千代木：在 3B 模型上实现多主体经济
一句话看懂：开发者利用 Qwen2.5-3B 模型构建了一个包含五个智能体（ woodland creatures）的微型经济模拟系统“千代木”，展示了小模型在实时多智能体仿真中的可行性与独特约束——它能稳定输出格式，但需要精心设计的稀缺性规则和提示词才能产生有意义的交易行为。
事件核心：发生了什么
在 Hugging Face Build Small Hackathon 中，开发者 Lester Leong 和 AdmiralTaco 发布了“Thousand Token Wood”（千代木）项目。该系统在 Qwen2.5-3B 模型上运行五只森林生物（智能体），它们交易五种商品，使用鹅卵石作为货币，会出现价格波动、市场崩盘和财富分化。模型通过 vLLM 在 Modal 上部署，前端为 Gradio 应用。关键数据显示：在 15 轮运行中，智能体 100% 生成有效 JSON 格式动作，但在经济判断上存在缺陷——例如产橡果的智能体会发布购买橡果的订单。修复方案是更精准的提示词工程，包括明确告知每个智能体“生产什么、永远不买什么”，并给出示例。此外，系统还引入了季节性稀缺（冬季燃料需求上升）、商品变质（强制出售存货）以及“木传说”机制——将郁金香狂热、南海泡沫等历史金融事件改编为森林传说，注入真实经济冲击。
为什么重要
这个项目验证了小模型（3B 参数级别）在多智能体实时仿真中的应用潜力。通常前沿大模型（如 GPT-4）被用于此类模拟时，受限于推理速度和成本，难以实现多轮次、多智能体的实时交互。千代木表明，小模型+设计合理的系统规则，可以在保持经济行为涌现性的同时，显著降低推理成本。这也揭示了一个更普遍的规律：模型能力的边界可以通过“工程设计”部分弥补——稀缺性规则、提示词优化、JSON 解析容错层等手段，缩小了小模型在逻辑推理上的天然劣势。对开源模型社区而言，这是一个有价值的工程案例，展示了如何在资源受限条件下构建可交互的 AI 仿真系统。
对用户/开发者/创作者的影响
开发者：如果你在构建多智能体系统（如虚拟世界、经济模拟、游戏 NPC），这个项目提供了一套实用的工程模板：如何设计稀缺性驱动力（食谱多样性、商品变质、季节性需求）、如何用容错解析处理模型输出、如何让价格随着供需自行浮动而非参考静态价格。创作者和 AI 应用设计师：千代木证明了“剧本”可以不是预先写好的——引入“木传说”这样的历史事件模板，可以触发智能体的非脚本响应（如银行挤兑导致资产抛售和价格崩盘）。这意味着，未来游戏或模拟类应用的内容量可以通过小模型+规则引擎的组合大幅扩展。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
1. 模型的因果推理局限：3B 模型在经济判断上的薄弱，是否可以通过更深入的微调（而非仅靠提示词）来解决？目前公开信息显示，项目团队选择了提示词+规则补偿的路线，未尝试对模型进行针对经济的微调。2. 规模化与实时性：当前系统支持 5 个智能体，如果扩展到 100 个甚至更多，3B 模型的推理速度和系统瓶颈在哪里？这可能影响它在游戏或元宇宙场景中的实用性。3. 玩法的延伸：千代木的“木传说”功能已被证明能产生真实经济冲击，是否有开发者会基于此构建更完整的“可玩历史模拟”或金融教育工具？这取决于项目是否开源经济规则和智能体行为的 trace 数据集（目前公开在 Hugging Face）。
