用30亿参数模型打造多智能体经济模拟

在Hugging Face最近举办的“用小块头建大模型”黑客松（Build Small Hackathon）中，一个名为“千Token木”（Thousand Token Wood）的项目吸引了众多目光。团队用一枚仅30亿参数的小型语言模型，成功搭建了一个多智能体经济模拟系统。在这个微型虚拟世界里，10个AI智能体化身不同的角色，自主进行生产、交易与协作，上演了一出别有洞天的“经济大戏”。

化整为零：从单一模型到多智能体协作

传统上，多智能体系统往往依赖强大的大模型来驱动每个智能体的行为。但“千Token木”的团队反其道而行之——他们选用了Hugging Face生态中的一款30亿参数开源模型，通过巧妙的提示词工程和工具调用设计，让同一个模型在不同会话中扮演不同的智能体。

每个智能体都拥有独立的记忆、资源和任务列表。例如，有的智能体负责采集木材，有的负责加工工具，还有的专门从事贸易。它们通过一个共享的消息队列交换信息，并根据当前的经济状况动态调整决策。

经济系统的核心机制

项目的核心是一个简化的生产-交换经济模型：

• 资源：森林提供木材，矿山提供矿石；
• 生产：智能体使用原材料制作木剑、石斧等工具；
• 交易：智能体之间通过“市场”进行买卖，价格由供需关系决定；
• 消费：智能体需要食物维持活动，食物来源于狩猎或交易。

整个模拟在控制台中以文本形式运行。每隔几秒，每个智能体都会生成本轮决策并执行，系统随后更新资源状态和账本。

技术亮点：轻量级Agent框架

团队专门为此开发了一个轻量级的Agent框架，核心设计包括：

• 共享上下文窗口：所有智能体都基于同一模型实例，但通过不同的system prompt和隔离的对话历史保持角色独立；
• 工具即API：智能体可以调用预定义的函数（如“采集木材”、“发起交易”），模型只需输出函数名和参数，降低了自由文本生成的不确定性；
• 状态持久化：使用JSON文件记录每个智能体的背包、金币和技能等级，模拟结束时可以回放整个经济演化过程。

在测试中，系统运行了100轮次，智能体们自发形成了分工：有的专精采集，有的专精制造，甚至出现了中间商赚差价的现象。当某个资源稀缺时，价格飙升，促使智能体调整生产方向——完全符合基础经济学的预期。

小模型的惊喜与局限

30亿参数的模型在多步推理和长期规划上仍显吃力。比如，智能体常常忘记自己刚刚采了多少木头，需要强化记忆机制。但令人惊讶的是，模型在简单的经济博弈中表现出了“理性”行为——当木材价格高于人工成本时，智能体会主动放弃采集转为贸易。

这也印证了一个趋势：并非所有Agent任务都需要千亿参数的大模型。通过合理的结构设计和任务分解，小模型一样能撑起复杂的多智能体协作场景。对于资源有限的创业团队或研究机构来说，这无疑降低了实验门槛。

未来方向

团队计划将模拟数据可视化，并加入更复杂的金融市场（如期货合约）。他们还开源了整个代码库，希望社区能在此基础上探索小模型在多智能体经济模拟中的更多可能性。

项目仓库地址：https://huggingface.co/spaces/build-small-hackathon/thousand-token-wood

（引用自Hugging Face博客）

---

原文链接：Hugging Face
本文由前途科技编辑整理