Agent 社会
前面三种拓扑都由开发者预先定义角色、接口和控制流。当 Agent 数量从几个扩展到成百上千、交互足够自由时，会涌现出无法从单个个体规则预测的集体行为——小到自发组织的一次聚会，大到群体文化与经济博弈。本节属前沿探索，工程读者可选读。
本页是 book 的前沿探索，与前文的工程指导性质不同，Zapvol 未涉及；保留作为对多 Agent 系统终极形态的展望。
前面三节讨论的都是目标明确的任务协作，开发者预先定义了角色、接口和控制流。这里转向一个更开放的问题：当 Agent 数量从几个扩展到成百上千、交互足够自由时，会涌现出什么行为？
涌现行为是系统整体表现出的、无法从单个个体规则直接预测的集体模式。最经典的例子是蚁群：每只蚂蚁只遵循简单规则（闻到信息素就跟着走、找到食物就留下信息素），整个蚁群却能找到巢穴到食物的最短路径——没有任何一只蚂蚁“设计”了这条路线，它从大量个体的简单交互中自然产生。当 AI Agent 数量足够多、交互足够自由时，类似的涌现也开始出现：系统一旦在规模上跨过某个临界点，就会产生无法被预先设计的集体行为。本节案例可从三个维度理解：
社交涌现
Agent 在开放环境中自发形成社交关系和文化现象。斯坦福 AI 小镇（Generative Agents，2023）是里程碑：Smallville 是一个类《模拟人生》的 2D 虚拟小镇，25 个 Agent 扮演店主、艺术家、学生、教授等角色，各有背景故事、性格和人际关系。核心创新是不再让 Agent 完成预定义任务，而是赋予它接近人类的记忆、反思、规划能力，使其在开放社会环境中自主生活、社交、发展——著名的涌现是：只要给一个 Agent 植入“想办情人节聚会”的念头，这个信息就会通过日常对话自发扩散，最终多个 Agent 自组织地相约赴会，全程无人编排。后续工作把尺度不断推大:Agentopia 把模拟时间从“天”拉长到十年尺度，Moltbook 把规模推到约 150 万 Agent，涌现出更复杂的群体文化。
经济涌现
Agent 通过市场机制进行资源分配和任务协调。Vending-Bench Arena 让多个 Agent 在同一市场中竞争经营（如各自经营自动售货机、在定价与补货上博弈）,考察长程经营决策与竞争下的策略稳定性;Pinchwork 与 RentAHuman 则构建了 Agent 之间、以及 Agent 与人类之间的经济交易市场——Agent 可以雇佣其他 Agent 或人类完成自己不擅长的子任务，指向一种“Agent 经济”的雏形。
策略博弈
Agent 在规则约束下进行推理、欺骗和社交操控。狼人杀是代表性实验:它考验 Agent 在信息不对称条件下的策略涌现——狼人要隐藏身份、误导好人，好人要从发言中识别伪装、建立信任联盟。这类博弈把多 Agent 从“协作完成任务”推向“在对抗与合作交织中博弈”，暴露出说服、结盟、背叛等只有在群体互动中才会出现的能力（与本书 reasoning=思考的技术义不同，这里的“推理”取推理游戏的日常演绎义）。
从工程到社会
从目标明确的任务协作，到大量 Agent 长期共存时的涌现，标志着多 Agent 系统从“被设计的工具”走向“可观察的社会”。这条线索仍在快速演进,尚无成熟的工程范式——但它提出的问题（如何治理大规模 Agent 群体、如何设计 Agent 经济的规则、如何在涌现中保持安全）很可能是下一阶段的核心课题。