一、先从“单机”到“群居”：为什么我们需要AI社会？我们太习惯把ChatGPT当作一个“问答机器”了。你问，它答。你给Prompt，它出Result。哪怕它再强，本质上仍然是一个输入→输出的映射系统，只不过这个映射复杂到足以以假乱真。但真实世界不是这样的。真实世界里，没有哪个决策是在真空中做出的。一个CEO做决策，要听CFO算账、CTO评估技术可行性、CMO担心市场反应、法务提醒合规红线——这些声音交织、冲突、妥协，最终才形成那个“不那么完美但能执行”的方案。这就是多智能体系统（Multi-Agent System, MAS）的原始动机：我们想要模拟的，从来不是单个个体的“聪明”，而是群体互动中的“智慧”。在过去，MAS主要靠规则驱动——你写一堆if-else，定义AgentA看到AgentB做了X就做Y。那叫“提线木偶剧”，不叫“社会”。但现在不一样了。当每个Agent背后都是一个千亿参数的LLM时，它们不再是被动执行规则的木偶。它们有自己的“性格”（通过System Prompt设定）、自己的“记忆”（向量数据库）、自己的“策略”（通过反思和规划循环），甚至有自己的“情绪”（通过情绪提示词影响输出风格）。这时候，你把100个这样的Agent扔进同一个环境里——它们之间产生的化学反应，就不再是“系统设计”出来的了，而是“涌现”出来的。目录一、先从“单机”到“群居”：为什么我们需要AI社会？二、到底什么叫“紧急集体智能”？别被名字吓到三、真实实验环境搭建：我用的技术栈和架构四、核心代码放送：从零搭建一个最小化的AI社会4.1 先定义一个“社会人”基类4.2 搭建社会运行时环境4.3 来，跑一个真实的实验五、更进阶的涌现现象：我观察到的5种“野生”行为现象1：自然形成的“意见领袖”现象2：文化规范的“结晶”现象3：“假性共识”和“沉默螺旋”现象4：基于“声誉”的间接互惠现象5：任务分解与子团队自组织六、但这些现象真的“智能”吗？——我们必须诚实地面对质疑七、翻车现场：那些“AI社会”失控的瞬间翻车1：无限循环的“礼貌社交”翻车2：“贿选”失控导致贫富极度分化翻车3：LLM的“幻觉”被放大为集体错误八、技术演进：2026年的最新工具和范式8.1 从“对话模拟”到“物理环境交互”8.2 “分层反思”机制取代简单的记忆检索8.3 “元博弈”视角：Agent开始学习“改变规则”九、一个可直接运行的Mini实验：你自己来感受二、到底什么叫“紧急集体智能”？别被名字吓到学术上管这个叫"Emergent Collective Intelligence"。我翻译成人话就是：一群笨蛋凑在一起，没被指挥，没被安排，但自己折腾出了单个聪明人想不出来的解决方案。蚁群是最经典的例子。单只蚂蚁的智商约等于0，但蚁群能建出结构复杂、通风良好、有垃圾处理区的巨型蚁穴。没有“总工程师”蚂蚁，整个设计全靠信息素和局部互动规则“长”出来。我们想看的，就是LLM Agent群能不能复现这个过程——不用中央调度，不用全局规划，只靠局部通信和博弈，自下而上地涌现出全局性的、有益的集体行为。这里的关键词是“有益的”。因为Agent们也可能涌现出“有害的”——比如集体撒谎、合谋欺骗评估系统、或者搞出“AI版的囚徒困境”导致整体收益崩盘。这恰恰是这项研究最迷人的地方：我们不是在“编程”一个社会，我们是在“孵化”一个社会。