hack/tools/scripts/llm-key-hunter/results/_cache/content/blancacacher_llm-driven-multi-agent-social-simulation.json

{"repo": "blancacacher/llm-driven-multi-agent-social-simulation", "files": {"README.md": {"294e4553d986e2c0c27dccfac38e1283be327ddd": {"t": 1786068120.9115512, "n": 5586, "h": "84ae1a64ca93c470", "c": "# LLM 驱动的多智能体社会仿真（README）\n\n本仓库包含一套基于大语言模型（LLM）的多智能体仿真实验代码，围绕四类机制开展验证：\n- **网络结构**：三元闭包（Triadic Closure）\n- **舆论演化**：沉默的螺旋（Spiral of Silence）\n- **顺序决策**：信息级联（Information Cascade）\n- **经济博弈**：拍卖与机制设计（英式拍卖 / 一价与二价密封拍卖 / 带预算约束的多物品序列拍卖）\n\n> 代码以“自然语言状态 → LLM 输出结构化决策”的方式运行，并配套日志、统计与可视化脚本。\n\n---\n\n## 目录结构\n\n```text\nagent_simulation/\n  auction_comparison.csv\n  auction_comparison.png\n  auction_experiment_results.csv\n  batch_analysis.png\n  batch_log.txt\n  batch_results.csv\n  experiment_conclusions.png\n  experiment_details.log\n  f_s_auction.py\n  harbor_auction.py\n  large_scale_experiment_data.csv\n  multi_item_auction.py\n  multi_item_log.txt\n  multi_item_trend.png\nInformation_Cascade/\n  __pycache__/\n    cascade_env.cpython-311.pyc\n    cascade_prompts.cpython-311.pyc\n    datasets.cpython-311.pyc\n    deepseek_client.cpython-311.pyc\n  data/\n    movies.csv\n    personas.txt\n  logs/\n    cascade.out\n  outputs/\n    cascade_corr_by_gap_bin.png\n    cascade_corr_by_threshold.png\n    cascade_corr_vs_step.png\n    cascade_correlation_by_gap_bin.csv\n    cascade_correlation_summary.csv\n    cascade_follow_prob_vs_gap.png\n    cascade_history_only.jsonl\n    cascade_private_history.jsonl\n    cascade_private_only.jsonl\n  analyze_cascade_metrics.py\n  cascade_env.py\n  cascade_prompts.py\n  datasets.py\n  deepseek_client.py\n  plot_cascade_distributions.py\n  plot_cascade_follow_prob_and_timecorr.py\n  run_cascade_experiments.py\nSpiral_of_Silence/\n  __pycache__/\n    datasets.cpython-311.pyc\n    deepseek_client.cpython-311.pyc\n    prompts.cpython-311.pyc\n    sos_env.cpython-311.pyc\n  logs/\n    sosexp.out\n  outputs/\n    sos_example_trajectories.png\n    sos_history_only.jsonl\n    sos_history_persona.jsonl\n    sos_IQR_boxplot.png\n    sos_IQR_hist.png\n    sos_kurtosis_boxplot.png\n    sos_kurtosis_hist.png\n    sos_metrics_summary.csv\n    sos_none.jsonl\n    sos_persona_only.jsonl\n    sos_rho_boxplot.png\n    sos_rho_hist.png\n    sos_S_boxplot.png\n    sos_S_hist.png\n    sos_stat_tests.json\n    sos_time_evolution_avg_rating.png\n  analyze_sos_metrics.py\n  analyze_sos_time_curves.py\n  datasets.py\n  debug_check_one_movie.py\n  deepseek_client.py\n  plot_sos_distributions.py\n  produce_data.py\n  prompts.py\n  run_sos_experiments.py\n  sos_env.py\n  stat_tests_sos.py\nTriadic_Closure/\n  __pycache__/\n    deepseek_client.cpython-311.pyc\n    network_formation.cpython-311.pyc\n  outputs/\n    k_dist_candidates_vs_selected.png\n    k_dist_llm_candidates_vs_selected.png\n    k_dist_random_candidates_vs_selected.png\n    logistic_triadic.png\n    p_selected_given_k.png\n    triadic_candidates_llm.jsonl\n    triadic_candidates_random.jsonl\n    triadic_closure_deepseek_llm.jsonl\n    triadic_closure_histogram.png\n    triadic_closure_random.jsonl\n    triadic_network_boxplot_avg_path_len.png\n    triadic_network_boxplot_clustering_avg.png\n    triadic_network_boxplot_clustering_global.png\n    triadic_network_boxplot_triangles.png\n    triadic_network_metrics.csv\n    triadic_network_snapshots_sim0.png\n    triadic_network_snapshots_sim3.png\n    triadic_network_tests.json\n  analyze_logistic_triadic.py\n  analyze_p_selected_given_k.py\n  analyze_triadic_network_metrics.py\n  analyze_triadic_results.py\n  deepseek_client.py\n  network_formation.py\n  run_triadic_candidates_experiment.py\n  run_triadic_experiment.py\nREADME.md\n基于大语言模型的多智能体社会仿真——ppt.pdf\n基于大语言模型的多智能体社会仿真——报告论文.pdf\n```\n\n---\n\n## 环境依赖\n\n建议 Python 3.9+。\n\n常用依赖（如遇缺包按报错补装）：\n```bash\npip install numpy pandas matplotlib statsmodels networkx tqdm openai\n```\n\n---\n\n## API 配置（必须）\n\n本仓库包含两类客户端封装：\n\n1) **Triadic_Closure / Spiral_of_Silence / Information_Cascade**\n- 每个目录下都有一个 `deepseek_client.py`\n- 需要在该文件里配置你的 `api_key` / `base_url`（OpenAI 兼容接口，例如 DeepSeek）\n\n2) **agent_simulation（拍卖部分）**\n- 代码中有 `CONFIG = { \"API_KEY\": \"...\", \"BASE_URL\": \"...\", \"MODEL\": \"...\" }` 之类配置\n- 需要把其中的 `API_KEY` / `BASE_URL`（以及模型名）改成你自己的\n\n> 注意：拍卖部分不是单独的 `run_*.py` 调度脚本，而是直接运行 3 个主脚本（见下）。\n\n---\n\n## 如何运行\n\n建议先进入仓库根目录（有 `Triadic_Closure/` 等文件夹的那层）。\n\n### 实验一：三元闭包（Triadic_Closure）\n```bash\npython Triadic_Closure/run_triadic_experiment.py\n```\n- 输出：`Triadic_Closure/outputs/` 下的日志与图（具体以脚本写入为准）\n- 分析：也可单独运行\n```bash\npython Triadic_Closure/analysis.py\n```\n\n---\n\n### 实验二：沉默的螺旋（Spiral_of_Silence）\n```bash\npython Spiral_of_Silence/run_sos_experiments.py\n```\n如需跑更基础脚本：\n```bash\npython Spiral_of_Silence/run_simulation.py\npython Spiral_of_Silence/run_batch_experiment.py\n```\n分析：\n```bash\npython Spiral_of_Silence/analysis.py\n```\n\n---\n\n### 实验三：信息级联（Information_Cascade）\n```bash\npython Information_Cascade/run_cascade_experiments.py\n```\n分析：\n```bash\npython Information_Cascade/analysis.py\n```\n\n---\n\n## 实验四：拍卖与机制设计（agent_simulation）\n\n拍卖部分代码集中在 `agent_simulation/`，包含三个可直接运行的脚本：\n\n### 4.1 英式拍卖（单物品）——赢家诅咒 / 非理性泡沫\n```bash\ncd agent_simulation\npython harbor_auction.py\n```\n运行后会在当前目录生成：\n- `auction_results.png`（可视化）\n- 控制台会打印对照组/实验组的统计表\n\n> `harbor_auction.py` 内置了对照组（全理性）vs 处理组（含 risk-seeking persona）的对比实验逻辑。\n\n---\n\n### 4.2 一价 vs 二价密封拍卖——策略涌现（报价遮蔽/诚实报价）\n```bash\ncd agent_simulation\npython f_s_auction.py\n```\n运行后会生成：\n- `auction_comparison.png`（两种机制下 bid/value ratio 的分布 + 散点结构）\n\n---\n\n### 4.3 多物品序列拍卖（带预算约束）——流动性枯竭 / 高开低走\n```bash\ncd agent_simulation\npython multi_item_auction.py\n```\n运行后会生成：\n- `batch_results.csv`（30 次 batch 结果汇总）\n- `batch_analysis.png`（价格路径、支付/估值比、赢家类型分布等图）\n\n---\n\n## 输出与复现实用提示\n\n- **最好 `cd` 到对应目录再运行脚本**：因为拍卖脚本默认把 PNG/CSV 写到“当前工作目录”。\n- 若想减少调用成本，可在各脚本里把 `num_runs`（例如 30、40）调小。\n\n---\n\n## 常见问题\n\n- **JSON 解析/格式不稳定**：可以在 prompt 中更强约束 JSON，或在 client 层加重试（项目里已有一定处理）。\n- **图像找不到**：检查脚本运行时的工作目录（是否在 `agent_simulation/` 里运行），以及是否真的生成了 PNG。\n- **API 报错**：优先检查 `deepseek_client.py` / `CONFIG` 的 key、base_url、model 是否正确。\n\n---\n\n\n\n\n\n\n"}}}}