MainLand.AI
人群研究 / AI 智能体模拟

面向未来的
数字沙盒引擎

上传任意种子材料，数百万 AI 智能体在平行世界中自由演化，最终为你奉上一份详尽的推演报告。它将"如果...会怎样"这个永恒问题，转化为一段可以在代码中运行的实验。

开始模拟查看示例报告
人群研究 仪表盘可视化

重新定义预测科学

通过构建高保真的平行数字世界，让未来在代码中提前发生。

核心方法论：观察演化轨迹

让事情在数字世界中发生，观察实际演化的轨迹

数千个具备独立人格、长期记忆和行为逻辑的 AI 智能体在模拟社交平台中自由交互。发帖、评论、转发、争论、形成联盟。用户以"上帝视角"观察舆论演化，获得结构化预测报告。

平行数字世界

人群研究的核心形态

源于数字孪生，不仅复制物理实体状态，更构建了一个能自主演化、支持干预实验的虚拟社会系统。

可运行的社会系统副本

涌现复杂的社会动力学效应

捕捉信息级联、群体极化、意见领袖崛起等现象，在多智能体交互模拟中忠实再现。

百万级并发模拟

宏观社会预测的计算基础

支持多达一百万个智能体的并发社交模拟，系统可同时模拟一座中型城市的社交网络动态。

从生物启发到高阶认知智能

人群研究将生物群体智能范式应用于社会预测领域，实现了从"简单规则涌现复杂行为"到"认知智能体涌现社会智能"的关键创新。

蚁群觅食

机制

信息素间接通讯，正反馈路径强化

计算应用

蚁群优化算法（ACO），求解组合优化问题

鸟群编队

机制

分离-对齐-凝聚三条局部规则

计算应用

计算机图形学、人群动画

蜂群决策

机制

侦察蜂探索，舞蹈信息整合

计算应用

分布式决策，共识形成机制

鱼群规避

机制

局部感知，快速协同转向

计算应用

集群机器人，自动驾驶协同

强智能体群体智能

打破黑箱，揭示预测如何形成

当单个 AI 预测准确率可能只有 30% 时，通过智能体之间的信息聚合、观点辩论与证据权衡，群决策准确率可以显著提升。

  • 追踪关键意见领袖的观点演化
  • 识别信息级联的触发节点
  • 量化回音室的强化效应
预测稳定性
方差更低，共识信号更强
增益 Δ
+ 共识
单体 AI (30%)
30%
高方差
σ ↑
均值
置信区间
单次预测不稳定，容易受 prompt 方差影响。
群体智能共识
85%
低方差
σ ↓
均值
置信区间
辩论 → 证据权衡 → 收敛为稳定且可解释的宏观结果。

涌现

系统整体表现出的、无法简单从个体规则推导的属性。这种"不可设计但可观测"的特征，是群体智能预测相比传统统计模型的关键优势。

微观：简单决策规则

每个智能体的自适应交互产生不可预测的模式

人格设定长期记忆状态本地信息感知基本社会行为

宏观模式涌现

宏观
舆论浪潮

信息级联引发的话题爆发

观点极化

回音室效应导致的阵营对立

联盟形成

利益趋同带来的自发协作

Step 1: 平行世界构建

从非结构化文本到
可推理的语义网络

种子材料的质量决定模拟的保真度。GraphRAG 通过构建实体-关系-属性的知识图谱，赋予 AI"逻辑推理"的能力。

新闻报告

舆情分析典型材料，包含事件背景、时间线、多方观点及传播数据。

政策文件

宏观环境约束，定义模拟的规则与监管边界。

小说章节

复杂人际关系与社会情境抽取，用于深层社会模拟。

学术论文

专业知识领域注入，确保模拟的科学性与逻辑严密性。

GraphRAG 核心优势

传统 RAG

将文档切分为文本块，基于语义相似度匹配。
难以处理跨段落 的复杂逻辑关联

GraphRAG

构建符号化知识图谱，支持关系推理。
支持 A 推 B，B 对立 C，A 可能间接对立 C

营销本体论应该被扩展

本体
实体: 品牌/产品
品牌调性、产品线、功能属性
关系: 品牌-消费者关系
认知、情感连接、行为意向
实体: 消费群体
精细化标签、Personas、用户画像
关系: 消费者-消费者关系
社会影响、参照群体影响、口碑传播
实体: 市场环境
竞争对手、渠道、文化趋势
关系: 事件-品牌关系
因果关系、时间序列、情感变化
实体: 关键意见点
广告、代言人、使用体验
关系: KOP-决策关系
触发、强化、逆转
Step 2: 时间线 grounded 演化

时态接地查询 (Temporal Grounded)不仅仅是召回，而是历史的脉搏

在传统知识图谱基础上加入时间维度，让 AI 能够区分"过去的概念"与"当前的信息"，模拟真实认知过程中知识更新与态度转变。

  • 时间标签

    为每个事实三元组添加有效时间范围

  • 变化事件检测

    自动检测实体的创建、销毁、属性变化

  • 历史推理

    "既然 A 上周支持 B，但 B 现在陷入争议，A 会作何反应？"

T-1 (上周)
X 支持 Y
T-0 (现在)
Y 陷入争议
T+1 (预测)
X ? (失望 / 漠视 / 辩护)
时间线知识图谱
Step 3: 预测问题定义 (Research Query)

定义一个 SMART 的好问题

系统通过大语言模型自动分析用户问题，提取预测目标、约束条件和成功标准。

S具体范围清晰，避免笼统表述
M可测有可度量的成功标准
A可达在约束下可落地执行
R相关与要做的决策强相关
T有时限明确时间窗口
Bad Query
"NeuroRing 的市场接受度如何？"
过于模糊，缺少评判标准
Good Query (SMART)
"NeuroRing 发布90天内，在科技早期采用者群体中的购买意愿转化率"
明确边界特定人群量化指标
Step 4: 世界搭建与演化

批量生成异质智能体并初始化环境

系统基于图谱内容自动构建高度复杂的模拟社会，无需人工配置繁琐规则。

人口统计学属性

设定描述
年龄、性别、收入、地域分布
生成依据
市场调研/人口普查数据

心理特征与价值观

设定描述
开放性、风险偏好、消费动机
生成依据
心理学量表/用户访谈

认知偏见

设定描述
确认偏误、从众心理、锚定效应
生成依据
行为经济学模型

知识与记忆

设定描述
对特定品牌或事件的既有认知
生成依据
历史舆情/品牌资产库

情感状态

设定描述
当前的焦虑、兴奋或愤怒程度
生成依据
社交媒体情感分析

社交网络位置

设定描述
中心度、连接数、影响力权重
生成依据
网络拓扑分析
Step 5: 模拟社区与平台

模拟社区与平台

智能体不仅存在于真空中，它们被部署到高度还原现实特征的数字平台中，每个平台都有其独特的算法机制和社交规则。

公域广场 (算法推荐导向)
微博 / 抖音 / X
私域圈层 (兴趣/关系导向)
微信群 / Discord
深度内容社区
知乎 / 小红书 / Reddit
电商评论区
淘宝 / 亚马逊

单回合演化周期

1
信息注入
种子信息作为"事件"发生
2
个体反应
评估信息，更新记忆与情感
3
社交互动
发帖、转发、评论或沉默
4
网络更新
关系重组，热度算法重新计算
高透明度演化过程非黑盒，每一步皆可追溯
Step 6: 设置推演参数

设置推演参数

调整时间和规模以适应不同的业务需求。

时间跨度设定

短时爆发1-10 回合
危机公关黄金24小时、发布会即时反应
幻觉风险: 极低
短期发酵10-30 回合
新品上市首周、营销活动发酵期
幻觉风险: 低
中期演变30-100 回合
品牌重塑认知转变、政策落地适应期
幻觉风险: 中
长期变迁100+ 回合
文化趋势变迁、品类教育
幻觉风险: 高

沙盘规模设定

RECOMMENDED
焦点小组(10-50 Agents)
深度定性分析、概念早期验证
消耗预估
10K - 100K
部落模拟(100-500 Agents)
圈层文化冲突、Niche 市场测试
消耗预估
500K - 2M
城镇级(1,000-5,000 Agents)
主流市场推广、跨圈层传播分析
消耗预估
5M - 20M
城市级(10,000+ Agents)
宏观舆情预测、系统性风险压力测试
消耗预估
50M+

规模经济的权衡 更大的规模不一定带来线性的准确率提升。我们的研究表明，当 Agent 数量超过 5,000 时，宏观涌现模式往往会趋于稳定。建议从小规模测试开始。

Step 7: 演化开始

演化开始

系统引擎启动，多模型协作保障演化的真实性。

发声

  • 主动发布内容
  • 回复他人观点
  • 跨平台转述

表态

  • 点赞 / 踩
  • 投票选择
  • 情感符号反馈

关系

  • 关注新节点
  • 取关 / 拉黑
  • 加入子群体

决策

  • 产生购买意愿
  • 品牌偏好反转
  • 参与抵制行动

底层支撑模型

Actor 模型 (行动者)最核心

驱动每个智能体的思考与行为，要求高逻辑推理与角色扮演能力。

Environment 模型 (环境)

模拟平台算法机制（如热搜榜单计算）与物理世界反馈。

Observer 模型 (观察者)

静默记录所有交互，进行实时数据聚合与异常检测，不干预演化。

记忆与上下文管理

采用混合记忆架构，解决长时推演中的上下文遗忘问题。

工作记忆当前回合的直接刺激
短期记忆近期发生的热点事件
长期记忆通过向量数据库检索的价值观
记忆重塑重大事件引发的底层认知改变
Step 8: 推演分析与洞察

从"数据"到"策略指导"

ReportAgent 作为专门的分析师智能体，拥有访问全局模拟数据的特权。它将数百万次微观交互转化为可理解的宏观模式，并输出标准化报告。

步骤 01

数据聚合

将个体互动聚合为可解释的模式（话题热度曲线、情感极化指数）

步骤 02

情景识别

识别典型演化路径，标注关键转折点与触发条件

步骤 03

异常检测

标记偏离主流模式的离群情景，分析其启示

步骤 04

对比分析

比较不同干预条件下的结果差异，量化策略效果

标准化推演报告

标准化模板
核心结论执行摘要最关键的发现与建议
Markdown
宏观演化趋势图热度、情感、阵营的时序变化
Charts
关键节点网络图信息传播的核心枢纽与路径
Graph
微观心智转变抽样典型 Agent 的思考链记录
Logs
压力测试结果极端情况下的系统表现
Table
干预策略建议基于推演的最佳行动方案
Action List
日志抽样
将微观交互压缩为可读的时间线。
25 条日志
时间
事件
信号
T+00:00
Agent 01 · 浏览种子内容
正向低 · 62%
T+00:37
Agent 02 · 点赞
中性中 · 73%
T+01:14
Agent 03 · 发表评论
负向中 · 84%
T+01:51
Agent 04 · 转发到网络
正向低 · 62%
T+02:28
Agent 05 · 关注关键节点
中性中 · 73%
T+03:05
Agent 06 · 保持沉默
负向中 · 84%
T+03:42
Agent 07 · 更新观点
正向低 · 62%
T+04:19
Agent 08 · 阵营倾向变化
中性中 · 73%
T+04:56
Agent 09 · 浏览种子内容
负向中 · 84%
T+05:33
Agent 10 · 点赞
正向低 · 62%
T+06:10
Agent 11 · 发表评论
中性中 · 73%
T+06:47
Agent 12 · 转发到网络
负向中 · 84%
T+07:24
Agent 01 · 关注关键节点
正向低 · 62%
T+07:01
Agent 02 · 保持沉默
中性中 · 73%
T+08:38
Agent 03 · 更新观点
负向中 · 84%
T+09:15
Agent 04 · 阵营倾向变化
正向低 · 62%
T+09:52
Agent 05 · 浏览种子内容
中性中 · 73%
T+10:29
Agent 06 · 点赞
负向中 · 84%
T+10:06
Agent 07 · 发表评论
正向低 · 62%
T+11:43
Agent 08 · 转发到网络
中性中 · 73%
T+12:20
Agent 09 · 关注关键节点
负向中 · 84%
T+12:57
Agent 10 · 保持沉默
正向低 · 62%
T+13:34
Agent 11 · 更新观点
中性中 · 73%
T+13:11
Agent 12 · 阵营倾向变化
负向中 · 84%
T+14:48
Agent 01 · 浏览种子内容
正向低 · 62%

多维分析视角

不同于单一视角的传统分析，ReportAgent 能够在微观动机与宏观趋势之间自由穿梭，提供全方位的洞察。

宏观趋势层

统计图表

话题生命周期、情感极化程度、群体共识形成速度

中观结构层

网络拓扑

社区撕裂点、回音室边界、信息茧房厚度

微观动机层

因果溯源

什么论点说服了顽固派？什么情绪触发了行动？

反事实假设层

对比矩阵

如果推迟一天发布？如果更换代言人？

舆情演化仿真

早期采用者扩散
反对派回音室形成
跨圈层破圈

识别网络中的关键节点

在复杂网络中，并非所有节点同等重要。识别并干预少数关键节点，往往能事半功倍。

信息枢纽 (Hubs)

识别方法

介数中心性最高，连接多个子群体

应用价值

加速信息破圈传播

情绪引爆点 (Triggers)

识别方法

易感且具有强情绪感染力

应用价值

防范危机公关事件

桥接者 (Bridges)

识别方法

处于两个对立阵营之间的薄弱连接

应用价值

打破回音室，建立共识

沉默的大多数

识别方法

低互动频率但易受周围环境影响

应用价值

决定最终舆论走向的基本盘

想看你的场景怎么跑？

告诉我们你的目标，我们会演示对应的解决方案流程与示例报告。

预约 1 对 1 演示联系销售