环境为何是 LLM 社会仿真的一等公民：可复现性与仿真基础设施

发布于 2026-11-01 · 杭州师范大学阿里巴巴商学院AI商科智能体实验室

用大语言模型做社会仿真，很多人先把注意力放在智能体身上：人设怎么写、提示词怎么调、记忆怎么存、对话怎么编排。等到实验结果对不上、换台机器跑不出同样结论时，才会回头发现问题的根源几乎总在同一个地方——环境没有被当作独立对象对待，而是被随手塞进了实验脚本的常量区和条件分支里。本文讨论的正是这件事：为什么环境必须是一等公民，以及可复现的仿真基础设施应该长什么样。

环境作为一等公民是指什么

环境是指智能体在仿真过程中能够感知到、并且能够对其施加影响的外部世界的完整集合，包括空间结构、资源与预算约束、规则集、事件源以及观测接口。这个定义看起来朴素，但它把环境从"背景"提升成了一个有边界、有契约的实体。

在编程语言里，"一等公民"意味着一个东西可以被赋值、被传递、被组合、被单独测试。把同样的标准搬到仿真里，环境就应当满足几条要求：它可以被单独实例化，不必依赖某个具体智能体；它可以被单独运行并断言结果，不必先跑完一整场社会实验；它可以被序列化成配置，被版本化管理，被另一个团队原样加载。

反过来看常见的反面做法：环境被写成一个全局字典，规则用 if-else 硬编码在循环里，事件用真实时钟触发，资源上限散落在几十个函数中。这样的系统在单次演示里看不出问题，一旦需要比较两种策略、或者需要复现三个月前的结论，就会立刻失效。2024 年前后，随着生成式智能体类工作大量涌现，社区逐渐形成一个共识：能复现的社会仿真，前提是环境本身可被独立描述。

可复现性为何必须建立在环境之上

可复现性是指同一份实验描述在相同环境下重复执行时，能够产生结构一致的结果轨迹。注意这里的关键词是"结构一致"而非"逐字相同"——大模型的采样天然带有波动，追求完全一致的字符串输出并不现实，但行动序列的分布结构、关键事件的触发顺序、资源消耗的走势应当可以对齐。

不可复现的来源通常有三处：模型采样、环境演化、外部依赖。很多人只处理了其中一个方面，固定随机种子、把温度调到确定值，然后就认为实验可控了。实际上后两处才是更隐蔽的破坏者。环境演化包含随机事件抽样、时间步推进方式、智能体调度顺序；外部依赖包含网络请求、文件读取、数据库状态。这三者中，环境相关的部分占了绝大部分。

一个具体的判断标准是：如果换一台机器、换一个执行顺序、换一天重新跑，结论就变了，那么问题大概率不在模型，而在环境没有把状态与随机源管理起来。仿真基础设施的价值，正是把这三处不确定性收敛到一个可以被记录、被重放、被断言的范围内。

仿真基础设施的四层结构

把可复现的环境落地，需要一个分层的基础设施。下面这张表是实践中比较通用的一种切分方式，每一层的职责与可复现性要求都不同，混在一起写代码是后期返工的主要来源。

这五层里，最容易被忽略的是观测与回放层。大多数团队只记录"结果指标"，不记录"当时喂进去的输入"。等到结果异常时，既无法确认环境当时处于什么状态，也无法判断是规则变了还是数据变了。可复现的仿真必须能在不重跑的前提下回答"当时到底发生了什么"。

把环境做成一等公民的五个步骤

下面这套顺序在实践中比较好用，每一步都能独立验收，不必等到整套系统跑通才发现问题。

步骤一，固化实验描述。把智能体数量、环境规则、随机种子、模型版本、预算上限写成一份声明式配置，不要留在代码里。配置文件应当可以被人读懂，也应该可以被机器比对差异。

步骤二，定义环境接口。明确列出观测字段与动作集合，并为每个字段标注类型与单位。接口一旦确定就当作契约对待，变更需要显式升版本，而不是悄悄加字段。

步骤三，注入可控随机源。为环境单独持有一个随机数生成器，所有事件抽样、初始状态生成、顺序扰动都从它取数。不要在多处调用系统的全局随机函数，否则种子固定了也没用。

步骤四，实现快照与回放。在固定的时间步或事件边界导出状态，支持从任意快照恢复并继续推进。虚拟时钟而非真实时钟，是让回放成立的前提。

步骤五，建立验收断言。为环境层写独立的测试：给定输入状态与固定随机源，输出必须确定；快照恢复后继续推进，轨迹必须与连续推进一致。这类断言比端到端的社会实验更早地暴露问题。

走完这五步之后，环境就具备了被单独测试、被单独替换、被单独复用的能力，这才配得上"一等公民"的定位。想了解这套方法如何落到具体的内容与智能体工程交付中，可以参考本站相关服务的说明。

五个最常见的坑

坑一，把环境写死成脚本里的字符串。改一个规则要动代码，改完之后旧实验再也无法重跑，因为当时的那份代码已经不存在了。

坑二，用真实时钟推进仿真。这类系统在机器负载变化时行为漂移，回放时事件顺序对不上，排查成本极高。

坑三，随机源各自为政。每个模块自己调用随机函数，局部看着可控，全局仍然不可复现。

坑四，只记录结果不记录输入。日志里只有最终指标，没有当时的配置、种子与环境状态，事后无法归因。

坑五，环境与智能体耦合过紧。智能体直接读写环境的内部字段，导致环境无法独立实例化，也无法在不加载智能体的情况下做单元测试。

这五个坑的共同特征是：它们在单次演示中都不会暴露，只在需要比较、需要复现、需要交接时才集中爆发。因此在项目早期就把环境抽象出来，代价远低于后期返工。

2023 年以来的演进脉络

2023 年前后，生成式智能体类工作让"沙盒式社会仿真"进入大众视野，智能体在一个人造小镇里生活、记忆、社交，环境作为舞台首次被明确地描述出来。2024 年，更多工作开始把注意力转向环境本身：如何定义标准的观测接口，如何让不同团队的环境可以互换，如何让基准测试在不同实现之间可比。到 2025 年，可复现性已经成为评审社会仿真类工作时的常规追问，环境配置是否公开、随机源是否固定、轨迹是否可重放，逐渐被写进复现清单。

这条演进线的方向很清楚：评价重心从"智能体表现得多像人"，转向"实验是否可被他人重做"。而支撑这个转向的，正是把环境当作独立对象来建设的基础设施。

常见问题

环境与智能体的边界应该怎么划？

环境负责承载世界状态、规则与观测接口，智能体只负责根据观测做出决策并提交动作。判断标准是：把一个智能体换成另一个，环境不需要改动；把环境换成另一个，智能体不需要改动。做不到这一点，说明边界划错了。

可复现性是否意味着结果必须完全一致？

不是。可复现性是指在同一份实验描述与同一份环境下，结果的结构与分布可以对得上，而不是逐字相同。大模型采样的波动无法消除，但行动序列的走向、关键事件的顺序、资源约束的触发条件应当稳定。

小规模实验是否也需要仿真基础设施？

需要，只是规模可以简化。哪怕只有几个智能体、几十个时间步，只要实验结论会被引用或比较，就需要把配置、随机源与状态记录下来。基础设施的投入随规模增长，但抽象本身几乎不增加成本。

虚拟时钟会不会让仿真失真？

虚拟时钟牺牲的是与真实世界时间的对应关系，换来的是可重放与可对齐。社会仿真关心的是事件顺序与因果链，而不是墙钟时间，因此在绝大多数研究场景中，虚拟时钟带来的收益大于损失。只有当仿真需要与真实外部系统联调时，才需要额外处理时间同步。

环境接口变更后旧实验怎么办？

不要修改旧接口的语义，而是新增版本。旧实验绑定旧版本的环境描述与配置指纹，新实验使用新版本，两者可以并存并互相比较。直接改语义会让历史结论失去参照系，这是最难修复的一类技术债。