2026 年 3 月初，一个叫 MiroFish 的开源项目登上了 GitHub 全球 Trending 第一。它的口号是「简洁通用的群体智能引擎，预测万物」：上传一份「种子材料」（新闻、报告，甚至一部小说），用一句话写下你想预测什么，系统就会生成一个由大量 AI 智能体组成的模拟社交网络，让它们发帖、转发、争论，最后交给你一份「未来预测报告」。

围绕它的故事很有传播力：作者郭航江是一名大四学生，前一个项目是舆情分析工具 BettaFish（微舆）；据媒体报道，盛大集团的陈天桥看到 BettaFish 后约见了他，他用大约十天做出 MiroFish 的预测功能，24 小时内两人进行了第二次谈话，陈天桥当场决定投资 3000 万元人民币1。官方演示里最吸引眼球的一个例子，是把《红楼梦》前 80 回喂进去，「预测」出失传的结局，其中黛玉焚稿、湘莲出家等情节与通行本「基本吻合」2。到今天（2026 年 10 月），这个仓库已经有约 7.6 万 star。

看完这些，我的第一反应是好奇，第二反应是怀疑。于是有了几个问题：

  1. 一份文档到底是怎么变成一份「预测报告」的？
  2. 宣传里「成千上万个智能体」从哪来？它们在模拟里怎么交互？
  3. 为什么人们相信「模拟一群人」就能预测？这个前提在 MiroFish 里成立吗？
  4. 如果它预测不准，那这一类「模拟人群」的技术，能不能吃掉传统市场调研的蛋糕？

本文就顺着这几个问题往下讲。前两个问题的答案来自我对 MiroFish 开源代码（666ghj/MiroFish，2026-10-02 的提交 7657031）的阅读，后两个问题则要走出这个项目，看学术研究和市场上发生了什么。

一、从一份文档到一份报告

现象

MiroFish 的界面把流程分成五步：图谱构建、环境搭建、开始模拟、报告生成、深度互动。从外面看，这像一个黑盒：放进去一份文档，过一段时间，出来一个可视化的社交网络和一份报告。

拆开来看

打开后端代码，这个黑盒其实是三个现成组件的串联：

  • Zep Cloud：一个知识图谱和记忆服务，负责把文本变成「实体 + 关系」的图。
  • OASIS：CAMEL-AI 团队开源的社交媒体仿真框架，能模拟最多 100 万个 LLM 智能体在类似 X 和 Reddit 的平台上互动3。MiroFish 的 README 里写明「仿真引擎由 OASIS 驱动」。
  • 任意 OpenAI 兼容的大模型，README 推荐阿里百炼的 qwen-plus。

一次运行大致是这样走的：

  1. 设计本体。 大模型读种子文本和预测需求，设计这次模拟要用的实体类型和关系类型（ontology_generator.py）。
  2. 建图。 文本按 500 字一块切开，送进 Zep，由 Zep 按本体抽取实体和关系（graph_builder.py）。
  3. 生成人设。 图谱里的每个实体，被大模型写成一份社交媒体用户的人设（oasis_profile_generator.py）。
  4. 生成配置并模拟。 大模型再生成一份模拟配置（时长、谁先发帖、每个人什么时候上线），然后用 OASIS 同时起一个 Twitter 环境和一个 Reddit 环境跑若干轮（run_parallel_simulation.py）。
  5. 写报告。 一个用 ReACT 模式工作的 ReportAgent 在模拟结果上检索、采访智能体、分章节写出报告（report_agent.py）。

用《红楼梦》那次演示的数字填进去，就是下面这张图。

MiroFish 一次运行的四个阶段 《红楼梦》前 80 回约 15 万字，经本体设计和 Zep 建图得到 905 个实体节点、3822 条关系边；实体被写成 580 份人设，在两个模拟平台上跑 30 轮、约 2000 次动作；最后由 ReportAgent 写报告，全程约 14 元。 种子材料 知识图谱 · Zep 模拟 · OASIS 报告 《红楼梦》 范围前 80 回 字数约 15 万 分块500 字 预测需求 形式一句话 例如推演结局 本体 实体类型10 关系类型6–10 图谱 节点905 边3822 人设 agent580 每份约 2000 字 双平台模拟 平台2 个 轮数30 动作约 2000 次 ReportAgent 章节2–5 检索≤5 次/章 采访可选 成本 模型qwen-plus 花费约 14 元 图谱里的实体，被写成人设， 每份人设就是一个账号。
图 1 · 《红楼梦》演示的一次完整运行。905 个实体节点里抽出 580 个人设，这个数字决定了模拟里有多少个智能体。数据来自官方演示的媒体报道，阶段划分来自源码。

几个数字值得留意：15 万字的小说，最后变成了 580 个智能体，30 轮模拟里一共只发生了大约 2000 次动作，全程花了 14 元左右。这和「成千上万个智能体自由交互」的想象有一段距离。

那么，这 580 个智能体是怎么来的？为什么是 580，而不是 5000？

二、智能体的来源

现象

README 的描述是「成千上万个具备独立人格、长期记忆与行为逻辑的智能体」。但如果你去翻 MiroFish 的界面和配置，会发现没有任何地方能填「我要多少个智能体」。有人做过实测，想要 100 个智能体，最后只生成了约 25 个4。

原因：智能体就是图谱里的实体

答案藏在第一步「设计本体」的提示词里。ontology_generator.py 给大模型的要求是：

  • 设计正好 10 个实体类型，其中最后两个必须是兜底的 Person 和 Organization；
  • 实体「必须是现实中真实存在的、可以在社媒上发声和互动的主体」，可以是个人、公司、政府部门、媒体、特定群体代表；
  • 抽象概念（「舆论」「情绪」）、话题（「学术诚信」）、立场（「支持方」）都不能当实体。

为什么要这样限定？因为后面每个实体都会直接变成一个社交媒体账号。oasis_profile_generator.py 对每个实体先到 Zep 里检索它的相关关系做上下文，再让大模型写一份人设：200 字的简介，加一份约 2000 字的详细人设，内容包括年龄职业、人物背景、MBTI、发帖习惯、立场、口头禅，以及「个人记忆」（这个人和事件的关联）。机构类实体用另一套模板，MBTI 默认填 ISTJ，注释写的是「机构风格：严谨保守」。这份人设最后被放进 OASIS 里该智能体的系统提示词。

所以，智能体的数量 = 种子文档里能抽出的、能发声的实体数量。《红楼梦》人物众多，抽出了 580 个；一篇只提到几个当事方的新闻稿，就只有几十个。想要「成千上万」，前提是你的文档里本来就有成千上万个有名有姓的角色。

这也决定了 MiroFish 模拟的是什么样的「群体」：它不是一个从人口里抽出来的样本，而是文档里出现过的那些角色，每个角色由大模型根据文档里的只言片语，补写成一个完整的人。

有了这些角色，它们在模拟里又是怎么「交互」的？

三、模拟的运行

现象

在界面的第二步，MiroFish 会展示一份大模型生成的、相当细致的模拟配置：每个智能体有自己的活跃度、活跃时段、情感倾向（sentiment_bias）、立场（stance）、影响力权重（influence_weight）；每个平台有推荐算法权重、病毒传播阈值（viral_threshold）、回声室强度（echo_chamber_strength）；还有定时事件和「舆论引导方向」。看上去，这是一个参数齐全的社会模拟器。

分析：每一轮发生了什么

模拟的主循环在 scripts/run_parallel_simulation.py。以 Twitter 环境为例：

  1. 第 0 轮，配置里指定的几个智能体发出「初始帖子」，作为整个事件的起点。
  2. 之后每一轮代表模拟世界里的一段时间（默认 60 分钟），总轮数 = 总时长 × 60 ÷ 每轮分钟数，72 小时就是 72 轮。
  3. 每一轮先按模拟时钟算出当前是几点，内置一张「中国作息」表：19–22 点是高峰，倍率 1.5；0–5 点几乎无人，倍率 0.05。
  4. 这一轮要激活的人数 = random.uniform(5, 20) × 倍率。也就是说，默认每个模拟小时只有 5 到 20 个智能体上线，高峰时多一些。
  5. 每个智能体如果当前处在自己的活跃时段，就以 activity_level 的概率进入候选，再从候选里随机抽出目标人数。
  6. 被抽中的智能体执行一次 LLMAction()：OASIS 把它的推荐流里的帖子放进提示词，由大模型决定这次是发帖、点赞、转发、引用、关注，还是什么都不做（Reddit 环境多了评论、点踩、搜索、看热榜等动作）。

这就解释了为什么 580 个智能体跑 30 轮只有约 2000 次动作：每轮几十个人上线，每人做一件事。

第二个发现：很多参数只是展示

顺着代码往下找，我想知道 stance、sentiment_bias 这些参数在模拟里是怎么起作用的。结果是：在仿真脚本里找不到读取它们的地方。

大模型生成的配置，哪些真正进了模拟 左边是大模型生成的模拟配置。activity_level、active_hours、minutes_per_round、peak_hours、initial_posts 被每轮的激活逻辑读取；stance、sentiment_bias、influence_weight、echo_chamber_strength、viral_threshold、scheduled_events 只在前端展示，仿真脚本中找不到读取它们的代码。 simulation_config.json · 大模型生成 run_parallel_simulation.py · 每一轮 agent_configs[3] activity_level0.6 active_hours9–17 time_config / event_config minutes_per_round60 peak_hours19–22 initial_posts3 条 只在 Step2EnvSetup.vue 里展示 stanceopposing sentiment_bias-0.4 influence_weight2.5 echo_chamber_strength0.5 viral_threshold10 scheduled_events2 条 第 21 轮 · 模拟时间 20:00 倍率1.5（高峰） 目标人数uniform(5, 20) × 1.5 候选random() < activity_level 入选random.sample(候选, 目标人数) 执行LLMAction() OASIS 环境 推荐流OASIS 自带 人设user_char（约 2000 字） 决策大模型选一个动作 虚线框里的字段由大模型生成， 仿真脚本里找不到读取它们的代码。
图 2 · 大模型生成的配置里，真正被仿真脚本读取的只有作息配置和初始帖子（强调色）。立场、情感倾向、回声室强度等字段只在前端展示。示例数值为示意，字段名来自源码。

具体来说（基于提交 7657031，在整个仓库里搜索这些字段名）：

  • sentiment_bias、stance、echo_chamber_strength、viral_threshold、推荐算法权重、scheduled_events、narrative_direction，除了生成它们的 simulation_config_generator.py，只出现在前端的 Step2EnvSetup.vue 里。influence_weight 只在生成配置时用来挑选谁发初始帖子。
  • 推荐算法用的是 OASIS 自带的，没有用到这里生成的权重。
  • 宣传中的「上帝视角动态注入变量」，在开源版里也没有对应的接口：模拟开始后，能做的只有「采访」某个智能体。能「注入」的变量，其实就是开始前写的那句预测需求。

真正影响模拟结果的，是三样东西：人设文本、作息配置、初始帖子，其余全部交给大模型在每一步自行判断。

这本身不是什么严重的缺陷，很多原型都是先把参数生成出来、再逐步接入。但它说明了一件事：MiroFish 的「社会动力学」几乎完全来自大模型扮演角色时的自由发挥，而不是来自一个可调、可解释的模型。

问题于是变成了：让一个大模型扮演几百个角色、在模拟的社交网络里互动，凭什么能预测现实？

四、群体为什么能「预测」

群体智慧的前提

「群体智能」这个说法让人联想到「群体的智慧」。最常被引用的例子是高尔顿在 1906 年记录的一次乡村集市：约 800 人竞猜一头牛宰杀后的重量，猜测的中位数和真实重量只差约 1%5。

但群体的智慧有前提。苏罗维基在《群体的智慧》里总结了四条：观点多样、彼此独立、分散、有合适的方式把判断汇总起来6。其中最关键的是「独立」：每个人的误差方向不同，汇总时才能相互抵消。如果所有人都犯同一个方向的错，人再多也只是把同一个错误放大。

学术上真正做成的那一条线

用大模型模拟人，这几年确实有扎实的研究进展，大致是这样一条线：

  • Generative Agents（Park 等，2023）：25 个智能体住在一个沙盒小镇里，提出了「记忆流、反思、规划」的智能体架构7。
  • OASIS（CAMEL-AI，2024）：把规模推到 100 万个智能体，复现了信息传播、群体极化和从众效应，并用真实的 Twitter 传播链做过校验。论文同时承认，智能体比人类更容易从众3。
  • 1000 人的生成式智能体模拟（Park 等，2024）：这是目前最有说服力的结果。研究者对 1052 名真实的美国人每人做了 2 小时访谈，用访谈记录生成对应的智能体。在美国综合社会调查（GSS）的问题上，这些智能体的回答准确率达到了受访者两周后自己重答一致性的 85%；只给人口统计信息（年龄、性别、种族、党派）的基线是 74%8。

注意最后这个结果的前提：每个智能体背后，是一个真实的人和两个小时的真实访谈。85% 是被真实个体数据「校准」出来的。

那么，MiroFish 的模拟满足这些前提吗？

五、MiroFish 的预测前提

一个模型，几百个分身

对照群体智慧的四个条件，MiroFish 最难满足的是「独立」。580 个智能体背后是同一个大模型，人设是它自己写的，每一步的决定也是它做的。这更像一个人分饰 580 个角色，而不是 580 个人各自判断。它们的误差来自同一个模型的同一套偏好，是相关的，汇总时不会抵消（这是我的推断，但和下面的研究结论一致）。

关于「用大模型扮演人群」，已经有一批研究指出了系统性的问题：

  • 方差过小：合成样本能对上群体的平均倾向，但观点分布比真人窄得多，子群体之间的关系也会失真；结果对提示词和模型版本很敏感，难以复现9。
  • 刻板化：大模型扮演某个身份群体时，倾向于把这个群体扁平化，并且用外人的视角去刻画边缘群体10。
  • 从众：OASIS 自己的实验就发现，智能体比人类更容易跟风3。

没有个体数据

和 Park 那项研究相比，MiroFish 的智能体没有任何真实个体数据。它们的「性格」「立场」「记忆」是大模型根据一份文档补写出来的。种子文档里有什么偏见、什么事实错误，模拟里就会被几百个角色反复确认。一家券商的金融工程团队测试后的结论正是如此：封闭的模拟环境会放大种子文档里的事实错误，模型会坚持种子里的观点，需要人在对话中补充事实才会修正11。

回到《红楼梦》

现在可以回头看开头那个最吸引人的演示了。模拟「预测」出的黛玉焚稿、湘莲出家，与通行本「基本吻合」，这能说明模拟有预测能力吗？

恐怕不能。后 40 回的情节、两百年来的红学讨论，大概率都在大模型的训练语料里。一个读过《红楼梦》全书的模型，扮演书中的人物、续写故事，写出和通行本相近的情节，更可能是「记得」而不是「推演」（这是推断，演示本身没有做过排除训练语料的对照）。

这其实是检验任何「预测系统」的第一条原则：你要预测的事情，必须发生在模型知道的信息之外。

已有的实测

截至 2026 年 10 月，我没有找到任何公开、可复现、样本量足够的 MiroFish 回测。零星的测试都不乐观：

  • 一次针对单个交易日的测试里，MiroFish（约 25 个智能体）和单次调用 Gemini 都预测标普 500 会下跌，结果当天上涨 0.77%；涨幅前五的个股，两边都一个没猜中。测试者的结论是：群体模拟增加了复杂度，但没有增加信息4。当然，一天的样本说明不了太多。
  • 上面提到的券商团队测了黄金走势等五个场景，用另一个模型给报告打分，MiroFish 的报告在投资价值上并没有显著好于联网搜索的单个大模型，叙事更深，但结论更保守。他们给它的定位是「逻辑沙盘」11。

而 MiroFish 的 ReportAgent，在提示词里是这样告诉大模型的：「你正在观察的不是”实验数据”，而是”未来的预演”」「模拟世界中的 Agent 言行就是对未来人群行为的预测」（report_agent.py）。这是一个断言，代码里没有任何校准或回测去支撑它。

所以，回答开头的问题：MiroFish 的工程是真的，「预测」是没有证据的。 它把知识图谱、人设生成、社交仿真、报告写作串成了一条完整、能跑通的流水线，作为舆情推演、公关预案、小说脑洞的沙盘，它是一个有意思的工具。但「预测万物」这个定位，目前没有任何数据支持。

不过，「用 AI 模拟一群人」这件事本身，确实有人在认真做，而且拿到了比 MiroFish 多得多的钱。它们瞄准的是一个更大的市场：传统市场调研。

六、传统市场调研的生意

它卖的是什么

要判断模拟人群能不能替代市场调研，得先看市场调研到底在卖什么。

按 ESOMAR 的统计，2023 年全球市场研究的营收里，定量研究占 70%，定性研究占 14%，咨询和二手数据占 15%；在线和移动端的定量调研占全部营收的 34%12。整个洞察行业 2024 年约 1530 亿美元，其中传统市场研究约 560 亿13。

单个项目的价格大致是这样（欧洲市场）14：

方法典型价格说明
焦点小组每组 3000–5000 欧元6–10 人，2–3 小时
一对一深访每人 500–750 欧元每个访谈约 8 小时工作量
在线问卷平均约 8500 欧元不含额外的样本采购
一个完整的定量项目8000–12000 欧元通常只用一种方法

一位国内从业者的估算更直接地说明了钱花在哪：一个调研项目里约 70% 的成本是数据采集和执行，研究设计和写报告只占约 20%；一个样本的价格，从上世纪 90 年代入户访问的一两百元，降到了今天线上样本库的几块到十几块钱15。

把这些拆开来看，传统市场调研卖的其实是三样东西：

  1. 真实的人的回答：这是成本的大头，也是这个行业存在的根本理由。
  2. 方法：怎么抽样、怎么设计问卷、怎么加权，保证结论能代表目标人群。
  3. 背书：一份第三方调研报告，可以拿去给老板、投资人甚至监管看。

这门生意自己也有问题

便宜的在线样本正在被 AI 污染。业内估计，市场研究中欺诈作答的比例在 15%–30%，部分平台高达 45%；34% 的在线调研参与者承认用大模型帮忙回答开放题；有研究者做了一个由大模型驱动的自动答题器，它通过了 99.8% 的标准数据质量检查16。

这里有一个有意思的反转：当你花钱买来的「真人样本」里，已经混进了大量 AI 写的回答，那「直接让 AI 回答」和「花钱买真人回答」之间的差距，就没有看上去那么大了。

那么，直接让 AI 扮演受访者，能替代哪一部分？

七、合成调研能替代什么

行的地方：结构化问题上的排序

目前最扎实的正面证据来自 PyMC Labs 和高露洁的一项研究：他们拿 57 个真实的消费者调研（约 9300 名受访者）做对照，让大模型自由回答购买意向问题，再按回答和各个量表选项的语义相似度，把它转成一个分数分布。结果达到了人类重测一致性的约 90%17。

也就是说，在「这几个产品概念，消费者更喜欢哪个」这类问题上，合成受访者已经相当可用。

不行的地方：绝对数值

一家美国调研公司在 2025 年第四季度的快餐品牌追踪调研里，并排放了 934 个真人和 298 个合成受访者18：

  • 人口结构几乎一样，排名第一的品牌也一样；
  • 但中间的名次对调了；
  • 「一定会推荐」的比例，合成受访者在七个品牌上全部高估，幅度从 4 到 19 个百分点不等，各品牌的高估幅度相差约 5 倍，没法用一个统一的系数修正；
  • 被高估最多的，恰好是网上讨论最多的品牌。研究者推测，模型反映的是网络上的舆论，而不是消费者在柜台前的决定。

最后这一点，和 MiroFish 的问题是同一个根源：大模型知道的是「网上的人怎么说」，而不是「真实的人会怎么做」。

真正在吃这块蛋糕的，是另一条路线

看看拿到大钱的公司在做什么：

  • Simile：创始团队就是 Generative Agents 和「1000 人模拟」的作者。2026 年 2 月 A 轮 1 亿美元，7 月 B 轮 2 亿美元，估值 20 亿美元；B 轮资金的用途之一，是做一个预测「每次模拟有多准」的置信模型19。
  • Aaru：2025 年 12 月 A 轮，「标题估值」10 亿美元，客户包括埃森哲、安永20。它在 2024 年美国大选前用模拟预测哈里斯小胜，结果特朗普赢了21。
  • Qualtrics：2026 年 3 月推出合成消费者面板，用的是一个专门微调过的模型，训练数据来自「超过 2 亿名第三方调研受访者」22。

这些公司有一个共同点：它们的核心资产是真实的人的数据，并且把「这次模拟有多准」当作产品的一部分去做。

MiroFish 这种模式能吃掉多少

把前面的线索放在一起，可以得出几个判断（以下是我的推断）：

  1. MiroFish 和市场调研不是同一个形状的东西。 市场调研要回答「目标人群里有百分之几的人会怎样」，交付的是分布和数字；MiroFish 的智能体是文档里出现的人物和机构，不是一个消费者样本，交付的是一篇叙事报告。它更接近公关和咨询里的情景推演、兵棋推演，那是一个比市场调研小得多、原本主要靠专家头脑风暴的市场。
  2. 合成调研确实会吃掉一块蛋糕，但吃的是对精度要求低、对速度和成本敏感的环节：早期概念的筛选和排序、问卷的预测试、桌面研究、难以招募的小众人群的探索性补充。需要绝对数值的品牌追踪、定价决策、需要背书的结论、涉及情感和文化细节的问题，短期内吃不掉。
  3. 决定谁能吃到这块蛋糕的，是校准数据，不是智能体数量。 有效的方案都用真实的人的数据去校准：Park 的两小时访谈、Qualtrics 的 2 亿受访者、PyMC 的 57 个真实调研。MiroFish 的卖点是「零数据，一份文档就能推演」，在这条竞争线上恰好站在最弱的位置。
  4. 反过来，真实的人会更值钱。 当在线样本被 AI 污染、合成数据又需要真人数据来校准时，「经过验证的真实的人」反而成了整条链条上最稀缺的东西。传统调研公司未来卖的，可能更多是这份「真实性」本身。

写在最后

回顾一下这条问题链：

  1. 一份文档怎么变成预测报告？ 本体设计 → Zep 建图 → 实体写成人设 → OASIS 双平台模拟 → ReportAgent 写报告。三个现成组件的串联，工程是完整的。
  2. 成千上万个智能体从哪来？ 智能体就是文档里能发声的实体，数量由文档决定。《红楼梦》抽出 580 个，一篇新闻稿只有几十个。
  3. 它们怎么交互？ 每个模拟小时随机激活 5 到 20 个，由大模型自由决定动作。立场、情感倾向、回声室强度等参数只在前端展示，没有进入模拟。
  4. 模拟一群人为什么能预测？ 群体智慧需要独立和多样；学术上最好的结果（85%）依赖每人两小时的真实访谈。
  5. MiroFish 满足这些前提吗？ 不满足。同一个模型的几百个分身误差相关，没有个体数据，会放大种子文档的偏差；《红楼梦》的「吻合」更可能来自训练语料。目前没有任何公开的回测。
  6. 这类技术能吃掉市场调研吗？ 能吃掉一部分，主要是早期筛选和排序；吃到的会是用真实数据校准的玩家，而不是「零数据」的路线。

如果你想自己判断一个「AI 预测系统」靠不靠谱，可以照着下面这个小实验做：

  1. 选对时间。 挑 10 个以上发生在模型训练截止日期之后的事件，只用事件发生前的材料做种子。
  2. 设一个基线。 同样的材料，直接问一次单个大模型（最好允许联网检索），记录它的判断。
  3. 重复跑。 每个事件用不同的随机种子跑 3 到 5 次模拟，看结论是否稳定。如果同一份输入每次得出不同结论，那它的「预测」本身就没有意义。
  4. 事后打分。 事件发生后，比较模拟和基线谁更准。只有在稳定地胜过基线的时候，那几百个智能体才算真正贡献了信息。

MiroFish 的爆红本身也许就是一个很好的群体现象样本：一个故事里有大四学生、十天、3000 万、《红楼梦》，它的传播速度远远快过任何人去验证它。这大概也是我们在面对「预测未来」这类承诺时，最需要的那一点怀疑。

参考资料

Footnotes

  1. 36氪：陈天桥投了个00后，2026-03-13；腾讯新闻：大四学生AI项目登GitHub榜首，获陈天桥3000万投资，2026-03-09。投资金额来自媒体报道，MiroFish README 只写明「得到了盛大集团的战略支持和孵化」。 ↩

  2. 上观新闻：十天 Vibe Coding！00后小孩哥获盛大3000万投资，当上CEO。 ↩

  3. Yang Z, et al. OASIS: Open Agent Social Interaction Simulations with One Million Agents. arXiv:2411.11581, 2024. ↩ ↩2 ↩3

  4. intnews：MiroFish: swarm AI，2026-05。 ↩ ↩2

  5. Galton F. Vox Populi. Nature, 1907;75:450–451. ↩

  6. Surowiecki J. The Wisdom of Crowds. Doubleday, 2004. ↩

  7. Park JS, et al. Generative Agents: Interactive Simulacra of Human Behavior. UIST 2023. arXiv:2304.03442. ↩

  8. Park JS, et al. Generative Agent Simulations of 1,000 People. arXiv:2411.10109, 2024. ↩

  9. Bisbee J, et al. Synthetic Replacements for Human Survey Data? The Perils of Large Language Models. Political Analysis, 2024. ↩

  10. Wang A, Morgenstern J, Dickerson JP. Large language models that replace human participants can harmfully misportray and flatten identity groups. Nature Machine Intelligence, 2025. arXiv:2402.01908. ↩

  11. 新浪财经：国联民生金工用 Claude Code 驱动 MiroFish 的测试，2026-03-24。 ↩ ↩2

  12. Researchworld：How are research methods evolving?（ESOMAR Global Market Research 2024，2023 年数据）。 ↩

  13. Researchworld：Inside the $153bn insights industry。 ↩

  14. IntoTheMinds：How much does Market Research cost in 2025? ↩

  15. 人人都是产品经理：AI 将如何重塑市场与用户洞察行业。成本结构和样本价格为作者的从业经验估算，未注明数据来源。 ↩

  16. NORC：Fraud in online surveys: a literature review，2026。其中引用 Westwood SJ, PNAS 2025。 ↩

  17. Maier BF, et al. LLMs Reproduce Human Purchase Intent via Semantic Similarity Elicitation of Likert Ratings. arXiv:2510.08338, 2025；PyMC Labs：Synthetic Consumers in Market Research。 ↩

  18. The Directions Group：What Our Data Showed When We Tested Synthetic vs Human Respondents in a Brand Survey。 ↩

  19. SiliconANGLE：AI digital twin startup Simile raises $100M，2026-02-12；raising.fi：Simile Series B，2026-07。 ↩

  20. TechCrunch：AI synthetic research startup Aaru raised a Series A at a $1B headline valuation，2025-12-05。 ↩

  21. Semafor：An AI polling startup polls bots, predicts Harris will win，2024-11-04。 ↩

  22. SiliconANGLE：Qualtrics adds AI-powered synthetic data research tools，2026-03-18。 ↩