当绝大多数团队在追逐千亿参数模型构建智能体时，一名开发者却用3B参数的小模型（Qwen2.5-3B）搭建了一个五人森林经济体，并在Hugging Face上公开了完整工程复盘。这个项目最珍贵之处不在于经济模拟结果本身，而在于它坦诚地展示了：当小模型在推理层面力不从心时，工程智慧如何填补这条鸿沟。

项目架构简洁清晰：五个智能体独立运行，通过vLLM部署在Modal上，以Gradio作为交互界面。开发者特意选用3B模型，是因为它能在100%的调用中输出有效JSON——这是多智能体系统能否稳定运行的生命线。然而，代价同样明显：模型的经济判断能力脆弱，如果缺乏精心设计的稀缺性和提示约束，整个经济体很快就会陷入荒谬循环。例如，智能体可能反复向其他角色买入自己正在试图卖出的商品，造成虚假繁荣。

为解决这一根本矛盾，开发者从两个维度进行工程加固：

第一，系统层面的稀缺性设计。食物品种被严格限制，且引入易腐坏机制，让囤积行为不再有效。更关键的是冬季燃料危机——燃料在寒冷季节成为刚性需求，而供给却无法及时补充。这种人为制造的供需错配，迫使每个智能体在生存压力下做出真实权衡。一个典型的例子是：模拟中蜂蜜价格从10货币单位陡降至3，而木柴价格从4猛涨至7，经济系统的活力恰恰来自这种有意义的波动。

第二，提示词层级的博弈规则显式化。开发者将“禁止买入自产物品”作为硬约束写入每个智能体的系统提示，并附带了可解释的经济行为示例。这相当于为推理能力有限的模型划定决策边界——它虽然无法从概念上理解“套利”，但至少不会自己跟自己胡闹。这种“规则+示例”的提示范式与近期多篇关于小模型结构推理的论文结论高度一致：与其期待模型推理，不如将推理结果编码为输入。

15轮模拟结束后，财富基尼系数从0.14膨胀到0.38，经济体内部出现了明显的贫富分化。这一结果虽然来自3B模型，但在方向性上与那些用大模型驱动的高保真社会模拟实验高度吻合——稀缺性必然导致不平等，而模型规模只影响精读而非整体趋势。这也解释了为什么项目坚持使用小模型：在探索宏观经济动态时，工程上的稳定运行远比单次决策的精准度更重要。

对于正在构建多智能体系统的团队而言，这份复盘提供了三条可操作性极强的建议：

• 先确定格式可靠性门槛：选择模型时，首先确认其JSON输出成功率能否达到100%，否则调试成本会吞噬所有效率优势。
• 用系统规则替代模型推理：当模型规模限制导致决策质量不足时，通过环境设计（稀缺性、时间约束、交易条款）来实现“不依赖智能的智能”。
• 提示词从叙述变为编程：将“禁止买入自产物品”这类显式规则与具体数值示例一起写入提示，让模型像执行指令一样遵循经济逻辑。

这个项目最引人深思的一点是：作者完全没有考虑换用更大的模型。在算力成本持续下降的今天，仍然有大量场景只需要小模型的“稳定纸牌屋”。与其指望模型变得更聪明，不如让系统设计得足够宽容。工程从来不是模型能力的竞赛，而是约束条件之间的平衡艺术。