返回 AI 工具目录
Agent4Rec
开发框架人工精选最近核验 2026年7月23日
Agent4Rec 是一个推荐系统仿真器,用 1000 个由大模型驱动的生成式 Agent(基于 MovieLens-1M 初始化)模拟真实用户在推荐环境中的行为:观看、评分、翻页与评价。研究者可借它测试不同推荐算法(Random、Pop、矩阵分解、MultVAE、LightGCN 等),探索 LLM 生成式 Agent 模拟独立个体行为的潜力。以 Python 实现,需 Python 3.9.12、PyTorch 1.13.1+ 与 OpenAI API Key,支持并行执行与逐 Agent 交互日志。MIT 开源,对应论文 On Generative Agents in Recommendation(arXiv:2310.10108)。
定价开源部署本地运行国内可达国内可达性待核验
解决什么问题
- 用 LLM 生成式 Agent 模拟用户对推荐的反应
- 在仿真环境中对比多种推荐算法效果
- 记录逐 Agent 的观看/评分/翻页等交互
- 为推荐研究提供可复现的 Agent 行为沙盒
适合
- 从事推荐系统研究,需评估算法的用户侧行为
- 想用生成式 Agent 做离线仿真而非真实 AB
- 已具备 Python/PyTorch 与 OpenAI API 环境
- 关注 MovieLens 类电影推荐场景
不适合
- 科研原型,非生产级推荐服务
- 运行依赖 OpenAI API,按调用产生费用
- 基于 MovieLens-1M,迁移到其它域需改造
- 仿真行为是模型近似,不等同真实用户
如何接入
- pip 安装依赖,需手动配置 PyTorch
- 通过 OpenAI API Key 驱动 Agent 推理
- 内置 Random/Pop/MF/MultVAE/LightGCN 等算法
- 支持并行执行以提升仿真效率
已知限制
- 依赖 OpenAI 境外 API,数据出域且有调用成本
- 绑定 MovieLens-1M 与电影推荐场景
- 为研究代码,工程健壮性与支持有限
- 仿真结果为模型近似,需谨慎外推
接入与使用事实
- 部署方式
- 本地运行
- 实现语言
- Python
- 中文界面
- 待确认
- 中文文档
- 待确认
- 定价方式
- 开源
- 许可证
- 待确认
- 国内可达性
- 国内可达性待核验
- 可达性观察
- 待补充
权限、依赖与维护信号
这些字段记录公开可见信号，不等同于安全审计结论。
权限信号
暂无公开信号。
依赖信号
暂无公开信号。
维护信号
暂无公开信号。
公开来源与证据
暂无可公开的来源链接。