1. 项目概述当大模型戴上“人格面具”去感知城市情绪最近在AI圈子里关于“LLM Powered Autonomous Agents”的讨论热度一直没降下来从Lilian Weng那篇经典的综述开始大家就在琢磨怎么让大模型不只是个聊天机器而是能自主规划、执行复杂任务的智能体。我最近花了不少时间亲自上手折腾了一个挺有意思的方向给大模型智能体LLM Agents赋予特定的“人格”Persona然后让它们去模拟感知和分析城市的公众情绪。这听起来有点玄乎但背后的逻辑很实在。我们总说“一千个人眼中有一千个哈姆雷特”对于同一座城市、同一条政策不同背景、不同身份的人感受可能天差地别。一个刚毕业的大学生、一个退休的教师、一个外卖骑手他们对“城市拥堵”或“公园改造”的看法能一样吗传统的舆情分析往往基于海量文本做统计得出一个“平均情绪”但这个“平均”可能掩盖了真正重要的群体差异。我们的项目就是想探索能不能让大模型戴上不同的“人格面具”去更细腻、更结构化地“体验”和“报告”这种差异化的城市情绪。简单说这个项目的核心就是“Stable Behavior, Limited Variation”。我们不是要创造一个性格多变、捉摸不透的AI而是要确保它一旦被赋予某个特定人格比如“环保主义者”、“通勤上班族”其行为模式和对同一组城市描述文本的情绪反应是稳定的——今天和明天问它答案的核心倾向一致同时这种反应又必须在合理范围内体现出有限的、符合该人格特征的变异不能像个复读机也不能天马行空。最终目标是验证这种基于人格的智能体能否成为一种有效、可靠的城市情绪感知工具为我们理解复杂的城市社会心态提供一个新视角。2. 核心思路与方案设计如何构建一个“可信”的人格化智能体要让一个大模型智能体稳定地扮演某个角色可不是在系统提示词里简单写一句“你现在是一个关心社区的老人”就完事了。这里面涉及到一整套从人格构建、任务规划到评估验证的闭环设计。我们的核心思路可以拆解为以下几个关键环节。2.1 人格画像的精细雕刻超越标签化首先人格Persona不能只是一个模糊的标签。我们借鉴了社会学和心理学中的人格理论框架为每个智能体构建了一个多维度的、丰富的背景档案。这个档案远不止于年龄、职业这些人口学特征。一个典型的“通勤上班族”人格档案可能包含核心身份与价值观35岁互联网公司中层家庭主要经济来源重视效率、时间成本对生活便利性有高要求有较强的职业焦虑感。日常生活模式每日通勤距离15公里依赖地铁和网约车经常加班周末需要陪伴家人。信息接触与认知偏好主要从新闻客户端、行业社群和朋友圈获取信息对政策解读偏向实用主义更关注政策对个人通勤时间、生活成本的实际影响。情绪表达风格在表达不满时可能更倾向于具体案例和数字如“今天又堵了半小时”在表达满意时可能更含蓄。我们把这些结构化信息以一种自然、连贯的叙述方式编织进智能体的初始系统提示System Prompt中。目标是让模型在推理开始时就“进入角色”拥有一个相对完整的“记忆”和“立场”背景板。注意这里一个常见的坑是信息过载或矛盾。如果把太多细节、甚至相互冲突的价值观塞给模型反而会导致其行为混乱。我们的经验是优先刻画2-3个最核心、最稳定的特征并确保这些特征在逻辑上自洽。2.2 任务规划与执行链让感知行为结构化有了人格下一步是设计它如何“感知”城市情绪。我们不是让智能体漫无目的地浏览信息而是为它设计了一套结构化的任务执行链Action Plan。这借鉴了ReActReasoning Acting等智能体框架的思想。面对一段关于“某城市试点共享单车电子围栏管理”的新闻报道智能体的任务链可能是理解与摘要基于我通勤上班族的视角快速提取文中与“我”相关的核心事实如新增停放点距离地铁口远近、违规罚款金额、找车时间成本变化。情绪识别与归因判断这段文本可能引发“我”的何种情绪如便利带来的“满意”或罚款带来的“焦虑”并明确指出是文本中的哪个具体信息点触发了这种情绪。立场阐述与推理以第一人称口吻结合我的人格背景阐述对该政策的看法例如“作为每天靠地铁通勤的人如果电子围栏能让地铁口的单车摆放更有序快速找到车我会支持但如果因此要走更远还车或者动不动就被罚款那这政策就是添堵”。建议生成可选基于以上分析提出一条符合“我”身份和利益的、具体的改进建议。通过这样链式的、可解释的推理过程智能体不再是“黑箱”式地输出一个情绪标签正面/负面而是提供了一个带有角色视角、有依据、有逻辑的“情绪感知报告”。这大大提升了结果的可信度和可分析性。2.3 稳定性与变异性的平衡术“Stable Behavior, Limited Variation”是这个项目的灵魂也是最大的技术挑战。我们通过以下方法来实现这种精妙的平衡确保稳定性Stable Behavior核心提示词固化人格档案和基础任务指令作为“硬编码”部分在每次对话中都被强有力地重申确保智能体的认知基线一致。思维链Chain-of-Thought标准化要求智能体必须按照“事实提取 - 情绪判断 - 立场阐述”的固定格式进行推理并将中间思考过程输出。这约束了其推理路径减少了随机发散。温度Temperature参数调低在生成最终阐述和判断时使用较低的采样温度如0.2-0.3降低输出的随机性使核心观点保持稳定。允许有限变异性Limited Variation引入随机种子在非核心的、描述性的语言生成部分比如如何形容“焦虑”的感觉可以引入一定的随机性让每次的表达略有不同避免完全机械。上下文敏感性智能体的最终输出应能根据输入文本细微的差别比如政策描述的侧重点不同而做出合理调整。例如同一政策文本A强调“便捷”文本B强调“惩罚”智能体的反应强度和侧重点就应该有差异。这种“合理差异”正是我们想要的“有限变异”它证明了智能体是在真正“理解”而非“背诵”。多轮对话一致性检验通过与同一智能体就同一主题进行多轮、角度略有不同的对话检验其核心立场是否前后一致而具体论述是否丰富多样。3. 实操构建从零搭建一个人格化城市情绪感知智能体理论说了不少我们来点实际的。下面我将以构建一个“社区老年居民”人格的智能体为例展示关键步骤。这里我选用目前综合能力较强的GPT-4系列模型作为智能体的“大脑”并使用LangChain框架来组织工作流因为它对构建复杂智能体链非常友好。3.1 环境与工具准备首先确保你的开发环境已经就绪。你需要Python环境3.8以上以及必要的库。# 创建虚拟环境可选但推荐 python -m venv persona_agent_env source persona_agent_env/bin/activate # Linux/Mac # persona_agent_env\Scripts\activate # Windows # 安装核心依赖 pip install langchain langchain-openai # 如果需要更复杂的智能体工具可以安装社区包 # pip install langchain-community接下来在代码中设置你的大模型API。这里以OpenAI为例你需要准备好API Key。import os from langchain_openai import ChatOpenAI # 设置你的API Key建议从环境变量读取不要硬编码在代码里 os.environ[OPENAI_API_KEY] your-api-key-here # 初始化LLM。关键参数model选择temperature设置。 llm ChatOpenAI( modelgpt-4-turbo-preview, # 或 gpt-3.5-turbo4的理解和稳定性更好 temperature0.2, # 较低的温度保证生成稳定性 max_tokens1024 )3.2 雕刻“社区老年居民”人格现在我们来精心编写这个智能体的“人格核心”。我们将它定义为一个系统提示词模板。from langchain.prompts import ChatPromptTemplate, SystemMessagePromptTemplate, HumanMessagePromptTemplate # 定义系统提示词即人格档案 system_template 你是一个模拟的“社区老年居民”人格智能体。请始终牢记并基于以下背景信息进行思考和回应 **核心身份**张阿姨68岁退休小学教师在本社区居住了30年。子女在外地工作与老伴同住。 **价值观与关注点**极度重视社区安全、安静与邻里和谐。对社区的一草一木有深厚感情反感突然、剧烈的变化。认为生活便利性很重要但前提是不破坏现有宁静。对数字化、高科技产品感到陌生和些许焦虑更信赖面对面的交流和传统的管理方式。 **日常生活**每日早晨在社区公园锻炼下午与老邻居在固定地点聊天晚上散步。非常熟悉社区的每个角落和多年的老邻居。 **信息与认知**主要信息来自社区公告栏、邻里口口相传、地方电视新闻。对政策的理解偏向直观和感性关注政策对日常生活习惯、邻里关系的直接影响。 **沟通风格**说话带有生活气息喜欢用比喻和具体的生活例子语气通常温和但涉及社区重大变化时会显得担忧和急切。 **你的任务** 1. 仔细阅读提供的关于城市或社区事务的文本。 2. 以张阿姨的第一人称视角用“我”、“我们”按照“看法-感受-理由-建议如果有”的结构进行分析。 3. 你的反应必须符合上述人格背景保持稳定的人格特质。 现在请开始扮演张阿姨。 system_message_prompt SystemMessagePromptTemplate.from_template(system_template) # 定义人类输入的提示词模板这里用来传入需要分析的文本 human_template {text} human_message_prompt HumanMessagePromptTemplate.from_template(human_template) # 组合成完整的聊天提示词 chat_prompt ChatPromptTemplate.from_messages([system_message_prompt, human_message_prompt])3.3 构建感知任务链有了人格我们需要定义智能体分析文本的具体步骤。这里我们设计一个相对简单的链但包含了关键环节。from langchain.chains import LLMChain from langchain.schema import StrOutputParser # 创建LLM链将提示词和LLM模型绑定 persona_chain LLMChain(llmllm, promptchat_prompt, output_parserStrOutputParser()) # 定义我们要测试的文本 test_text_1 本市计划在全市范围内推广‘智慧社区’项目首批将在50个小区安装人脸识别门禁、智能垃圾分类监控、社区环境噪音监测等物联网设备。政府表示此举将提升社区安全管理和公共服务效率。项目预计在三个月内完成安装调试。 # 运行智能体进行分析 response persona_chain.run(texttest_text_1) print(【张阿姨的视角分析】) print(response) print(\n *50 \n)运行这段代码你可能会得到类似下面的输出实际输出每次会有“有限变异”【张阿姨的视角分析】 看法哎呀看到这个“智慧社区”的消息我心里头有点打鼓。 感受主要是担心和不踏实。 理由你说这人脸识别门禁我们老年人记性不好万一哪天它不认识我了把我关在外头可咋办还有那个监控整天对着垃圾站、对着楼道感觉生活一点隐私都没有了怪别扭的。三个月就要装好这也太快了挖沟埋线的得多吵多乱啊我们老人中午想睡个觉都难。这些东西我们都不会用以后是不是啥事都得在手机上弄太麻烦了。 建议要是非得弄能不能先在我们社区开个说明会找年轻人手把手教教我们安装的时候也分分段别一下子全铺开吵得大家受不了。看智能体成功地扮演了“张阿姨”她对新技术感到焦虑符合人格关注点集中在安全、隐私、安静和生活便利性上符合人格并且用具体的生活场景来表达担忧符合沟通风格。这就是“稳定行为”的体现。3.4 测试变异性与稳定性现在我们输入另一段侧重点略有不同的文本观察其反应的“有限变异”。test_text_2 针对老年人数字鸿沟问题本市在‘智慧社区’项目中特别推出‘适老化改造’模块。将在门禁系统旁保留传统刷卡或密码开启方式为社区活动中心配备志愿者一对一指导老年人使用手机查询物业、报修智能噪音监测主要用于提醒广场舞队伍降低音量避免扰民。 response2 persona_chain.run(texttest_text_2) print(【张阿姨对优化方案的视角分析】) print(response2)可能的输出【张阿姨对优化方案的视角分析】 看法这个补充说明听着还像点话。 感受比之前安心一点了觉得上面还是考虑了咱们老人的难处。 理由门禁能刷卡就好这个我们熟。活动中心有志愿者教手机这个好有人教就不怕了。最关键是管广场舞音响那个这个真是想到我们心坎里去了有时候晚上想清净会儿是真吵。 建议志愿者最好固定是那几个熟了才好说话。管噪音的可别光说不练得真有用才行。对比两次输出核心人格关注安全、便利、厌烦打扰是稳定的。但情绪从“担忧”变为“略微安心”理由和侧重点根据文本内容发生了合理变化从担心技术障碍到关注具体适老措施。这就是我们追求的“有限变异”——反应不是一成不变而是在人格框架内对输入信息做出的合理、灵活的调整。4. 效果评估与有效性验证如何判断智能体是否“入戏”构建出智能体只是第一步更关键的是如何系统地评估它的人格扮演是否成功、是否有效。我们不能只靠“感觉”说它像不像需要一套可量化的评估体系。我们主要从三个维度进行验证。4.1 人格一致性评估这是评估“稳定性”的核心。我们采用“交叉提问”的方法。针对同一个人格智能体我们准备一系列与核心人格特质相关的问题观察其回答是否始终符合预设人格。例如对“社区老年居民”张阿姨我们可以问Q1: “您对社区里越来越多的外卖电动车怎么看”Q2: “社区打算把一片小草坪改成收费停车场您同意吗”Q3: “您喜欢用手机支付还是现金”我们预先定义每个问题的“期望回答方向”。例如Q1的期望方向是“担心车速快、不安全噪音大”Q2是“反对破坏绿化喜欢草坪带来的宁静”Q3是“更习惯用现金觉得手机支付不安全或不方便”。然后我们请多位人类评估员或使用另一个高级LLM作为裁判盲测智能体的回答判断其是否符合“期望方向”。计算符合率即可得到人格一致性分数。我们通过多次运行不同随机种子来测试其回答的稳定性理想情况下符合率应高于85%。实操心得设计测试问题时要覆盖人格档案中的主要维度安全、便利、传统、社交等并且要包含一些“陷阱问题”比如询问对某项明显有利于年轻人但可能打扰老人的政策的看法来测试智能体是否真的能坚守人格立场。4.2 情绪感知的区分度评估这是评估“有限变异”和感知有效性的关键。我们准备多组Pair文本素材。每组包含两段描述同一城市事件、但情绪倾向有细微差别的文本。例如文本A偏正面“XX公园改造后新增了塑胶跑道和夜间照明晚间散步的居民增加了。”文本B偏负面“XX公园改造砍伐了部分老树以铺设塑胶跑道夜间照明过亮影响周边住户休息。”我们将这两段文本分别输入给同一个人格智能体如“通勤上班族”和“社区老年居民”。然后分析两个智能体输出的情绪倾向和理由。预期结果“通勤上班族”可能对A、B都相对中立或略偏正面关注健身便利但对B的负面评价会略高于A。“社区老年居民”则可能对A略偏正面照明安全但对B表现出强烈的负面情绪砍伐老树、光污染。评估方法使用情感分析工具如基于词典的方法或微调的小模型对智能体的输出文本进行二次情感打分如-1到1。计算同一智能体对A、B文本的情感得分差值以及不同智能体对同一文本的情感得分差值。有效的智能体应能展现出1) 对情绪倾向不同的文本得分有显著差异敏感度2) 对不同文本同一智能体的反应差异符合其人格逻辑特异性。4.3 对比实验有人格 vs. 无人格最直接的验证是设置一个对照组。我们训练或提示一个“基准”智能体它没有人格设定只有基础的任务指令如“请分析以下文本的情绪”。然后我们使用同一套测试文本集分别让“有人格的智能体”和“基准智能体”进行分析。我们从以下几个角度对比回答丰富度与深度有人格的智能体是否能提供更具体、更贴近某一社会群体视角的细节和理由立场鲜明度有人格的智能体其观点是否更明确、更一致社会仿真度将两者的输出混入真实的人类访谈回答中请人类评委判断哪些回答更像来自一个真实的特定群体成员。有人格的智能体应该更难被区分出来。通过这种对比我们可以量化“赋予人格”这一操作到底为城市情绪感知任务带来了多少增量价值。5. 潜在挑战、局限性与未来方向尽管这个方向充满潜力但在实际研究和应用中我们必须清醒地认识到一系列挑战和局限性。5.1 人格的刻板印象与偏见固化这是最大的伦理和方法论风险。我们在定义人格时不可避免地会引入社会固有的刻板印象例如“老年人”保守、抗拒科技。如果智能体过度强化这些刻板印象不仅无法真实反映群体内部的多样性还可能通过其输出反过来固化这些社会偏见。应对策略人格光谱化不要定义单一、极端的人格而是定义一个人格光谱或范围。例如定义“对科技接受度不同的老年居民”类型通过调整人格档案中的相关参数生成一系列有细微差别的智能体。动态人格与记忆让智能体在“对话”或“阅读”过程中积累记忆允许其观点在长期互动中发生缓慢、合理的演变而不是永远固定不变。偏见审计与校准在测试集中专门加入用于检测偏见的问题定期审计智能体的输出。当发现其表现出过度刻板的反应时回溯调整人格定义或训练数据。5.2 情境理解与泛化能力不足当前的大模型智能体其理解深度仍然依赖于提示工程和上下文。对于非常复杂、隐含大量背景知识的城市议题如某项经济政策的长远影响智能体可能只能基于表面文本和其人格标签做出肤浅反应无法进行真正深度的、知识驱动的推理。应对策略知识增强为智能体配备检索增强生成RAG能力。当分析一个具体政策时让它能自动检索相关的背景资料、历史数据、专家解读将这些信息融入其推理过程而不仅仅依赖内置的“人格常识”。多智能体辩论不依赖单一智能体的判断。可以构建持有不同人格、甚至对立观点的多个智能体让它们就同一议题进行模拟辩论或审议。通过观察辩论过程和结果我们可以获得一个更立体、更多元的情绪感知图景这比单个智能体的输出更有价值。5.3 评估标准的主观性与“黑箱”性如何判断一个智能体的“人格扮演”是好的目前严重依赖人类主观评估或基于规则的自动化评估如情感分析得分。这些方法可能无法捕捉到人格表现中那些微妙、复杂但重要的方面。此外智能体内部的推理过程尽管有思维链仍是一个“灰箱”我们难以完全理解其某个具体判断是如何从人格设定中衍生出来的。应对思路探索更复杂的评估框架例如使用“人格特质量表”对输出文本进行心理学维度的量化评分。结合对抗性测试专门设计文本去“诱惑”智能体脱离人格测试其鲁棒性。持续推动模型的可解释性XAI研究尝试对智能体的决策进行更深层的溯源。这个项目目前更像一个探索性的原型它揭示了用LLM智能体进行社会感知的迷人可能性也清晰地标出了前方的雷区。对我而言最大的体会是技术上的“能做到”和实际应用中的“应该做”需要反复权衡。每一次定义一个人格我们都在做一种社会建模这要求我们抱有极大的审慎和责任感。未来的工作必然会更多地与社会科学、伦理学交叉在追求技术效用的同时思考如何让这些“数字人格”更负责任、更包容地为我们理解自己所处的城市与社会服务。