01 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。
02 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。
03 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。
04 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：
平台支持 macOS、Linux 与 Windows 三大操作系统，依赖 Go ≥ 1.25 与 Python 3 ≥ 3.8。
05 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。
07 发展路线规划：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：提供标准化实验场景、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。
08 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学术网站 ResearchGate，也可从本页面底部下载查阅。
09 AgentEmulator 技术论文
论文查阅（最新版本）：Download PDF
10 关注 HuangLab
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。
11 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：github.com/HuangLab-SYSU/agent-emulator
- 开源区块链分片实验平台 BlockEmulator 主页：www.blockemulator.com
- BlockEmulator 的 GitHub：github.com/HuangLab-SYSU/block-emulator