多智能体社会模拟器

核心痛点：LLM 推演的「均质人」偏差

在用大模型做公共议题推演时，最常见的陷阱是默认 20 个智能体代表「全体人民」，结果议题一进入投票环节，农民和程序员的话语权被强行拉平，结论往往失真。多智能体社会模拟器（Mini MIROFISH 公共决策接地版）旨在解决这一结构性偏差：它不再把智能体当作平均分的传声筒，而是按陆学艺十大阶层的真实人口比例分配权重，让推演逼近真实的社会撕裂与共识过程。

核心能力与关键机制

该技能不依赖外部重型框架，而是在单次调用内完成全流程推演，其核心在于统计口径与接地鲁棒性的重构：

• WS 事实接地协议：推演前强制发起 3-5 组联网检索，将法规条文、补偿标准等硬事实转写为事实卡。若关键参数出现 ≥3 个矛盾版本，直接触发事实混乱熔断并下调置信度。
• Kish 有效样本量（ESS）框架：拒绝「n=200」的伪精度宣传。技能引入 ESS = (Σw)²/Σw² 公式，诚实声明加权买到的是代表性而非精度。v4.2 将全国档 ESS 推升至 42.74，在保留真实 2010 人口结构（如农民 30.5%）的前提下，边际误差收窄至 ±15.0%。
• 全阶层细分扩样：把权重 >6 的巨簇强制拆解为差异化子原型（如农业劳动者拆出种粮大户、留守妇女等 12 个角色），禁止机械切分，确保每个子原型都有独立的姓名、画像与立场逻辑。
• 4 轮推演与尾部保护：按「立场声明→意见领袖互动→群体极化→决策收敛」推进。同时通过 I × U 排序单列尾部受损群体（如环境议题中的高暴露人群），防止其诉求被均值磨平。

适用边界与诚实声明

本技能专为区县级以上的正式稳评参考、城乡混合或城镇社区级议题设计。使用时请注意：

• 设定误差主导：抽样误差（±15%）虽已量化，但原型立场与簇内离散度由模型生成，属不可量化的设定误差，是预测不确定度的主要来源。
• 模式选型：社区级小议题建议使用 --lite 档以降低检索开销；断网或历史复盘场景使用 --offline 档，但需自行承担无事实接地的先验偏差风险。
• 防呆提醒：城市议题误用全国档会直接扭曲结论，技能内置了城镇档判定逻辑，若判定不清将默认降级为城镇配额。