Piao, Jinghua and Yan, Yuwei and Zhang, Jun and Li, Nian and Yan, Junbo and Lan, Xiaochong and Lu, Zhihong and Zheng, Zhiheng and Wang, Jing Yi and Zhou, Di and others},\n  journal={arXiv preprint arXiv:2502.08691},\n  year={2025}\n}\n```\n\n## 🌟 Features\n- **Mind-Behavior Coupling**: Integrates LLMs' planning, memory, and reasoning capabilities to generate realistic behaviors or uses established theories like Maslow's Hierarchy of Needs and Theory of Planned Behavior for explicit modeling.\n- **Environment Design**: Supports dataset-based, text-based, and rule-based environments with varying degrees of realism and interactivity.\n- **Interactive Visualization**: Real-time interfaces for monitoring and interacting with agents during experiments.\n- **Extensive Tooling**: Includes utilities for interviews, surveys, interventions, and metric recording tailored for social experimentation.\n\n## 📑 Table of Contents\n\n1. [News](#news)\n2. [Framework](#framework)\n3. [Setup](#setup)\n4. [QuickStart](#quickstart)\n5. [Contributing](#contributing)\n6. [License](#license)\n\n\u003Ca id=\"news\">\u003C\u002Fa>\n## 📰 News\n\n- 📢 **02.07** - Initial update is now live!\n\nStay tuned for upcoming updates!\n\n\u003Ca id=\"framework\">\u003C\u002Fa>\n## 🛠️ Framework\n\nAgentSociety presents a robust framework for simulating social behaviors and economic activities in a controlled, virtual environment. \nUtilizing advanced LLMs, AgentSociety emulates human-like decision-making and interactions. \nOur framework is divided into several key layers, each responsible for different functionalities as depicted in the diagram below:\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftsinghua-fib-lab_AgentSociety_readme_ac142abd4993.png\" alt=\"AgentSociety Framework Overview\" width=\"600\" style=\"display: block; margin: 20px auto;\">\n\n### Architectural Layers\n- **Model Layer**: At the core, this layer manages agent configuration, task definitions, logging setup, and result aggregation. It provides a unified execution entry point for all agent processes, ensuring centralized control over agent behaviors and objectives through task configuration.\n- **Agent Layer**: This layer implements multi-head workflows to manage various aspects of agent actions. The Memory component stores agent-related information such as location and motion, with static profiles maintaining unchanging attributes and a custom data pool acting as working memory. The Multi-Head Workflow supports both normal and event-driven modes, utilizing Reason Blocks (for decision-making based on context and tools via LLMs), Route Blocks (for selecting optimal paths using LLMs or rules), and Action Blocks (for executing defined actions).\n- **Message Layer**: Facilitating communication among agents, this layer supports peer-to-peer (P2P), peer-to-group (P2G), and group chat interactions, enabling rich, dynamic exchanges within the simulation.\n- **Environment Layer**: Managing the interaction between agents and their urban environment, this layer includes Environment Sensing for reading environmental data, Interaction Handling for modifying environmental states, and Message Management for processing incoming and outgoing messages from agents.\n- **LLM Layer**: Providing essential configuration and integration services for incorporating Large Language Models (LLMs) into the agents' workflow, this layer supports model invocation and monitoring through Prompting & Execution. It is compatible with various LLMs, including but not limited to OpenAI, Qwen, and Deepseek models, offering flexibility in model choice.\n- **Tool Layer**: Complementing the framework's capabilities, this layer offers utilities like string processing for parsing and formatting, result analysis for interpreting responses in formats like JSON or dictionaries, and data storage and retrieval mechanisms that include ranking and search functionalities.\n\n\u003Ca id=\"setup\">\u003C\u002Fa>\n## ⚙️ Setup\n\nYou can set up AgentSociety easily via pip:\n\n### Install via pip\n\nLinux AMD64 or macOs\n\nPython >= 3.11\n\n```bash\npip install agentsociety\n```\n\n\u003Ca id=\"quickstart\">\u003C\u002Fa>\n## 🚀 QuickStart\n\nGet started with AgentSociety in just a few minutes!\n\n### Example Usage\nTo get started quickly, please refer to the `examples` folder in the repository. It contains sample scripts and configurations to help you understand how to create and use agents in an urban simulation environment.\nCheck our online document for detailed usage tutorial: [AgentSociety Document](https:\u002F\u002Fagentsociety.readthedocs.io\u002Fen\u002Flatest\u002Findex.html).\n\n\u003Ca id=\"contributing\">\u003C\u002Fa>\n## 🤝 Contributing\nWe welcome contributions from the community!\n\nThank you to everyone who has contributed to this project:\n\n\u003Ca href=\" \">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftsinghua-fib-lab_AgentSociety_readme_1c984fee3e60.png\" \u002F>\n\u003C\u002Fa>\n\n\u003Ca id=\"license\">\u003C\u002Fa>\n## 📄 License\n\nAgentSociety is licensed under the Apache License Version 2.0 except for the `packages\u002Fagentsociety\u002Fcommercial` folder. See the [LICENSE](LICENSE) file for more details.\n\n---\n\nFeel free to reach out if you have any questions, suggestions, or want to collaborate!\n\n---\n\n> **Follow us**: Stay updated with the latest news and features by watching the repository.\n\n---\n","\u003Cdiv style=\"text-align: center; background-color: white; padding: 20px; border-radius: 30px;\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftsinghua-fib-lab_AgentSociety_readme_87be76d7d086.png\" alt=\"AgentSociety Logo\" width=\"200\" style=\"display: block; margin: 0 auto;\">\n  \u003Ch1 style=\"color: black; margin: 0; font-size: 3em;\">AgentSociety：城市中的LLM智能体\u003C\u002Fh1>\n\u003C\u002Fdiv>\n\n\n# 🚀 AgentSociety\n![许可证](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Flicense-MIT-green)  \n[![在线文档](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocs-online-blue)](https:\u002F\u002Fagentsociety.readthedocs.io\u002Fen\u002Flatest\u002F)  \n\n\nAgentSociety是一个专为城市仿真环境设计的先进框架。借助AgentSociety，您可以轻松创建和管理智能体，从而高效地建模和模拟复杂的城市场景。\n\n论文可在[arXiv](https:\u002F\u002Farxiv.org\u002Fabs\u002F2502.08691)上获取：\n\n```\n@article{piao2025agentsociety,\n  title={AgentSociety：大规模LLM驱动的生成式智能体仿真推进对人类行为与社会的理解},\n  author={Piao, Jinghua and Yan, Yuwei and Zhang, Jun and Li, Nian and Yan, Junbo and Lan, Xiaochong and Lu, Zhihong and Zheng, Zhiheng and Wang, Jing Yi and Zhou, Di and others},\n  journal={arXiv预印本 arXiv:2502.08691},\n  year={2025}\n}\n```\n\n## 🌟 特性\n- **心智-行为耦合**：整合LLM的规划、记忆和推理能力，生成逼真的行为；或采用马斯洛需求层次理论、计划行为理论等成熟理论进行显式建模。\n- **环境设计**：支持基于数据集、文本和规则的环境，具备不同程度的真实感和交互性。\n- **交互式可视化**：实验过程中实时监控和与智能体交互的界面。\n- **丰富工具**：包含面向社会实验的访谈、调查、干预及指标记录等实用工具。\n\n## 📑 目录\n\n1. [新闻](#news)\n2. [框架](#framework)\n3. [安装](#setup)\n4. [快速入门](#quickstart)\n5. [贡献](#contributing)\n6. [许可证](#license)\n\n\u003Ca id=\"news\">\u003C\u002Fa>\n## 📰 新闻\n\n- 📢 **02.07** - 初始更新现已上线！\n\n敬请期待后续更新！\n\n\u003Ca id=\"framework\">\u003C\u002Fa>\n## 🛠️ 框架\n\nAgentSociety提供了一个强大的框架，用于在受控的虚拟环境中模拟社会行为和经济活动。  \n通过使用先进的LLM，AgentSociety能够模仿人类般的决策和互动。  \n我们的框架分为几个关键层，每一层负责不同的功能，如下图所示：\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftsinghua-fib-lab_AgentSociety_readme_ac142abd4993.png\" alt=\"AgentSociety框架概览\" width=\"600\" style=\"display: block; margin: 20px auto;\">\n\n### 架构层级\n- **模型层**：位于核心，负责管理智能体配置、任务定义、日志设置及结果汇总。它为所有智能体进程提供统一的执行入口，通过任务配置实现对智能体行为和目标的集中控制。\n- **智能体层**：该层实现多头工作流，以管理智能体行动的各个方面。Memory组件存储与智能体相关的信息，如位置和运动；静态档案维护不变属性，自定义数据池则充当工作记忆。多头工作流支持正常模式和事件驱动模式，利用Reason Blocks（基于上下文和工具通过LLM进行决策）、Route Blocks（使用LLM或规则选择最优路径）以及Action Blocks（执行既定动作）。\n- **消息层**：促进智能体之间的通信，支持点对点（P2P）、点对组（P2G）和群聊交互，从而在仿真中实现丰富而动态的交流。\n- **环境层**：管理智能体与其城市环境的交互，包括环境感知（读取环境数据）、交互处理（修改环境状态）以及消息管理（处理智能体的收发消息）。\n- **LLM层**：为将大型语言模型（LLMs）融入智能体工作流提供必要的配置和集成服务。该层通过Prompting & Execution支持模型调用和监控，兼容多种LLM，包括但不限于OpenAI、Qwen和Deepseek等模型，提供灵活的模型选择。\n- **工具层**：补充框架的功能，提供字符串处理（解析和格式化）、结果分析（将响应解析为JSON或字典格式）以及包含排名和搜索功能的数据存储与检索机制等实用工具。\n\n\u003Ca id=\"setup\">\u003C\u002Fa>\n## ⚙️ 安装\n\n您可以通过pip轻松安装AgentSociety：\n\n### 使用pip安装\n\n适用于Linux AMD64或macOS\n\nPython >= 3.11\n\n```bash\npip install agentsociety\n```\n\n\u003Ca id=\"quickstart\">\u003C\u002Fa>\n## 🚀 快速入门\n\n只需几分钟即可开始使用AgentSociety！\n\n### 示例用法\n要快速上手，请参阅仓库中的`examples`文件夹。其中包含示例脚本和配置，帮助您了解如何在城市仿真环境中创建和使用智能体。  \n有关详细使用教程，请查看我们的在线文档：[AgentSociety文档](https:\u002F\u002Fagentsociety.readthedocs.io\u002Fen\u002Flatest\u002Findex.html)。\n\n\u003Ca id=\"contributing\">\u003C\u002Fa>\n## 🤝 贡献\n我们欢迎社区的贡献！\n\n感谢所有为该项目做出贡献的人：\n\n\u003Ca href=\" \">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftsinghua-fib-lab_AgentSociety_readme_1c984fee3e60.png\" \u002F>\n\u003C\u002Fa>\n\n\u003Ca id=\"license\">\u003C\u002Fa>\n## 📄 许可证\n\nAgentSociety采用Apache许可证2.0版，但`packages\u002Fagentsociety\u002Fcommercial`文件夹除外。更多详情请参阅[LICENSE](LICENSE)文件。\n\n---\n\n如有任何疑问、建议或合作意向，欢迎随时联系我们！\n\n---\n\n> **关注我们**：通过关注本仓库，及时获取最新资讯和功能更新。\n\n---","# AgentSociety 快速上手指南\n\nAgentSociety 是一个专为城市模拟环境设计的高级框架，利用大语言模型（LLM）构建智能体，以模拟复杂的社会行为和经济活动。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：Linux (AMD64) 或 macOS\n*   **Python 版本**：>= 3.11\n*   **网络环境**：需能访问 PyPI 仓库及 LLM API（如 OpenAI, Qwen, Deepseek 等）\n\n> 💡 **国内加速建议**：如果您在中国大陆地区，建议使用清华源或阿里源进行安装，以提升下载速度。\n\n## 安装步骤\n\n### 方式一：标准安装\n```bash\npip install agentsociety\n```\n\n### 方式二：使用国内镜像源（推荐）\n```bash\npip install agentsociety -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n## 基本使用\n\n安装完成后，您可以参考项目仓库中的 `examples` 文件夹获取示例脚本和配置文件，快速构建城市模拟场景。\n\n### 1. 查看示例代码\n克隆仓库后，进入示例目录查看基础用法：\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Ftsinghua-fib-lab\u002Fagentsociety.git\ncd agentsociety\u002Fexamples\n# 查看具体的示例脚本，例如创建智能体或运行模拟\nls\n```\n\n### 2. 运行模拟\n通常可以通过运行示例脚本来启动一个简单的模拟任务（具体脚本名请参考 examples 目录）：\n```bash\npython your_example_script.py\n```\n\n### 3. 进阶配置与文档\n*   **架构理解**：AgentSociety 包含模型层、智能体层、消息层、环境层、LLM 层和工具层，支持基于数据集、文本或规则的环境设计。\n*   **详细教程**：如需深入了解智能体配置、多头部工作流（Multi-Head Workflow）设置及交互式可视化功能，请访问在线文档：\n    [AgentSociety 官方文档](https:\u002F\u002Fagentsociety.readthedocs.io\u002Fen\u002Flatest\u002Findex.html)\n\n---\n*注：本项目除 `packages\u002Fagentsociety\u002Fcommercial` 文件夹外，均遵循 Apache License Version 2.0 协议。*","某城市规划研究院正试图评估“新建社区公园”对周边居民社交频率及心理健康的潜在影响，需要模拟数千名不同背景居民的长期行为反应。\n\n### 没有 AgentSociety 时\n- **行为逻辑僵化**：传统基于规则的仿真只能让居民按固定路线移动，无法模拟人类因天气、心情或突发新闻而改变计划的复杂决策过程。\n- **心理动机缺失**：难以将马斯洛需求层次等心理学理论融入模型，导致无法量化公园建设对居民“归属感”或“自我实现”等深层心理指标的改善。\n- **数据获取困难**：缺乏内置的社会实验工具，研究者无法在仿真过程中对虚拟居民进行动态“访谈”或“问卷调查”，只能依赖枯燥的统计报表。\n- **扩展性差**：一旦模拟人数超过几百人，系统极易崩溃，且无法实时可视化观察个体间的微观互动细节。\n\n### 使用 AgentSociety 后\n- **心智行为耦合**：利用大语言模型的推理与记忆能力，居民能根据环境变化（如公园开放）自主规划行程，甚至产生闲聊、结伴游玩等拟真社交行为。\n- **理论驱动建模**：直接集成马斯洛需求层次等理论框架，精确追踪并量化居民在公园建成前后心理需求满足度的动态变化曲线。\n- **交互式社会实验**：通过内置的采访和干预工具，研究者可随时向特定群体发起虚拟问卷，实时收集定性反馈以验证假设。\n- **大规模实时可视**：轻松支撑城市级大规模并发模拟，并通过交互式界面实时监控任意个体的行动轨迹与对话内容，直观呈现宏观趋势下的微观机理。\n\nAgentSociety 将原本静态枯燥的数据推演，升级为具备心理深度与社交活力的城市社会实验室，让政策预演真正读懂人心。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftsinghua-fib-lab_AgentSociety_87be76d7.png","tsinghua-fib-lab","FIB LAB, Tsinghua University","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Ftsinghua-fib-lab_f779d872.png","",null,"liyong07@tsinghua.edu.cn","http:\u002F\u002Ffi.ee.tsinghua.edu.cn\u002F","https:\u002F\u002Fgithub.com\u002Ftsinghua-fib-lab",[81,85,89,93,97,100,104,107],{"name":82,"color":83,"percentage":84},"Python","#3572A5",77.2,{"name":86,"color":87,"percentage":88},"TypeScript","#3178c6",21.7,{"name":90,"color":91,"percentage":92},"HTML","#e34c26",0.4,{"name":94,"color":95,"percentage":96},"JavaScript","#f1e05a",0.2,{"name":98,"color":99,"percentage":96},"Makefile","#427819",{"name":101,"color":102,"percentage":103},"CSS","#663399",0.1,{"name":105,"color":106,"percentage":103},"Dockerfile","#384d54",{"name":108,"color":109,"percentage":103},"Shell","#89e051",914,162,"2026-04-06T23:15:44","Apache-2.0","Linux, macOS","未说明",{"notes":117,"python":118,"dependencies":119},"该工具主要通过 pip 安装。支持多种大语言模型（如 OpenAI, Qwen, Deepseek），具体计算资源需求取决于所选用的后端模型及模拟规模。文档提到包含实时交互可视化功能。",">=3.11",[120],"agentsociety",[35,14,13,122],"其他","2026-03-27T02:49:30.150509","2026-04-07T14:48:24.227648",[126,131,136,141,146,151],{"id":127,"question_zh":128,"answer_zh":129,"source_url":130},22286,"运行时报错 FileNotFoundError: No such file or directory: 'agentsociety-sim'，如何解决？","请确保安装的是 agentsociety>=1.3 版本（最新为 1.3.2），并检查 Python 版本是否为 3.11 或 3.12。旧版本或不兼容的 Python 版本会导致找不到二进制文件。","https:\u002F\u002Fgithub.com\u002Ftsinghua-fib-lab\u002FAgentSociety\u002Fissues\u002F18",{"id":132,"question_zh":133,"answer_zh":134,"source_url":135},22287,"启动 UI 时提示缺少 greenlet 依赖（ValueError: the greenlet library is required），怎么办？","可以通过运行命令 `pip install sqlalchemy[asyncio]` 来安装所需依赖，或者直接运行 `pip install greenlet`。该问题已在最新的 alpha 版本中修复导入设置。","https:\u002F\u002Fgithub.com\u002Ftsinghua-fib-lab\u002FAgentSociety\u002Fissues\u002F33",{"id":137,"question_zh":138,"answer_zh":139,"source_url":140},22288,"遇到 grpc 反序列化错误（Exception deserializing message）导致模拟失败，如何修复？","该问题已在 v1.2.10 及后续版本中完全修复。请升级包到最新版本，执行命令：`pip install \"agentsociety>=1.3.1\"`。","https:\u002F\u002Fgithub.com\u002Ftsinghua-fib-lab\u002FAgentSociety\u002Fissues\u002F13",{"id":142,"question_zh":143,"answer_zh":144,"source_url":145},22289,"如何获取除北京以外的其他城市地图文件（.pb 格式）？","项目方已在在线平台发布了预构建的地图文件。您可以登录 https:\u002F\u002Fagentsociety.fiblab.net\u002F 下载这些地图。也可以使用示例代码生成自定义地图，若生成后运行报错，建议提交最小复现案例以便排查。","https:\u002F\u002Fgithub.com\u002Ftsinghua-fib-lab\u002FAgentSociety\u002Fissues\u002F25",{"id":147,"question_zh":148,"answer_zh":149,"source_url":150},22290,"agentsociety-sim 的二进制源代码会开源吗？","目前 orchestration 围绕该黑盒二进制文件运行，官方尚未明确宣布开源 plans。但在 v1.3.5 版本中增加了自动监控 LLM 请求卡顿的功能，以帮助判断问题是出在 LLM 提供商还是平台本身。","https:\u002F\u002Fgithub.com\u002Ftsinghua-fib-lab\u002FAgentSociety\u002Fissues\u002F22",{"id":152,"question_zh":153,"answer_zh":154,"source_url":150},22291,"模拟过程中出现 LLM 请求卡死或无响应，该如何调试？","请在 v1.3.5 或更高版本中尝试运行，该版本新增了自动监控卡死的 LLM 请求功能。同时确认您使用的 LLM 提供商（如 gpt-4o-mini 或 zhipu），以便协助定位是提供商问题还是平台问题。",[156,161,166,171],{"id":157,"version":158,"summary_zh":159,"released_at":160},136038,"agentsociety2-v2.1.2","## 变更内容\n- c4639c2 修复：在 PyPI 包中包含匹配 *_test.py 模式的 contrib 环境模块\n","2026-03-20T06:33:33",{"id":162,"version":163,"summary_zh":164,"released_at":165},136039,"agentsociety2-v2.1.1","## 变更内容\n- d0561a0 杂项：为 v1.5.7 和 v2.1.1 版本更新版本号\n- c19454a 修复：将 CDN URL 从华为 OBS 迁移到阿里云 OSS\n- 0b21bcb 杂项：从 VSIX 包中排除 __pycache__ 目录\n- 8b81a38 修复：解决 CI 中 VSCode 扩展打包错误\n","2026-03-20T04:57:29",{"id":167,"version":168,"summary_zh":169,"released_at":170},136040,"agentsociety2-v2.0.1","## 变更内容\n- d494f44 chore: 将 agentsociety2 版本升级至 2.0.1\n- 93536ed chore: 在 Dockerfile 中添加 sudo，以支持特权命令\n- c7d9207 修复了线程相关 bug，调整了重试次数及部分边缘情况\n- d447b9a feat: 更新首页横幅，用于推广 AgentSociety 2\n- 27acd88 feat: 在菜单中添加 V2（Beta）导航链接\n- bc46f40 chore: 向 pyproject.toml 文件中添加更多作者和维护者\n- a2e3848 docs: 将标题改回 AgentSociety 2\n- 4d9e3ec docs: 使用 logo 和改进的样式增强 ReadTheDocs\n- 6a7de2d docs: 修复标题下划线长度，并添加 graphviz 扩展\n- 77f3525 docs: 移除自动生成的 API 文档\n- 96f9d37 docs: 从 RTD 构建中移除重型依赖项\n- 68fae82 fix: 修正 ReadTheDocs 的依赖路径\n- 912cbb5 重命名 readthedocs\n- 51ebf51 chore: 将 .readthedocs.yaml 重命名为 v1，以实现分离\n- 6c82963 fix: 在 *.txt 的 gitignore 规则中添加例外\n- 1189c11 docs: 添加自定义模块文档\n","2026-03-05T10:33:01",{"id":172,"version":173,"summary_zh":174,"released_at":175},136041,"agentsociety2-v2.0.0","## 变更内容\n- 38ff5d2 功能：添加自定义模块支持，便于二次开发\n- 2b231ad 修复（generate_paper）：将 `generate_paper` 中的文件名称与分析模块对齐\n- ad3365e 文档（analysis）：在 README 文件中加入输出文件结构说明\n- 811a86e 功能（analysis）：恢复 JSON 解析功能，以处理 LLM 返回的 JSON 数据，供 `generate_paper` 工具使用\n- 376cb54 功能（analysis）：优化单实验分析能力并修复综合分析功能；引入 EDA 工具生成可交互分析报告，并嵌入到分析报告的 HTML 中；合并整理原有代码，清理一些不必要的内容；提取一些公共方法，减少重复代码；增加分析过程的时间推送，使流程更加透明清晰；设置 `skills` 文件夹，便于后续调整或引入新的分析策略；优化“裁判-迭代”机制，尽可能获得更高质量的分析结果；优化控制台的日志显示，增加彩色显示（日志太多，查看起来有些费劲）。\n- 122361c 修改 easypaper 的 URL\n- 3875e23 修改 .env.example\n- f606c06 功能：将 AgentSociety2 与 EasyPaper 集成\n- 5304068 修复（.env.example）：更新 `.env.example` 文件中的模型设置，避免用户无意间选择了“低效”的模型。\n- 561e1fe 修复（models）：将一处 `class Config` 改为 Pydantic V2 推荐的写法 `model_config = ConfigDict(use_enum_values=True)`。\n- a8d6983 修复（workspace）：将 `agentsociety\u002Fenv_modules\u002F*.json` 更正为 `.agentsociety\u002Fenv_modules\u002F*.json`。\n- b852486 修复（web-search）：替换一处已废弃的用法，改为仅当 `WEB_SEARCH_API_URL` 和 `WEB_SEARCH_API_TOKEN` 同时存在时才注册网络搜索工具；同时删除两个不必要的文件。\n- 046da82 修复了一些问题。\n- 73ab63b 功能：添加 generate_paper 工具及 GeneratePaper 集成（Dockerfile、.env.example、API_REFERENCE、registry）。\n- 23897d4 移除 chainlit webui。\n- 38142b9 为 AgentSociety2 发布做准备。\n- 36f5bbc 功能：增强配置页面，支持工作空间管理和命令操作。\n- 615acb7 重构：更新 Dockerfile 的区域设置，并强化 ReActInstructionResponse 模型。\n- 5ed2dfd 修复（analysis）：优化分析进度推送、调用错误修复以及 Prompt。\n- 72a5576 添加实验主入口点和环境模块。\n- 7e3505e 功能：添加用户数据并增强社交媒体环境。\n- 965e8f6 支持中断对话。\n- 41df5cf 增加后端管理能力。\n- a400f8a 添加配置页面命令，并更新项目结构。\n- b9627f7 将以下提交压缩为一个：\n  - c367d72 重构代理初始化流程，移除内存配置和世界描述生成部分。更新环境路由，纳入移动性和事件空间；调整 router_base.py 中的类型导入，以提高兼容性。\n  - 5f867a0 更新 CI 配置，使构建触发器从 v2-env 改为 main 分支。\n  - 4e338d3 AgentSociety V2。\n  - a53c563 文档：更新 AgentSociety 的 README，修正在线文档链接。","2026-03-05T05:54:42"]