会说话的虚拟居民，怎样才能真的生活在模拟城市里？
论文名片｜Fengli Xu、Jun Zhang、Chen Gao、Peijie Liu、Jie Feng、Yong Li，Towards a foundational platform for generative agents in simulated city environment，PLOS Complex Systems，2026，3(3)：e0000093，2026 年 3 月 13 日发表，Review。正式全文。
设想一个虚拟居民说：“我先送孩子上学，再去上班。”这句话很像日常生活，却还没有回答学校在哪里、道路能否通行、两个地点之间要多久、上班是否会迟到。若城市模拟只接收这段文本，就可能收下一条听起来合理、实际上无法执行的日程。
这篇论文提出城市生成式智能（Urban Generative Intelligence，UGI）：把语言模型的行为生成，接到城市模拟器、城市知识图谱和数据上，让智能体在环境反馈中决定并执行行动。
它的贡献主要是一份综述与概念蓝图：说明为什么要连接、怎样分层、可以设计哪些智能体，以及验证和治理还缺什么。理解全文，可以抓住四点：
- 自然语言适合表达意图，城市工具负责约束道路、地点、时间与状态，二者需要双向接口。
- 生成行为不只靠角色提示，还要组织记忆、偏好、环境感知、行动和通信。
- 模拟居民的描述性任务，与替用户推荐或规划的决策任务，评价标准不同。
- 论文引用了多个独立系统的实验，但没有给 UGI 整个平台一套统一的样本、基线、误差和消融结果；完整城市自主数字孪生仍是远期愿景。
为什么预测交通流，还不够回答改一条路会怎样？
城市计算（urban computing）善于从轨迹、流量、基础设施与环境数据中发现模式、做预测。数字孪生城市（digital twin city）则进一步把数据与虚拟城市状态相连接，支持情景分析。
但预测既有模式，与推断改变环境后的行为不是同一件事。一个模型能准确预测普通工作日的路段流量，并不自动说明它能判断新学校、封路或新政策下谁会改变出行。人的动机、角色、资源约束和社会关系可能同时变化。
传统基于智能体的建模（agent-based modeling，ABM）从个体规则出发，让互动形成集体现象。规则透明、计算较轻，却可能简化行为；语言模型带来丰富语义和灵活角色，但也可能编造、前后不一致或复制训练语料偏见。论文尝试把两者结合，而不是仅用更流畅的对话替代城市动力学。
图 1｜这篇论文真正组织了哪几类问题？
左上是概念框架：数字基础设施、生成式智能体与语言接口；右上是交通、商业、经济与社会案例，以及模拟和决策两类智能体；左下是数据接入、模拟环境、语言接口、社会影响与治理；右下是规模、开放性、社区和未来路线。原图没有子图字母。来源：原论文 Fig. 1。
图 1 是全文论证范围图，不是量化结果。本文也未说明系统综述的检索库、纳入排除流程或逐篇质量评价，因而适合读作研究脉络与框架提案，不能当作对所有城市生成式模型效果的系统汇总证据。
怎样让一句话接上真实约束？
图 2｜语言模型、城市知识和模拟计算怎样分工？
底部是多源数据、数据库、UrbanKG 与城市模拟器；中间自然语言接口连接数据工具和生成式模型；上层由 CityGPT 支持移动、经济、社区与社会智能体；最上方列规划、气候适应和不平等改善等潜在应用。箭头体现接口与反馈，不代表这些应用已获得量化效果验证。来源：原论文 Fig. 2。
数字基础设施保留城市的结构与状态。UrbanKG 用实体和关系组织地点类别、相邻关系等事实；Mirage 等模拟器计算交通与城市活动的演化。数据提供观察，图谱提供可查询的结构，模拟器提供执行后果。
自然语言接口（natural language interface，NLI）把这些资源变成智能体能够调用的工具。它需要预先规定动作和查询的表达，使“去某地点”能够变成对城市对象和模拟操作的调用，返回的结果又成为下一次决策的条件。论文举 MCP 一类接口作为组织方式，但接口兼容本身不保证城市数据正确、状态同步或行为真实。
生成式模型提供意图理解、常识与角色化决策。CityGPT 被用作城市知识增强的基础模型示例，UrbanGPT 等相关工作也被纳入讨论。它们是不同研究组成的技术生态，不能将每篇相关模型的能力都归到本文一个经过统一测试的 UGI 实现上。
例如，开头那位虚拟居民可以先查询学校位置，再请求到工作地点的交通时间，最后调整日程。这个例子说明工具约束的必要性，并非论文进行的一次实测案例。关键闭环是：行动改变环境，反馈再改变下一步行动。
虚拟居民除了角色设定，还要有怎样的内部结构？
图 3｜智能体怎样把过去经历、当前环境和行动连接起来？
上方精神状态包括 Memory、Persona、Preference，分别为记忆、角色与偏好；中间是决策、推理与规划核心；下方 Perceive、Communicate、Act 表示感知、通信与行动，并与城市模拟器及知识图谱交互。左侧 CityGPT 支持推理核心。原图无子图字母。来源：原论文 Fig. 3。
记忆保留之前做过什么、和谁互动过；角色提供家庭、工作或其他身份；偏好表达个人取舍。感知读取环境，行动在模拟器中登记状态变化，通信让智能体之间交换信息。这里的具身智能体（embodied agent）主要指行动受到模拟城市约束、并获得环境反馈，不等于把语言模型安装到实体机器人中。
这个框架可以承载不同理论，但没有自动摆脱建模假设。角色如何抽样、偏好从何校准、记忆保留多久、工具何时调用，都会改变模拟结果。把这些选择写进提示词，仍然是在设定规则，只是规则的一部分改由语言与模型参数承载。
同一个平台，为什么要区分模拟与决策？
论文设计了两类智能体。模拟智能体旨在生成接近真实人的行为，决策智能体则帮助用户完成任务。一个虚拟居民为了逼真而选择绕路，与一个助手为了效率推荐最快路线，并不矛盾；它们追求的目标不同。
| 类型与例子 | 模型要做什么 | 本文提供的证据层次 |
|---|---|---|
| 移动模拟 | 生成动机、日程与空间移动，连接个体轨迹和集体流量 | 概念设计，结合已有 CoPB 等研究说明 |
| 经济模拟 | 个体工作与消费，政府税收、银行利率，观察宏观变化 | 综述 EconAgent 等独立研究 |
| 社会模拟 | 交流、信息传播、情绪态度与群体互动 | 综述 S3、AgentSociety、OASIS 等案例 |
| 地点推荐 | 理解偏好与复杂意图，查询并解释候选地点 | 提出智能体设计，不是本文独立推荐实验 |
| 日程规划 | 保留固定承诺，结合交通时间调整安排 | 提出流程，没有统一用户试验或最优性证明 |
移动模拟中特别有意思的是计划行为理论（Theory of Planned Behavior，TPB）：把态度、主观规范和知觉行为控制纳入行动意向。例如个人是否想去、日程或社会规范怎样约束、资源和环境是否允许。
综述引用的 Chain-of-Planned-Behaviour（CoPB）把这些构念组织为推理过程，以日程锚点和可行性约束生成移动意图，再结合空间模型落到地点。这比只要求“扮演一个居民”更有结构，但是否忠实于真实认知过程，需要单独证据；生成了一套合理解释，不等于证明人就是按该解释做决定。
经济和社会场景同样如此。系统能出现通胀、失业、极化或从众等熟悉现象，是一种检验线索，不是所有机制都已被识别。不同微观规则也可能产生相同宏观形态，需要额外数据区分。
文中那些亮眼数字，能代表整个平台吗？
不能直接代表。文章第 6.2 节转述 CoPB 研究，将移动意图错误率从 57.8% 降至 19.4%；同节还引用另一项社会实验预测研究的相关系数 r = 0.85。它们分别来自参考文献 126 和 65，不是同一批 UGI 智能体的统一测试，也不是任意城市政策预测的精度保证。
同样，第 7.2 节的最多约 5 倍推理时间与成本改善，引用的是批量提示研究，不能写成 UGI 在真实全城模拟中的实测加速。OpenCity 的六城市案例、YuLan-OneSim 的 50 个默认场景等，也各有独立任务、数据与验证条件。
本文没有把这些研究转成可合并的统一样本，没有为 UGI 报告一套误差、置信区间、跨城外推和模块消融结果。因此，最稳妥的结论是：相关研究证明若干组件或任务值得继续探索，尚不能证明组合后就能可靠推演全部城市系统。
城市级模拟，真正困难在哪里？
第一是连接，不只是调用。城市数据来自轨迹、交通、能源、人口、文本与图像，需要实体、时间和语义标准化，再把 UrbanKG 对象与模拟器中的对象对应起来。若同一车站在两层系统中不是同一个实体，推理再流畅也可能操作错误对象。
第二是规模与状态。成千上万智能体共享道路、设施和社会关系，执行顺序、并发和环境更新都可能影响结果。论文讨论批量提示、模型压缩、共享原型及通信机制，但承认端到端大城市加速仍未解决。不能由单次推理提速推导整个模拟等比例提速。
第三是验证。个体层面要检查日程、资源与行为是否符合观测；群体层面要比较流量、活动分布和互动模式；干预层面还需要检验条件改变时的反应。仅让模型自己判断智能体“像不像人”，容易把语言上的自然感当成行为上的外部有效性。
这些也是文章解释开放性的原因：研究者应能修改道路、POI、空间结构、数据与行为模块，对照不同情景，而非只能接受平台给出的故事。开放资源与接口有助于比较，却不能替代校准与验证。
当前能力、近期目标和远期愿景，应该分开读
文章最后给出分阶段路线。当前描述集中在模拟环境中的基本对话、规则推理、数据查询及受限的推荐、移动模拟和情景探索，仍受情境深度与短期记忆限制。
近期目标是更好地连接微观行为与宏观城市动态，提高环境反馈与适应能力。远期愿景才是能够持续学习、实时覆盖物理、社会、经济与生态系统的高精细城市数字副本。这条路线说明需要完成哪些工作，不是说城市级自主学习与长期预测已经实现。
治理部分同样提出的是实施要求：敏感轨迹和属性需要保护，偏见需要审计，居民应参与评价，责任不能完全交给自动生成的智能体。模型可能把少数群体的偏好刻板化，或者把训练语料中的多数叙述误当作城市常识。文中的差分隐私、访问控制和参与式建模是建议，并未在本篇给出统一部署后的效果实验。
一句话总结
UGI 的思路是让会生成意图的语言模型，通过工具生活在有结构、有约束、有反馈的模拟城市里；本文提供了组织这件事的蓝图，真实行为与政策预测能力仍需分任务验证。
核心来源
- PLOS Complex Systems 原文：三张完整架构图、综述案例、实施与治理讨论、分阶段路线。本文无独立实验数据表。
- CoPB 对应研究：综述参考文献 126，本文对其错误率数字仅按综述转述，不扩展为 UGI 总体性能。
- EconAgent：综述中的经济模拟实例，属于独立论文。
作者介绍
六位作者均署名清华大学，以下分工按本论文贡献声明。
- Fengli Xu：共同第一作者、通讯作者，参与概念设计、初稿及审阅修订。
- Jun Zhang：共同第一作者，参与形式分析与初稿写作。
- Chen Gao：共同第一作者，参与形式分析与初稿写作。
- Peijie Liu：参与数据整理和审阅修订。
- Jie Feng：参与数据整理与初稿写作。
- Yong Li：通讯作者，参与概念设计、项目监督及审阅修订。
延伸思考：怎样识别一个只会讲合理故事的城市模拟？
以下是 AI 基于论文结果所作的延伸，不属于原论文结论。
可以设计一组不靠语言风格就能检查的约束：同一人不能同时出现在两处，消费不能无限超出预算，路程必须留出足够时间，关闭的设施不能正常接待。先比较无工具语言模型、工具增强模型与传统规则模型在这些约束上的失败率，再比较它们与真实流量和日程的差异。
更困难也更有价值的测试，是先用一个时期校准，再在事先留出的封路或时刻表变化中检验反应。如果生成结果在普通日看起来合理、换条件后却完全失真，就说明模型可能只是重述熟悉模式。只有同时跨过可执行性与变化后有效性两道门槛，模拟才更接近可供城市决策参考的证据。
