TinyTroupe

TinyTroupe 是微软开源的一个实验性 Python 库，主题为“基于大语言模型的多智能体角色模拟，用于增强想象力和商业洞察”。它允许模拟具有特定个性、兴趣和目标的人，这些人工代理称为 TinyPerson，能够倾听用户及其他代理的发言、作出回应，并在模拟的 TinyWorld 环境中展开活动。该库通过大语言模型（尤其是 GPT-4）生成逼真的模拟行为，从而研究各种有说服力的互动和消费者类型。其重点在于理解人类行为，而非像 AI 助手那样直接支持人类行为，因此包含一些仅在模拟场景中才有意义的专门机制。与其他游戏化的大语言模型模拟方法不同，TinyTroupe 旨在启发生产力和商业场景，助力更成功的项目与产品。

主要用途与应用场景：

• 广告：在投入资金前，用模拟受众离线评估数字广告（例如 Bing Ads）。
• 软件测试：向系统（如搜索引擎、聊天机器人或 Copilot）提供测试输入，然后评估结果。
• 训练与探索性数据：生成逼真的合成数据，之后可用于训练模型或进行机会分析。
• 产品与项目管理：阅读项目或产品提案，并从特定角色（如医生、律师及各类知识工作者）的视角给出反馈。
• 头脑风暴：模拟焦点小组，以较低成本获得优质的产品反馈。

主要能力与机制：

• 高度可定制的角色（personas），包含性格特质、偏好、信念等更深层的设定，并支持通过 JSON 文件定义角色、以 TinyPerson.load_specification() 加载。
• 角色片段（fragments），用于在不同代理之间复用角色元素。
• 基于大语言模型的逻辑命题（Propositions），用于监控代理行为，例如 persona_adherence、hard_persona_adherence、self_consistency、fluency 等。
• 干预（Interventions），允许指定基于事件的模拟修改。
• TinyPerson 的动作纠正机制，提升对角色设定的遵从度、自我一致性和流畅性。
• TinyPersonFactory 采用基于计划的方法生成新代理，支持更大规模群体的采样，并可并行生成代理。
• TinyWorld 在每个模拟步骤中并行运行代理，加快模拟速度。
• InPlaceExperimentRunner 类，支持在单个文件中运行受控实验（如 A/B 测试）。
• SimulationExperimentEmpiricalValidator，使用统计检验（t 检验、KS 检验）将模拟结果与真实世界经验数据对比，以验证模拟是否匹配真实人类行为。
• AgentChatJupyterWidget，支持在 Jupyter notebook 中直接与代理交互对话。
• 客户端、环境和代理级别的成本跟踪工具，用于监控 API 费用。
• 实验性、有限度的 Ollama 支持，用于本地模型。
• 内部 LLM 使用通过 LLMChat 类和 @llm 装饰器得到更好支持，装饰器可将任意标准 Python 函数转换为基于 LLM 的函数。
• 配置机制已重构，除静态 config.ini 文件外，也支持动态编程式重新配置。
• LLM API 缓存现使用 JSON 而非 pickle。
• 默认模型为 gpt-5-mini；GPT-5 系列使用与 GPT-4 系列不同的参数，可能需要相应调整 config.ini 设置。旧版模型（gpt-4.1-mini、gpt-4o-mini）仍受支持。

使用方式与前提条件： 运行该库需要 Python 3.10 或更高版本（假定使用 Anaconda，也可使用其他 Python 发行版）、Git（用于克隆仓库和通过 pip 安装库），以及对 Azure OpenAI Service 或 OpenAI GPT-4 API 的访问权限。对于 Azure OpenAI Service，需设置 AZURE_OPENAI_KEY 和 AZURE_OPENAI_ENDPOINT 环境变量；对于 OpenAI，需设置 OPENAI_API_KEY 环境变量，例如在 Linux/macOS 上执行 export OPENAI_API_KEY=your-key-here，在 Windows PowerShell 上执行 $env:OPENAI_API_KEY="your-key-here"。默认 config.ini 使用 OpenAI API 和 gpt-5-mini 作为主模型，可通过在运行程序或 notebook 所在文件夹中放置自定义 config.ini 来定制；examples/ 文件夹提供了示例配置文件。为确保模拟期间不生成有害内容，强烈建议在 API 层面使用内容过滤器；若使用 Azure OpenAI，其提供广泛的内容审核支持。若内容过滤器拦截了 API 调用，库将抛出异常，无法继续模拟。TinyTroupe 主要针对 OpenAI 模型及兼容端点开发，以便充分发挥特定模型的能力，而非尝试适配任意模型。

示例：

• 客户访谈：商业顾问与银行家对话，逐步深入挖掘信息，直至获得满意的具体项目想法。
• 电视广告评估：评估多个在线广告选项并选出最佳，可自动提取各代理的选择并计算总体偏好。
• 产品头脑风暴：围绕 Microsoft Word 的新 AI 功能开展焦点小组，通过操纵环境让代理彼此互动，并以机器可读方式提取结果。
• 瓶装西班牙冷汤市场调研：模拟市场调研问卷，并用统计检验（t 检验、KS 检验）对比模拟代理与真实受访者的回答分布。
• AI 儿童故事讲述市场调研：模拟家长评估不同 AI 故事设备并排序，使用 Borda 计数和首选份额分析与真实调查数据对比。 例子的截图可能随更新而与本地运行结果不完全一致，但整体结构和内容应相似。目前模拟输出在深色背景下可视化效果更好，建议在 Jupyter 客户端使用深色主题。

限制与法律声明： TinyTroupe 仍处于早期阶段，是进行中的研究项目，仍在大量开发中并需要进一步整理；API 仍会频繁变动，可能破坏现有程序。它仅用于研究和模拟，用户对生成输出的任何使用负全责；使用受多项重要附加法律考量的约束，使用前应阅读完整的法律免责声明。本地模型支持并非核心团队当前优先事项。

分类：ai-agent