一只会产橡果的动物，竟然跑去买橡果。
这大概是 Thousand Token Wood 里最诚实的一幕。Hugging Face Build Small Hackathon 的复盘展示了一个 3B 小模型森林经济：5 个林地动物代理，交易 5 类商品，用 pebbles 当货币，会囤积，会恐慌，也会在传闻冲击下把蜂蜜价格砸穿。
我不太买账的是“AI 模拟出了市场”这类说法。太顺嘴，也太容易夸大。这个项目真正有价值的地方，是把 Qwen2.5-3B 的可用边界摊开了：它很会按格式行动，不太会自己判断；它能把戏演下去，但戏剧张力主要来自人类设计的稀缺、价格规则和工程兜底。
3B 模型跑出一个小经济，但市场不是凭空长出来的
项目叫 Thousand Token Wood。规模很小，结构清楚。
| 项目 | 设定 |
|---|---|
| 模型 | Qwen2.5-3B |
| 代理 | 5 个独立林地动物 |
| 基础设施 | vLLM on Modal 服务，Gradio 展示 |
| 经济设定 | 5 类商品，pebbles 货币，交易与持有 |
| 开放内容 | 可试用 Space，开放 agent traces 数据集 |
这片森林里，角色需要饮食多样性。食物会腐败。冬天会提高柴火需求。只有一个角色生产柴火。
市场因此有了压力。
最初版本并不好看。生产超过消费，每个角色都能自给自足，交易很快停掉。作者后来加入饮食限制、食物腐败、冬季燃料危机，交易才从“一次性清算”变成持续发生。
15 回合结果很直观：
| 指标 | 结果 |
|---|---|
| 有效 JSON 输出 | 75/75 次 |
| 每回合交易 | 3-9 笔 |
| 蜂蜜价格 | 从 10 跌到 3 |
| 柴火价格 | 从 4 涨到 7 |
| Gini 系数 | 从 0.14 扩大到 0.38 |
这看上去像一个迷你市场：有泡沫，有挤兑，有价格分化，也有富者更富。
但关键不在“模型自己懂了市场”。关键在系统终于给了它必须交易的理由。没有稀缺，代理就沉默；没有价格反馈，市场就僵死；没有外部冲击，剧情就平。
对关注多代理系统的人，这里有一个很实用的判断：不要只盯模型参数。要盯环境是否会持续制造决策压力。压力不够，多代理只是多几个聊天窗口。
100% 有效 JSON，不等于 100% 会做判断
这篇复盘最值得开发者看的地方，是它没有硬吹“涌现智能”。作者说得很直：3B 模型格式可靠，经济判断弱。
75 次调用全部输出有效 JSON，这很漂亮。对产品工程来说，这意味着系统不容易崩。代理能稳定给动作，前端能连续展示，trace 也能留下来分析。
可它也会犯低级错。生产橡果的角色，反而下单买橡果。
这不是高深策略。更像是模型没拎清自己的角色、库存和需求。
后来的改进也不玄：
| 问题 | 处理方式 |
|---|---|
| 买错商品 | 在 prompt 里明确它生产什么、不要买什么 |
| 不知道缺什么 | 直接计算缺货清单喂给模型 |
| 行为不稳定 | 给 worked example |
| JSON 可能坏掉 | 加解析和修复层，必要时降级 no-op |
这就是小模型应用的现实边界。它不是缩小版大模型。更像一个需要轨道的执行器。
轨道铺得好，它跑得稳。轨道一松，它就会把常识摔在地上。
对小模型应用开发者，这意味着动作要变了。别急着把“决策权”交给 3B 模型。更稳的做法是：让模型产格式化候选动作，让系统计算库存、约束、禁买清单和失败回退。
采购和选型也该更冷静。小模型适合低成本、高频、强约束的代理动作。它不适合直接承担开放式商业判断。团队如果要迁移到小模型，先迁移流程节点，不要迁移最终裁决权。
最该看的变量也不是 demo 好不好看，而是这几项：
- prompt 约束拿掉一部分后，错误率会不会飙升；
- 商品、代理和回合数扩大后，trace 是否还能保持一致；
- JSON 有效之外，动作是否符合角色利益；
- 修复层介入了多少次，no-op 吞掉了多少错误。
这些指标比“会不会恐慌”更硬。因为产品上线时，用户不会为森林故事买单，只会为稳定结果买单。
真正的戏剧性来自机制，不来自神迹
Thousand Token Wood 还有一个聪明设计：把真实市场史改写成 Wood Legend。
郁金香狂热变成 Great Acorn Mania。南海泡沫变成 Hollow Log Trading Company。1929 银行挤兑变成 Run on Oona's Hoard。
这些不是装饰文本，而是会触发市场冲击。
比如“猫头鹰 Oona 的金库空了”的传闻，会让 Oona 抛售蜂蜜换 pebbles。蜂蜜供应激增，价格从 10 跌到 3。
这个过程不是逐句脚本写死的。但冲击、价格更新、供需残差，都是系统规则给好的。
“天下熙熙，皆为利来。”这句话放在这里很合适。不是因为 5 个动物突然读懂了司马迁，而是因为人类把利害关系、稀缺压力和价格反馈塞进了系统。模型只是沿着这些利益线索行动。
这也解释了为什么这个 demo 好看。它没有幻想模型自发变成经济学家，而是把几百年的市场故事压成一套可运行机制。泡沫、囤积、挤兑、恐慌，本来就是旧人性在新容器里复演。
但边界要说清。
它不是经济预测工具。真实经济里有制度、信用、法律、杠杆和强制力。这里没有。它更像一个工程沙盘，用来测试多代理在规则、稀缺和冲击下能不能稳定行动。
这个限制反而让它更有用。它提醒开发者：小模型产品别装神。要把系统拆清楚。
模型负责表达和执行。机制负责压力和反馈。工程负责兜底和纠错。
分工一旦混了，就会出问题。让 3B 模型自己判断全局经济，它会露怯；让它在明确状态和约束里产 JSON，它能干活。
这片森林最该被记住的，不是 3B 模型跑出了泡沫。是作者把小模型该做什么、不该做什么，摆得很清楚。
让它稳定执行。让系统负责判断。让工程吞掉错误。
这比又一次喊“涌现”诚实得多。