高保真多智能体模拟引擎
Utopia是一个开源的多智能体模拟系统，专门设计用于通过真实的智能体行为建模集体智能。它模拟个体如何感知信息、形成信念、进行社交互动，以及群体动态如何涌现。
- 6层架构: 从种子材料处理到结果分析的模块化设计
- 认知智能体: 记忆系统、信念网络、决策引擎
- 社交动力学: 信息传播伴随认知扭曲、极化检测
- Agent人格系统: 四大标准模板（散户、量化机构、内幕者、国家队）
- CQRS + Event Sourcing: 支持100+智能体并发执行
- 可扩展: 易于添加新领域（金融、政治等）
- 预测引擎: 可集成为量化交易的预测引擎
┌─────────────────────────────────────────┐
│ L6: Result Analysis │
│ 指标收集 / 预测 / 报告生成 │
├─────────────────────────────────────────┤
│ L5: Simulation Engine │
│ Tick循环 / 调度 / CQRS事件 │
├─────────────────────────────────────────┤
│ L4: Social Interaction │
│ 关系网络 / 信息传播张量 │
├─────────────────────────────────────────┤
│ L3: Individual Cognition │
│ 记忆 / 信念 / 决策 / Persona │
├─────────────────────────────────────────┤
│ L2: World Model │
│ 知识图谱 / 事件溯源 / Neo4j │
├─────────────────────────────────────────┤
│ L1: Seed Material Processing │
│ 实体抽取 / 解析 │
└─────────────────────────────────────────┘
pip install utopia-sim或从源码安装:
git clone https://github.com/MarcZhuYY/Utopia.git
cd Utopia
pip install -e ".[all]"from utopia.layer3_cognition.agent_factory import AgentFactory
from utopia.layer5_engine.world_state_buffer import WorldStateBuffer
# 创建不同类型的Agent
retail = AgentFactory.create_agent("retail", "RETAIL_001")
quant = AgentFactory.create_agent("quant", "QUANT_001")
regulator = AgentFactory.create_agent("regulator", "CSRC_001")
print(retail.to_system_prompt())# 创建70个散户 + 15个量化机构 + 5个内幕者
agents = AgentFactory.create_batch({
"retail": 70,
"quant": 15,
"insider": 5,
})
# 或者使用参数覆盖
custom_agents = AgentFactory.create_batch({
"retail": (50, {"neuroticism": 0.95}), # 更恐慌的散户
"quant": (10, {"openness": 0.05}), # 更保守的量化
})| 角色 | 开放度 | 神经质 | 尽责性 | 影响力 | 资金权重 |
|---|---|---|---|---|---|
| RetailInvestor (散户) | 0.8 | 0.9 | 0.2 | 0.1 | 1.0 |
| QuantInstitution (量化) | 0.1 | 0.0 | 1.0 | 0.5 | 100.0 |
| Insider (内幕) | 0.3 | 0.2 | 0.8 | 0.8 | 50.0 |
| MacroRegulator (国家队) | 0.1 | 0.0 | 1.0 | 1.0 | 10000.0 |
- Openness (开放度): 影响贝叶斯信念更新吸收率
- Neuroticism (神经质): 影响认知失调时的信心惩罚
- Conscientiousness (尽责性): 影响记忆衰减率
- Influence Weight (影响力): 影响L4信息传播权重
from utopia.layer3_cognition.agent_persona_models import RetailInvestorPersona
# 获取记忆衰减率 (散户: 0.08, 量化: 0.0)
decay_rate = retail.get_memory_decay_rate()
# 获取贝叶斯更新率 (散户: 0.8, 量化: 0.1)
update_rate = retail.get_bayesian_update_rate()
# 计算认知失调惩罚
penalty = retail.get_confidence_penalty(dissonance_level=0.5)from utopia.core.config import SimulationConfig
from utopia.layer5_engine.engine import SimulationEngine
config = SimulationConfig(
agent_count=100,
max_ticks=100,
domain="financial",
)
engine = SimulationEngine(config)
engine.initialize(seed_material)
result = engine.run()config = SimulationConfig(
agent_count=50,
max_ticks=50,
domain="political",
)AgentFactory.create_agent(
role: str, # "retail" | "quant" | "insider" | "regulator"
agent_id: str, # 唯一标识符
**kwargs # 可选参数覆盖
) -> BaseAgentPersona
AgentFactory.create_batch(
counts: dict # {role: count} 或 {role: (count, kwargs)}
) -> list[BaseAgentPersona]from utopia.layer3_cognition.beliefs_v2 import BayesianBeliefSystem, StanceState
# 初始化立场
stance = StanceState(
topic_id="MARKET",
position=0.5, # -1.0 (反对) 到 1.0 (支持)
confidence=0.7, # 0.0 到 1.0
)
# 贝叶斯更新
belief_system = BayesianBeliefSystem(agent_openness=0.8)
new_stance = belief_system.update_stance(
current=stance,
evidence_position=0.8,
evidence_confidence=0.6,
)from utopia.layer2_world.world_events import StanceChangeEvent
from utopia.layer2_world.world_event_buffer import WorldEventBuffer
# 创建不可变事件
event = StanceChangeEvent(
agent_id="RETAIL_001",
topic_id="MARKET",
new_position=0.8,
reason="positive_news",
)
# 缓冲事件
buffer = WorldEventBuffer()
buffer.add_event(event)- 真实性优先于规模 - 100个真实智能体 > 10,000个简单智能体
- 认知层次分离 - 世界模型、个体认知、社交互动解耦
- 可验证性 - 每个智能体的推理可追溯
- ✅ Phase 9: CQRS + Event Sourcing 架构
- ✅ Phase 10: Agent Persona 模板系统
- ✅ 238个测试全部通过
- LLM集成 (MiniMax API)
- 市场情绪指数模块
- 波动率预测
- Neo4j图数据库集成
- 向量存储集成 (Milvus/Qdrant)
- React + D3.js 可视化仪表板
- REST API for 交易系统集成
- 金融市场专用智能体和规则
欢迎贡献！请参阅 CONTRIBUTING.md 了解如何参与项目。
MIT License - 详见 LICENSE 文件。
Zhu Yi - @MarcZhuYY
- 灵感来源于Alpha-A量化交易系统的智能体需求
- 架构设计受CQRS和Event Sourcing模式启发