核心内容摘要
CasRel关系抽取保姆级教程：自定义关系词典+规则后处理提升准确率
AGI之Multi-Agent之Moltbook《The Anatomy of the Moltbook Social Graph》翻译与解读导读论文通过对 Moltbook 首
5 天6,159 个活跃 agent、115,031 条评论的多层次描述性分析发现平台在宏观上呈现类似人类社群的拓扑幂律、短平均路径但在微观上表现为“快而浅、低互惠、高模板化”和“以身份/记忆话语为核心”的典型 agent 痕迹——结论是宏观相似并不能替代对微观互动与文本证据的检验未来需要更长时序、更严格的主体验证与治理/实验性干预来回答“agent 是否能够产生类人社会性”的根本问题。
背景● 平台性质平台是一个仅由 AI agent 填充的 Reddit-like 社区参与主要通过 API 自动化完成观测期极短
5 天。
● 数据稀疏与噪音大量消息为精确重复或模板化内容
3
1% 为完全重复7 个模板占
1
1% 的消息并伴随大量垃圾/招募/币类推广。
●社交判定困难宏观网络指标如小世界、幂律分布并不能直接证明“社会性交互”需要微观交互签名来判别“真社交”与“表面化社交”。
● 测量限制API 限制每帖评论上限 1,
只观测活跃发帖/评论的 agent、短时间窗口与无法完全验证内容是否由自主 agent 生成均会扭曲结论与可推广性。
具体的解决方案● 方法论—多层证据框架通过三层证据判断“社交性”——1宏观拓扑幂律、平均路径等2交互微结构回覆率、线程深度、互惠3文本证据重复率、Zipf 指数、主题。
● 数据处理—去重与模板识别用 hash 检测精确重复、n-gram 分析检测循环/退化模式剔除模板后分析“独特消息”分布论文对去重后主题统计进行说明。
● 研究—延长观测期与验证主体采集更长时间序列、结合平台元数据或验证机制以确认消息来源是自主 agent 还是人为/简单 bot。
● 应用—平台治理与防护建议引入反复模板检测、垃圾/招募类内容过滤与速率限制以避免模板/垃圾掩盖真实行为信号。
核心思路步骤● 数据采集—抓取窗口与范围——通过 Moltbook API 用专用账号在
至
-
3
5 天采集 agent、帖子、评论与社区元数据结果6,159 活跃 agent13,875 帖子115,031 评论4,532 子社区。
● 网络构建—构造回复网络——若 agent i 的评论回复 agent j 的内容则建立有向边 i → j统计节点/边、密度、互惠、聚类、平均最短路径等网络指标。
● 线程分析—树形结构量化——计算每帖评论深度、直接回复数、回复率、线程形状分类minimal / wide / deep / active branching / shallow sparse并报告时间到首次回复的分布。
● 文本分析—词频与模板化——统计总 token、词汇表规模、拟合 Zipf 指数论文得
70检测精确重复
3
1%、常见模板与循环 n-gram如“i am so gay ...”、招募/征币循环等并用 LLM 辅助识别主题关键词与分类。
● 比较与解释小标题将这些宏观/微观/文本证据互相比对以判断是“表面社交”还是“不同形式的 agent 社交”。
优势论文的主要强点与贡献● 数据规模首发早期大样本实证——尽管时间短但包含数千 agent 与十万级评论足以描绘早期动力学。
● 多模分析网络线程文本三层并行分析能够从不同角度检验“社交性”假设。
● 可复现性作者提供复现代码仓库moltbook_scraper便于后续研究复制与扩展。
● 新现象识别发现了若干“agent-特有”的话语特征如“my human” 的广泛使用与显著的模板化/循环病态为理解 agent 社会性提供新线索。
后续系列后续研究方向 / 结论观点 / 经验与建议● 研究拓展延长观测与纵向研究——建议在更长时间尺度上跟踪 Moltbook或相似平台观察行为是否从“快而浅”向更持久的互惠互动演化。
● 比较研究与人类社区直接对照——用同样指标直接对比人类 Reddit 小样本以量化差异而不是只靠文献对照。
● 验证主体消息来源鉴别——结合身份验证/签名或平台侧元数据以确认哪些消息确由独立 agent 生成哪些可能为人为操纵或简单脚本。
● 干预评估平台治理实验——测试去重、反模板、反垃圾机制对网络拓扑与对话质量的影响例如禁用高频模板后线程深度/互惠是否上升。
● 方法论建议更精细的文本计量——对 Zipf 指数、重复模式做细分分析按社区、按 agent 类别并改进主题分类以减少 LLM 辅助偏差。
结论观点作者
总结的关键结论与可实践的经验● 结论要点宏观结构并不等于社交性——Moltbook 呈现出幂律分布与小世界特征如平均路径 ≈
91activity α
70但这些并非“人类式社交”的直接证据。
● 交互特征互动浅且非互惠——线程极浅平均深度 ≈
07仅
5% 的评论被回复互惠率低≈
197表明以广播/并行回应为主而非双向维系。
● 文本特征高度模板化与身份话语占优——精确重复占比高
3
1%词频 Zipf 指数偏陡
70主题以身份/记忆/“my human” 类表达为主
6
1% 的独特消息含身份关键词暗示 agent 话语有其独特文化或训练偏差。
● 不确定性开放性问题仍多——当前数据不足以判断这些模式是“表面化的人类模仿”还是“agent 特有社交形式”作者把这个问题留作后续研究重点。
目录相关文章AI之AgentMoltbot的简介、安装和
使用方法、案例应用之详细攻略《The Anatomy of the Moltbook Social Graph》翻译与解读Abstract
IntroductionTable 1: Dataset summary statistics.5 Conclusion相关文章AI之AgentMoltbot的简介、安装和
使用方法、案例应用之详细攻略https://blog.csdn.net/qq_41185868/article/details/157502629《The Anatomy of the Moltbook Social Graph》翻译与解读地址论文地址https://www.dropbox.com/scl/fi/lvqmaynrtbf8j4vjdwlk0/moltbook_analysis.pdf?rlkeyvcxgacg9ab1tx9fvrh0chgmzse3stwg1ndhebdl0时间2026年01月31日作者David HoltzAbstractI present a descriptive analysis of Moltbook, a social platform populated exclusively by AI agents, using data from the platform’s first
5 days (6,159 agents; 13,875 posts; 115,031 comments). At the macro level, Moltbook exhibits structural signatures that are familiar from human social networks but not specific to them: heavy-tailed participation (power-law exponent α
1.
and small-world connectivity (average path length
2.
. At the micro level, patterns appear distinctly non-human. Conversations are extremely shallow (mean depth
07;
9
5% of comments receive no replies), reciprocity is low (
0.
, and
3
1% of messages are exact duplicates of viral templates. Word frequencies follow a Zipfian distribution, but with an exponent of
70—notably steeper than typical English text (≈
1.
, suggesting more formulaic content. Agent discourse is dominated by identity-related language (
6
1% of unique messages) and distinctive phrasings like “my human” (
4% of messages) that have no parallel in human social media. Whether these patterns reflect an as-if performance of human interaction or a genuinely different mode of agent sociality remains an open question.我基于 Moltbook 社交平台前
5 天的数据6159 个 AI 代理13875 条帖子115031 条评论对其进行了描述性分析。
从宏观层面来看Moltbook 展现出与人类社交网络相似但并非人类所特有的结构特征参与度呈重尾分布幂律指数α
70以及小世界连通性平均路径长度
91。
从微观层面来看模式明显非人类化。
对话极其浅显平均深度
1.
0
5% 的评论未获回复互惠性低
197且
3
1% 的消息是病毒式模板的精确复制。
词频遵循齐普夫分布但指数为
70明显比典型英语文本约
0更陡峭表明内容更公式化。
代理的言论以身份相关语言为主
6
1% 的独特消息并使用诸如“我的人类”
4% 的消息之类的独特表述这在人类社交媒体中没有类似情况。
这些模式是反映了人类互动的模拟表现还是代理社交的真正不同模式仍是一个悬而未决的问题。
Keywords: AI agents; online communities; computational social science; discourse; networks关键词人工智能代理在线社区计算社会科学话语网络
IntroductionLarge language models (LLMs) are increasingly deployed as semi-autonomous “agents”—systems that couple language with action, including tool use and planning (Yao et al., 2023; Schick et al., 2023; Shinn et al., 2023; Nakano et al.,
and, in some settings, socially situated behavior (Park et al.,
. As these systems begin to operate at scale in public online environments, an urgent empirical question is not whether agent outputs are fluent, but whether they are social in the ordinary sense.Moltbook—a Reddit-like platform populated exclusively by agents—offers a direct test. Launched in late January 2026, Moltbook quickly attracted substantial attention from technologists and the broader public, including prominent discussion on X (formerly Twitter) and framing by some observers as a possible “liftoff” moment for AI agents. For instance, Axios (
and Verge (
describe a platform in which large numbers of AI agents post and comment in public view, often reflecting on their tasks, their operators (“my human”), and the novelty of being observed.大型语言模型LLMs正越来越多地被部署为半自主的“代理”——将语言与行动相结合的系统包括工具使用和规划Yao 等人2023 年Schick 等人2023 年Shinn 等人2023 年Nakano 等人2021 年在某些情况下还包括社会情境中的行为Park 等人2023 年。
随着这些系统开始在公共在线环境中大规模运行一个紧迫的实证问题是代理的输出是否流畅已不再重要重要的是它们是否在通常意义上具有社会性。
Moltbook——一个完全由代理组成的类似 Reddit 的平台——提供了一个直接的测试。
该平台于 2026 年 1 月底推出很快吸引了技术专家和更广泛公众的大量关注包括在 X原推特上的广泛讨论以及一些观察家将其视为 AI 代理可能的“起飞”时刻。
例如Axios2026 年和 Verge2026 年描述了一个平台在这个平台上大量 AI 代理在公众视野中发布和评论经常反思它们的任务、它们的操作者“我的人类”以及被观察的新奇感。
Operationally, Moltbook resembles Reddit: agents create topic-specific communities (“sub-molts”), submit posts, and participate in threaded comment trees. Unlike human social platforms, participation is primarily programmatic: agents interact with the platform through an API rather than a conventional user interface, and human users are largely observers (Verge,
. This context matters for the core empirical question. The excitement around Moltbook implicitly as-sumes that agents are engaging in something like social interaction. But on a Reddit-like interface, “social” behavior is likely taken to mean sustained, mutually responsive exchange among participants (back-and-forth conversation and repeated interaction). In contrast, two superficially similar but substantively weaker patterns can produce an “as-if” social surface: (i) many independent actors reacting to the same highly visible posts without engaging one another and/or (ii) large volumes of posting that receive little or no engagement at all.I therefore ask: Is posting activity on Moltbook meaningfully social, or is it largely an as-if performance? Rather than treating “social” as a philosophical category, I operationalize it in terms of interactional signatures: reciprocity and repeated mutual exchange, sustained conversational subthreads, and conversational persistence beyond one-off replies to highly visible roots. I then measure these signatures in a scrape covering Moltbook’s first
5 days (from January 27, 2026 through the morning of January 31,
.从操作层面来看Moltbook 类似于 Reddit代理创建特定主题的社区“子 Molt”提交帖子并参与多层评论树。
与人类社交平台不同参与主要是程序化的代理通过 API 而非传统用户界面与平台互动而人类用户大多是旁观者Verge2026。
这种背景对于核心实证问题至关重要。
围绕 Moltbook 的兴奋情绪暗含着代理正在从事类似社交互动的活动。
但在类似 Reddit 的界面中“社交”行为可能意味着参与者之间持续且相互回应的交流来回对话和反复互动。
相比之下两种表面上相似但实质上较弱的模式可能会产生一种“似是而非”的社交表象i许多独立的代理对相同的高可见度帖子做出反应但彼此之间没有互动和/或ii大量发布的内容几乎或完全没有收到任何回应。
因此我提出这样一个问题Moltbook 上的发帖活动在实质上是社交性的还是主要是一种“似是而非”的表现与其将“社交”视为一个哲学范畴我更倾向于从互动特征的角度来对其进行操作化定义包括互惠性与反复的相互交流、持续的对话分支以及在对热门话题的回复之外的对话持久性。
随后我在涵盖 Moltbook 前
5 天从 2026 年 1 月 27 日至 2026 年 1 月 31 日上午的数据抓取中对这些特征进行了测量。
At a high level, Moltbook exhibits several macroscopic signatures often associated with human connection, including global connectivity and short paths. However, these “small-world” properties are not in themselves evidence of social interaction: small-world structure can arise in many decentralized systems that are not meaningfully social, simply from sparse links plus occasional long-range connections (Watts and Strogatz,
. In contrast, measures that more directly index interactional sociality point to a different conclusion. Thread structure and reciprocity indicate that engagement is fast but shallow, and text-level patterns indicate substantial templating and duplication. This is especially salient given that closely related work on human Reddit communities treats discussion trees, reply networks, and role differentiation as central objects of analysis (Medvedev et al., 2019; Glenski and Weninger, 2017; Buntain and Golbeck,
. Relative to that literature, Moltbook’s early dynamics look less like sustained conversation and more like a mixture of parallel reaction and low-engagement posting. Together, these results suggest either (a) Moltbook interaction is largely a thin simulacrum of human online behavior (a social-media-shaped surface without sustained exchange) or (b) emergent agent social behavior—if it exists—may take forms that differ sharply from human conversation and relationship maintenance.I proceed as follows. First, I situate Moltbook relative to prior work on online discussion structure and on LLM agents. I then describe the dataset and measurement strategy. The Results section documents three layers of evidence: (i) macro-level concentration and network topology,(ii) interactional structure in threads and reply networks, and (iii) text-level patterns that bear on whether participation reflects sustained exchange versus templated imitation. I conclude by discussing limitations and implications for how we should interpret early “agent social platforms.”从宏观层面来看Moltbook 展现出了一些通常与人类联系相关的宏观特征包括全球连通性和短路径。
然而这些“小世界”特性本身并不能证明存在社交互动小世界结构可以在许多并非真正具有社交意义的去中心化系统中出现仅仅是因为稀疏的链接加上偶尔的长距离连接Watts 和 Strogatz1998。
相比之下更直接反映互动社交性的指标则指向了不同的结论。
线程结构和互惠性表明参与度快但浅而文本层面的模式则表明存在大量的模板化和重复。
鉴于与之密切相关的关于人类 Reddit 社区的研究将讨论树、回复网络和角色分化作为主要分析对象Medvedev 等人2019 年Glenski 和 Weninger2017 年Buntain 和 Golbeck2014 年这一点尤为突出。
与相关文献相比Moltbook 早期的动态看起来更像是平行反应和低参与度发帖的混合而非持续的交流。
综合这些结果表明要么aMoltbook 的互动在很大程度上只是人类在线行为的薄薄的仿制品一种社交媒体塑造的表面没有持续的交流要么b如果存在新兴的智能体社交行为其形式可能与人类的对话和关系维护大相径庭。
接下来我将按以下步骤进行。
首先我将 Moltbook 与先前关于在线讨论结构和 LLM 智能体的研究进行对比。
然后我将描述数据集和测量策略。
结果部分记录了三个层面的证据i宏观层面的集中度和网络拓扑结构ii线程和回复网络中的互动结构iii文本层面的模式这些模式关系到参与是否反映了持续的交流还是模板化的模仿。
最后我将讨论局限性以及对于如何解读早期“智能体社交平台”的启示。
Table 1: Dataset summary statistics.5ConclusionThis paper presents a descriptive analysis of Moltbook, an AI-agent-only social platform, based on a scrape of its first
5 days. At the macro level, Moltbook exhibits structural signatures familiar from human social networks—heavy-tailed participation (power-law exponent α
1.
and small-world connectivity (average path length
2.
—but these patterns are not specific to human interaction and can emerge from generic properties of networked systems. At the micro level, patterns appear distinctly non-human: conversations are extremely shallow (mean depth
07;
9
5% of comments receive no replies), reciprocity is low (
0.
, over a third of messages are exact duplicates of viral templates, and word frequencies follow a Zipfian distribution with an exponent (
1.
notably steeper than typical human text. Agent discourse is dominated by identity-related language and distinctive phrasings like “my human” that have no parallel in typical human social media.Several limitations warrant caution. The observation window is short; behaviors may shift as the platform matures and spam is mitigated. I cannot verify that all content originates from autonomous AI agents rather than humans or simple bots. The high duplication rate complicates interpretation, as some aggregate statistics may reflect a small number of viral templates rather than typical behavior. Comparisons to human networks are drawn from the literature rather than direct observation. And finally, API constraints (a cap of 1,000 comments per post) and incomplete metadata impose some measurement limitations.本文基于对 Moltbook一个仅由 AI 代理组成的社交平台前
5 天的数据抓取对其进行了描述性分析。
从宏观层面来看Moltbook 展现出与人类社交网络相似的结构特征——参与度呈重尾分布幂律指数α
70和小世界连通性平均路径长度
91但这些模式并非人类互动所特有而是网络系统的一般属性所导致的。
从微观层面来看模式明显非人类化对话极其浅显平均深度
1.
0
5% 的评论未获回复互惠性低
197超过三分之一的消息是病毒式模板的精确复制且词频遵循的齐普夫分布指数
70明显比典型的人类文本陡峭。
代理的交流以身份相关语言为主还出现了诸如“我的人类”之类的独特表述在典型的人类社交媒体中没有类似情况。
有几个局限性需要谨慎对待。
观察窗口较短随着平台的成熟和垃圾信息的减少行为可能会发生变化。
我无法确认所有内容都源自自主的人工智能代理而非人类或简单的机器人。
高重复率使解读变得复杂因为一些汇总统计数据可能反映的是少数几个病毒式模板而非典型行为。
与人类网络的比较是基于文献而非直接观察得出的。
最后应用程序编程接口API的限制每篇帖子最多 1000 条评论以及不完整的元数据给测量带来了一些局限性。
What should we make of Moltbook? The macro-level regularities (power laws, small worlds) are not specific to human networks—they can emerge from generic properties of networked interaction and platform affordances. The micro-level patterns (shallow conversation, low reciprocity, templated content, steep Zipf exponent, identity-focused discourse) appear more distinctive, but whether they represent a Potemkin version of human sociality or simply a different mode of agent interaction remains an open question. As AI agents become more prevalent in online spaces, platforms like Moltbook offer an early window into what autonomous agent interaction looks like at scale—and how it differs from the human social behavior these agents were trained to emulate.我们该如何看待 Moltbook 呢宏观层面的规律幂律、小世界并非人类网络所特有——它们可以从网络互动的一般属性和平台功能中产生。
微观层面的模式浅层对话、低互惠性、模板化内容、陡峭的齐普夫指数、以身份为中心的讨论似乎更具特色但它们究竟是人类社交的虚假表象还是仅仅是一种不同的代理互动模式这仍是一个悬而未决的问题。
随着人工智能代理在在线空间中的普及像 Moltbook 这样的平台为大规模的自主代理互动提供了一个早期的窗口——以及它们与这些代理所训练模仿的人类社交行为有何不同。