第 16 章 多智能体社会科学实验系统
核心问题: 如何构建多智能体社会科学实验系统？
模式声明
本章综合应用以下设计模式：
| 设计模式 | 原理篇节次 | 本章应用位置 |
|---|---|---|
| 智能体间协作 | 第 10.4 节 | 多 Agent 交互实验 |
| 记忆管理 | 第 7.1-7.4 节 | 角色记忆与状态持久化 |
| 规划 | 第 6.3 节 | 实验流程编排 |
| 评估与迭代 | 第 11.1-11.4 节 | 效用函数校准与行为数据分析 |
学习目标
完成本章学习后，学生应能够：
- 【理解】阐述计算社会科学实验与传统实验室实验的主要区别，解释 LLM 驱动的智能体如何模拟人类社会行为
- 【理解】解释基于智能体的建模（ABM）与 LLM 驱动智能体的核心区别，理解涌现行为的概念
- 【应用】设计多智能体社会科学实验系统的四层架构（配置层、协调层、交互层、数据层）
- 【应用】使用 Claude Code 实现智能体协调器，处理共享状态管理、消息传递和回合制交互流程
- 【分析】分析博弈实验数据，识别人格差异对策略决策的影响
- 【评价】评估 LLM 社会科学实验的有效性与局限性，讨论结果外推和伦理考量
系统架构
实验配置层
- 场景选择（最后通牒/公共品/双边谈判/市场模拟）
- 智能体配置（角色模板、策略偏好）
- 规则设定
↓
实验协调层（Orchestrator）
- 主控制器
- 回合管理、消息路由、状态同步
↓
智能体交互层（多智能体）
Agent A ↔ Agent B ↔ Agent C...
共享环境状态
↓
数据收集层（评估）
- 行为日志
- 结果分析
- 报告生成（Python matplotlib 辅助可视化）CC 能力边界说明
- 状态同步: 多 Agent 实时交互需要精心设计消息传递机制
- 可视化: CC 无原生图表生成能力，需调用 Python matplotlib 生成图表文件
知识点分布
| 课时 | 内容 | 核心模式 | 原理回顾 |
|---|---|---|---|
| 1 | 实验设计与智能体配置 | 智能体间协作、评估与迭代 | 回顾第 10.4 节智能体间协作、第 11.3 节优化迭代 |
| 2 | 交互协调与状态管理 | 记忆管理、规划 | 回顾第 7.1 节记忆管理、第 6.3 节规划 |
| 3 | 数据分析与结果评估 | 评估与迭代 | 回顾第 11.4 节评估监控与回归 |
模式总结
本章是多模式综合应用：
- 智能体间协作 多 Agent 交互是第 10.4 节的深化，从「协作完成任务」扩展到「模拟社会行为」
- 记忆管理 角色记忆与状态持久化是第 7.1 节的核心应用，体现长期记忆的价值
- 评估与迭代 效用函数校准与实验参数调整应用第 11.3 节优化迭代思路
- 规划 实验流程编排应用第 6.3 节规划模式
- 评估与迭代 行为数据分析体现第 11.4 节评估监控与回归的方法论
科研应用篇设计模式覆盖矩阵
| 设计模式 | 第 14 章 论文润色 | 第 15 章 文献综述 | 第 16 章 多智能体实验 | 原理篇章节 |
|---|---|---|---|---|
| 提示工程 | ★★★ | ★★★ | ★ | 5.1-5.4 |
| 工具使用 | ★★ | ★★★ | ★★ | 8.1-8.5 |
| 反思 | ★★★ | ★★★ | ★ | 6.1 |
| 推理 | ★ | ★ | ★ | 6.2 |
| 规划 | ★ | ★★ | ★★★ | 6.3 |
| 记忆管理 | ★ | ★★ | ★★★ | 7.1-7.4 |
| RAG | - | ★★★ | - | 9.1-9.4 |
| 智能体间协作 | - | ★ | ★★★ | 10.4 |
| 护栏机制 | ★ | ★ | ★ | 6.4 |
| 人在回路 | ★ | ★ | ★ | 6.5 |
| 评估与迭代 | ★★ | ★★ | ★★★ | 11.1-11.4 |