GAG：利用大模型模拟人类行为生成社交关系图谱-首席AI分享圈

🚀邀请体验：中国首家 AI IDE 智能编程软件 Trae 中文版下载，不限量使用 DeepSeek-R1 和 Doubao-pro!

综合介绍

GraphAgent 是一个开源框架，托管在 GitHub 上，由 Ji-Cather 开发。它利用大语言模型（LLM）模拟人类行为，生成动态的、带文本属性的社交图。这个工具适用于在线社交媒体、电商和论文创作等场景，帮助用户深入分析网络中的互动关系。它不仅能生成符合真实世界特征的图结构，还能通过对比真实图验证模拟的准确性。GraphAgent 的代码免费开放，用户可以下载、修改并用于社会学、网络科学等研究。

GAG：利用大模型模拟人类行为生成社交关系图谱-1

功能列表

人类行为模拟：通过大模型模拟真实的人类互动，生成社交关系图。
动态社交图生成：根据输入数据或用户提示，创建带文本属性的动态图。
图结构验证：对比生成的图与真实图，评估宏观和微观特征的准确性。
大规模图扩展：支持生成包含10万节点或1000万边的超大图。
开源调整：提供完整代码，用户可根据需求定制功能。

使用帮助

GraphAgent 是基于 GitHub 的开源工具，需要一定的技术基础来安装和使用。以下是详细的安装与操作指南，确保你能快速上手。

安装流程

准备环境
- 安装 Python 3.9（推荐版本）。在终端输入 python --version 检查版本。
- 安装 Git。Windows 用户从官网下载，Mac 用户用 brew install git。
- 创建虚拟环境：在终端输入 conda create --name LLMGraph python=3.9，然后激活 conda activate LLMGraph。
下载 GraphAgent
- 在终端输入：git clone https://github.com/Ji-Cather/GraphAgent.git。
- 进入项目目录：cd GraphAgent。
安装依赖
- 安装 AgentScope 库：
  - 输入 git clone https://github.com/modelscope/agentscope/。
  - 进入目录 cd agentscope，然后运行 git reset --hard 1c993f9 锁定版本。
  - 安装：pip install -e .[distribute]。
- 安装项目依赖：在 GraphAgent 目录下运行 pip install -r requirements.txt。
配置 API 密钥
- 打开 LLMGraph/llms/default_model_configs.json 文件。
- 添加你的模型 API 密钥，例如 OpenAI 的 gpt-3.5-turbo-0125 或 VLLM 的 llama3-70B。
- 示例配置：
```
{
"model_type": "openai_chat",
"config_name": "gpt-3.5-turbo-0125",
"model_name": "gpt-3.5-turbo-0125",
"api_key": "sk-你的密钥",
"generate_args": {"max_tokens": 2000, "temperature": 0.8}
}
```
- 保存文件后，确保密钥有效。
运行项目
- 在终端输入 export PYTHONPATH=./ 设置环境变量。
- 选择模型提示模板，例如 export MODEL=gpt（用 GPT 模板）。

数据准备

下载示例数据：
- 输入 git clone https://oauth2:RxG7vLWFP_NbDhmB9kXG@www.modelscope.cn/datasets/cather111/GAG_data.git。
- 数据包括推文、电影评分和论文引用等样本。

主要功能操作

1. 人类行为模拟与社交图生成

从数据生成图：
- 推文网络：python main.py --task tweets --config "small" --build --launcher_save_path "LLMGraph/llms/launcher_info_none.json"。
- 电影评分网络：python main.py --task movielens --config "small" --build --launcher_save_path "LLMGraph/llms/launcher_info_none.json"。
- 论文引用网络：python main.py --task citeseer --config "small" --build --launcher_save_path "LLMGraph/llms/launcher_info_none.json"。
从用户输入生成图：
- 示例：python main.py --user_input "我想模拟作者与论文的互动，生成高聚类度的引用网络" --build。
输出结果：生成的文件在指定路径下，可用可视化工具（如 Gephi）查看。

2. 并行加速运行

启动并行服务：在一个终端运行 python start_launchers.py --launcher_save_path "LLMGraph/llms/launcher_info.json"。
执行任务：在另一个终端运行 python main.py --task tweets --config "small" --build --launcher_save_path "LLMGraph/llms/launcher_info.json"。
优势：速度提升90.4%，适合大规模图生成。

3. 图结构验证

运行评估脚本：
- 社交网络：python evaluate/social/main.py。
- 电影网络：python evaluate/movie/main.py。
- 引用网络：python evaluate/article/main.py。
结果分析：生成报告显示图的宏观特征（如幂律分布）和微观结构（提升11%）。

操作技巧

调试模式：用单端口运行（如 --launcher_save_path "LLMGraph/llms/launcher_info_none.json"），方便排查问题。
自定义功能：修改 main.py 或配置文件，调整模型参数或图生成规则。
查看帮助：运行 python main.py --help 获取命令详情。