- 发布单位：中山大学 黄华威研究组（HuangLab）
- 平台版本：AgentEmulator v1.0
- 底层内核：BlockEmulator-X（HuangLab 自研区块链仿真实验工具）
- 代码仓库：https://github.com/HuangLab-SYSU/agent-emulator
- 发布日期：2026 年 9 月21日
◆ ◆ ◆
一、动机：AI Agent 需要一座「可信地基」
大语言模型驱动的 AI Agent 正在走出对话框。
它们能调用工具、管理数字资产、自主执行多步任务，甚至与其他 Agent 协作完成工作。
但当 Agent 以机器速度行动时，三个问题随之而来：
- 它做了什么操作、为什么这么做，有没有中立可信的记录？
- Agent 出错、越权、造成损失时，责任能不能定位到「谁授权的哪个 Agent 的哪一步」？
- Agent 与 Agent、Agent 与 API 服务之间的价值交换，有没有一份中立账本？
这三个信任缺口——行为不可审计、权责不可追溯、结算不可信——没法靠「更好的模型」解决，需要一层独立于模型之外的可信基础设施。
区块链恰好擅长这件事：可验证的执行、可审计的状态变更、无需信任方之间的结算。
于是，一个自然的想法出现了——把区块链从「去中心化应用平台」升级为「AI Agent 的信任底座」。
但想法要落地，还缺一样东西：一套让研究者能够复现、对照、评测这些机制的实验工具。
这正是 AgentEmulator 诞生的原因。
◆ ◆ ◆
二、AgentEmulator 是什么
AgentEmulator 是中山大学软件工程学院黄华威研究组（HuangLab）发起的、面向 AI 智能体可信基础设施的仿真与实验平台。
它以区块链作为可信记录与结算的基础，帮助研究者和学生围绕智能体的身份、行为审计、支付结算、激励与治理机制开展实验，逐步形成支持 AI 智能体可信交互与协作的研究工具。
AgentEmulator 构建在 HuangLab 自研的区块链仿真实验工具 BlockEmulator-X 之上。
BlockEmulator-X 于 2026 年 6 月开源，是初代 BlockEmulator 的升级迭代版本。
初代 BlockEmulator 已在全球近百个国家和地区的研究者中被广泛使用，积累了成熟的分片内核、账户模型与指标框架——这些能力被 AgentEmulator 全盘继承，现有用户几乎无需学习成本。
◆ ◆ ◆
三、AgentEmulator 能做什么
当前发布的 AgentEmulator v1.0 聚焦「基础行为仿真」，把 Agent 行为从「实验输入」一路变成「链上交易」，再到「可视化结果」，打通了最小可用端到端链路。
具体来说：
- Trace 驱动的行为回放：实验人员用 JSONL 格式的 Trace 文件描述 Agent 的行为序列，包括「加入」「支付」「退出」三类行为，无需手动构造区块链交易。
- 身份注册与注销留痕：加入（join）与退出（leave）行为分别编译为去中心化身份（Decentralized Identifier，DID）的 register 与 revoke 智能合约调用，为每个 Agent 留下链上身份痕迹。
- 逐笔直接支付：Agent 之间的支付（pay）行为被编译为真实有效的普通转账交易，逐笔上链结算。
- 数据记录与可视化：实验结束后，系统自动记录交易与 Agent 账户数据，绘制余额变化图集，并生成支持中英文切换的 HTML 实验结果页面，在默认浏览器中打开展示。
v1.0 中，Agent 行为由 Trace 文件预先定义，采用「用户原始指定顺序」策略，按实验输入指定的顺序执行交易，尚未集成额外的交易编排机制。
一份最小规模的 Trace 文件长这样：
- {“agent_id”:”agent-alice”,”action”:”join”,”params_hash”:”doc-alice-v1″,”ts”:1}
- {“agent_id”:”agent-bob”,”action”:”join”,”params_hash”:”doc-bob-v1″,”ts”:2}
- {“agent_id”:”agent-alice”,”action”:”pay”,”target”:”agent-bob”,”amount”:12,”request_id”:”payment-1″,”ts”:3}
- {“agent_id”:”agent-bob”,”action”:”leave”,”params_hash”:”exit-bob”,”ts”:5}
实验人员可以在此基础上探索自定义机制——例如调整交易执行顺序，或按交易优先级、Agent 权重等规则编排交易，这正是平台留给研究者的创新空间。
◆ ◆ ◆
四、系统架构：一份 Trace，跑通整场实验
AgentEmulator 的工作流很简洁。模块架构如下图所示：
实验人员只需提供一份 Trace 文件和一个配置文件：
AgentEmulator 中的 agentSupervisor 模块读取配置与 Trace 文件，将行为编译为交易数据集，然后自动启动 BlockEmulator-X 区块链环境执行交易、把结果上链记录，最后输出实验数据与图表。
整个过程由启动脚本一键完成：编译 → 清理旧结果 → 运行实验 → 自动绘图 → 在浏览器打开 HTML 图册。
实验人员只需执行一条命令即可跑通：
bash run_agentemu.sh平台支持 macOS、Linux 与 Windows 三大操作系统，依赖 Go ≥ 1.25 与 Python 3 ≥ 3.8。
◆ ◆ ◆
五、可复现：让实验结果「逐字节一致」
对学术研究而言，可复现比「能跑」更重要。
AgentEmulator 从 v1.0 起就把确定性作为工程实现的基本要求：
- 实验人员在 Trace 文件中为每个 Agent 指定唯一的 agent_id，系统用配置中的 seed 与 agent_id 结合，确定性地派生出 Agent 的 DID——相同 seed、相同 ID，永远得到同一个 DID。
- 在 seed、Trace 文件与代码版本均相同的条件下，AgentEmulator 生成的交易数据集文件与 Agent 行为记录在逐字节上一致。
这意味着，一篇论文里的 Agent × 区块链实验，换一台机器、换一个研究者，都能得到完全相同的结果。
可复现不是口号，而是被锁进工程细节里的承诺。
◆ ◆ ◆
六、发展路线：从行为仿真到基准评测平台
AgentEmulator 将围绕 AI Agent 的「身份」「结算」「审计」「激励」「治理」五个方向逐步扩展：
| 阶段 | 主要内容 |
| v1.0（当前） | 基础行为仿真：Trace 驱动的加入 / 支付 / 退出回放、身份留痕、逐笔支付、可视化 |
| 近期 | 完善身份与审计能力：DID 注册/注销状态管理、权限声明、可验证行为日志、行为追溯 |
| 中期 | 扩展支付与交互，支持微支付、支付通道、批量结算，并支持多轮反馈与更丰富的服务交互 |
| 后续 | 激励与协作治理：多 Agent 协作的任务分配、行为协调与责任追溯 |
| 长期 | 基准评测平台：标准化实验场景、数据集与评测指标，支持不同方案的可复现对比 |
具体安排将随研究与开发进展进行微调。
◆ ◆ ◆
七、结语
AgentEmulator v1.0 只是一个起点。
它的目标是让研究者轻松地完成一个 Agent-区块链协议的设计、实现、评估与复现。
当 AI Agent 逐渐成为数字系统的常住居民，为它们搭一座可审计、可复现、可评测的实验平台，是 HuangLab 想为社区做的事。
欢迎实验人员结合具体研究需求扩展示例代码，设计并验证不同机制对实验结果的影响；也欢迎通过 GitHub 提交 issue、贡献代码，或把 AgentEmulator 用在你的论文里。
研究组已经将 AgentEmulator 相关的技术论文上传至预印本网站 HAL，欢迎查阅。
◆ ◆ ◆
关注 HuangLab
微信公众号 ID：Huang-Lab
第一时间获取区块链分片、共识协议与 AI 可信基础设施的研究进展。
◆ ◆ ◆
研究团队
AgentEmulator 由中山大学软件工程学院黄华威教授研究组（HuangLab）主导完成。研究组长期专注于区块链分片、共识协议、链上金融、AI 与区块链交叉等方向的研究，已在 IEEE/ACM ToN、TSC、TC、TPDS、TDSC、INFOCOM、WWW、ICDCS、SRDS 等期刊与会议发表多篇区块链论文。
AI 智能体可信基础设施的仿真与实验平台 AgentEmulator 的 GitHub 仓库：https://github.com/HuangLab-SYSU/agent-emulator
开源区块链分片实验平台 BlockEmulator 主页：https://www.blockemulator.com
BlockEmulator 的 GitHub 仓库：https://github.com/HuangLab-SYSU/block-emulator
HuangLab 近 7 年专注于区块链分片（Blockchain Sharding）理论与技术架构。若您对区块链分片、共识协议、AI 与区块链交叉等方向感兴趣，欢迎访问 HuangLab 学术主页：
HuangLab