Agent Swarm回忆录：从二十年前的量化仿真到如今的“大A小镇”构想

这是一篇不怎么谈技术的文章，更多的只是在看到Moltbook后，勾起了一些关于Agent Swarm的陈年往事。或许，是时候把二十年前的研究重新捡起来了。

1. Moltbook：当Agent拥有社交网络

最近，一个名为Moltbook的平台在技术圈里被刷屏了。

目前，上面已经构建了超过百万个AI代理（Agent）的社交网络。看到这一幕，当年许多想做而未能做成的事情，似乎正在变成现实。尽管这些年我的工作重心转移到了基础设施（Infra）领域，但在算法层面也未曾松懈。接下来，我先回忆一下二十年前开发Agent Swarm的经历，然后再聊聊未来一个关于“交易Agent Swarm”（Trading Agent Swarm）的项目构想。当然，这个项目大概率会进展缓慢，毕竟今年手头关于Infra的事情还有一大堆要处理。

2. 二十年前的回响：自己造轮子的时代

大约二十年前，为了完成毕业论文，我开始捣鼓一个项目。那个年代，并没有现在这样清晰的算法和基础设施的区分，所有的“轮子”都得自己动手造。

我的一个想法是，通过计算机仿真，构建一个超大规模的交易环境，让智能体（Agent）自主进行交易。经过多轮迭代后，希望这个系统能完成对个股股价的估值，或者系统性对ETF指数进行估值。当年在宿舍里折腾时，留下了这么一张照片。

桌上被镜头盖遮住的那本书，是当时重要的参考资料：

这本书介绍的就是最早期的Agent Swarm框架之一。当时的研究主要从宏观结构出发，通过金融复杂网络的视角来研究板块轮动和系统性风险的传导机制。如下图所示，我们通过对数收益率的相关性来构建网络的拓扑结构。

当然，更多的工作集中在统计层面。例如，基于拉普拉斯谱（Laplacian Spectrum）和特征值比率（Eigen Ratio）来测量整体市场的风险水平。

此外，还包括根据价量传导关系进行格兰杰因果检验（Granger Causality Test），以及通过聚类分析来研究板块轮动现象。

后来，研究逐渐深入到市场的微观结构。起初，我尝试在圣塔菲研究所（Sante Fe Institute）开发的Swarm软件上实验，但发现约束太多。于是，我转而自己开发了一套仿真基础设施（Infra）。二十年过去，那些代码早已不知所踪，或许在上海家中的某块硬盘里静静躺着……不过，当年的论文还在，这里随便贴几张图，让大家感受一下。

核心思路很简单：我需要模拟交易者，并且交易者之间能够相互影响交易行为。当然，受限于二十年前的计算资源，只能做一个非常简化的抽象模型。

仿真计算基于300ETF（因为计算规模有限），而实验的时间点恰好就在“次贷危机”爆发前一年。我们构造了一些宏观经济因子，来观察它们对市场走势的影响。一个有趣的现象是，在外部宏观经济影响因子的变动下，指数所呈现出的冲击行为显得相当真实。

我们还进一步对仿真生成的数据进行了聚类分析和相空间重构等方法的检验，结果证实所产生的仿真模型符合复杂网络的特征。

3. 展望未来：从“斯坦福小镇”到“大A小镇”

大约两年前，出现了“斯坦福小镇”（Stanford Town）这个项目。当时我就很受启发，想针对A股市场做一个“大A小镇”，用大语言模型（LLM）重构二十年前的那个Agent Swarm想法。去年7月，我初步做了一些单个Agent的处理尝试。

《Agent-101(3): 谈谈Google ADK-Part.2 构建一个股票量化Multi-Agent System》

这个Agent旨在引导投资者进行交易，并对投资组合进行动态调仓。

但在那个时间节点上，很多模型本身还存在不少“幻觉”（Hallucination）问题，处理起来比较棘手，项目就暂时停滞了。后来，我又忙于各种基础设施的事务，加上缺乏足够的计算资源，这事便搁置了下来。因为这类Agent的处理，可能还需要在开源模型的基础上做一些强化学习（RL）的后训练工作，并且有大量的代码要写。当然，现在有了“ vibe coding ”，编码工作量似乎也没那么可怕了。不过，还是要等到某个芯片送出去、有点空闲时间了，再来折腾这个充满回忆和挑战的人工智能项目。