SocSim-Lab

项目定位

SocSim-Lab 是在深圳大学 AISC 智能计算服务中心推进的基于 LLM-ABM 的社交媒体计算机仿真平台，面向社交媒体舆论、公共表达和群体行为演化场景，支持研究问题定义、行为链建模、大规模 Agent 仿真、实时可视化分析和实验复盘。

研究设计

CoSA 行为链模型

设计 Chain-of-Social-Action 行为链：private evaluation → response impulse → constraint appraisal → public action → interaction persistence。

将课题从「模拟舆论结果」重定义为「模拟产生舆论的条件」，建模 Agent 的认知状态、关系成本、身份暴露、平台反馈和表达阈值。

LLM-ABM 五层系统架构

Agent 认知层、交互协议层、网络拓扑层、生态环境层、观测分析层。

将 LLM 定位为语义特征抽取与情境理解模块，由行为链算法、阈值模型和状态更新逻辑承担可解释的行动选择。

工程实现

四阶段工作台

设计阶段：配置 Agent 人格、行为模式与世界参数。

运行阶段：支持 Tick 步进、事件队列调度、状态快照与实时仿真控制。

干预阶段：支持注入外部事件、动态调参、暂停恢复与 A/B 对比。

分析阶段：输出时序数据可视化、行为轨迹回溯与群体指标分析。

可视化引擎

基于 PixiJS 搭建 2D 渲染引擎，支持 2000 到 50000 个 Agent 的实时渲染与交互。

接入 30 个真实 Twitter 人物画像数据，基于大五人格理论和道德基础理论做建模。

LLM 驱动行为生成

设计 Agent Prompt 模板与行为采样机制，支持 OpenAI、DeepSeek、vLLM 等多 Provider。

评估 18+ 个开源社交仿真项目，输出 900+ 行 MiroFish 代码分析报告与 7 张架构图。