你在大发娱乐里点了一下“停运17路”，屏幕上只是一条线路变灰。这一下背后，系统究竟动了哪些数据，又故意没有动哪些，先后顺序又是怎样安排的呢？
一次点击，先被当作指令，而不是直接改数据
玩家在界面上点下“停运17路”，世界状态并没有立刻变化。这个操作首先被记录成一条指令：谁发出的、作用对象是哪条线路、生效时间是哪一个时间步、是否与已经排队的其他指令冲突。
指令校验只做规则代码能做的事：预算够不够支付违约成本，这条线路是否属于玩家管辖，同一时间步里是不是已经有人调整了它的班次。校验失败就直接拒绝，不产生任何状态变化。之所以要多这一层，是因为如果点击直接改数据，两个同时到达的操作就会互相覆盖，而回放和排错时也没有“当时到底发生了什么”的记录。
通过校验的指令进入队列，等待下一个时间步开始时被统一取出。此时大发娱乐官网所介绍的那套工作流才真正启动。
影响半径：先回答“谁需要被重算”
假设这座城市有6200名AI居民（模拟示例，仅用于说明逻辑）。如果每次玩家操作都让6200人各自重新想一遍，一天的开销就会被一次点击吃掉。所以系统要做的第一件事，是根据线路、站点和居民的日常路径，划出一个影响半径。
在这个模拟示例里，17路沿线有12个站点，途经3个住宅区。居民的通勤路径表里，约380人每周至少乘坐一次17路，这是第一圈，叫直接受影响者。这些人的路线换乘之后，会挤进相邻的9条线路和约60个路段，这些路段上的其他乘客构成第二圈，约1100人，叫间接受影响者。剩下约4700人的日常路径与17路没有交集，当天不做重算。
| 层级 | 被更新的对象 | 模拟示例数量 | 由谁计算 | 是否调用大模型 |
|---|---|---|---|---|
| 指令与账目 | 预算、线路状态、排班表 | 3项 | 规则代码 | 否 |
| 直接受影响居民 | 常乘17路的居民 | 约380人 | 规则与行为模型 | 仅个别（示例中约20人） |
| 邻近路网与线路 | 载客量、拥挤度、准点率 | 9条线路、约60个路段 | 传统模拟器 | 否 |
| 间接受影响居民 | 换乘、绕行、改期出行 | 约1100人 | 批量推理 | 轻量模型，批量处理 |
| 慢变量 | 房租、沿线店铺客流、企业招工 | 数周后结算 | 定期结算 | 否 |
回到标题的问题：一个决定到底更新了多少东西。在这个模拟示例里，答案是大约1500名居民、数十个路段和三项账目，不到全城居民的四分之一，其中真正需要调用大模型的只有个别人。至于哪些人属于“个别”，规则很朴素：只有当既有的行为规则给不出合理答案时才升级。比如某位居民每天必须乘17路去照顾住院的家人，替代路线全部超出他的时间预算，这样的处境不能靠一个平均公式糊弄过去。这类决策点怎么设计，在事件驱动Agent一文里有更详细的讨论。
还要补一条：影响半径不是一次划定就不变的。第一轮居民重新选路以后，邻线拥挤度可能上升，进而把原本在圈外的几十个人拉进来。所以半径的划定是迭代的，直到新增被点亮的对象低于某个阈值才停止。这个阈值就是大发娱乐AI在精度和成本之间留的一个旋钮：调得太低，一次停运会把半座城市重算一遍；调得太高，就会漏掉真实存在的连锁反应。
更新顺序：先算容量，再算行为，最后算钱
影响半径划出来以后，紧接着是一个容易被忽视的问题：这一圈人和路段之间，谁先更新。大发娱乐的模拟设计里，一个时间步内的顺序大致如下。
- 应用指令：17路状态改为停运，站点客流清零，排班表冻结。
- 更新供给侧容量：相邻线路的可用运力、路段的通行能力，先把“世界现在能承载什么”确定下来。
- 更新居民的行为选择：直接受影响者根据新的容量重新选路，间接受影响者在拥挤度变化后再判断是否绕行。
- 汇总实际发生的出行：谁最终上了车、谁改期、谁放弃出行，写入当日流量。
- 结算当日的财政：票款收入、运营成本、违约金。
- 写入记忆和日志：记录居民经历，生成影响半径日志供后续检查。
为什么必须先容量、后行为？如果反过来，居民读到的是旧容量：他以为邻线还有空位，选择了换乘，结果汇总时才发现车厢已经塞满，只好当场回滚或者在下一天才修正。表面上看只是一拍的延迟，累积几天后就会表现为居民永远在追着上一天的拥堵做决定，曲线上出现一种奇怪的锯齿。
另一头，也没有必要让所有主体都严格等待同一个全局时钟。Zhiqiang Xie 等人在2024年发表于 arXiv 的 AI Metropolis 研究里指出，LLM 多智能体模拟如果用全局同步步进，会制造出大量本不存在的“假依赖”，限制并行度和批处理规模；他们用依赖追踪做乱序执行，在其测试的工作负载上，相对带全局同步的并行模拟报告了1.3倍到4.15倍的加速。这个结果针对特定负载和硬件，不能推广到所有模拟，但它提供了一个设计方向：只有真正会互相影响的主体才需要排序，相隔很远的两个居民同一步里各算各的即可。
哪些东西被故意留着不更新
在这条工作流里，“不更新”本身就是一种设计选择。至少有三类东西被有意识地留白。
- 影响半径以外的居民。他们的行为参数没有变，日常路径不重算。如果某个世界变量之后越过了他们的阈值，例如全城平均通勤时长升高到一定程度，才会被脏标记唤醒。
- 慢变量。房租不会因为一次停运当天就变，它按周或按月结算，读的是一段时间的平均客流，而不是某一天的尖峰。否则一次停运会在一天内把整个租房市场扰动一遍，再一天内弹回去。
- 已经发生的历史。停运之前的出行记录、票款账目保持不变，新的状态只从生效时间点往后写。回改历史会让存档和回放无法对齐。
脏标记的作用就是把“是否需要重算”变成一个便宜的判断。每个居民、每条线路都带一个标记，表示自己依赖的输入有没有变化；没有变化，就沿用上一次的结果。真正花钱的地方只留给标记被点亮的对象。
记忆：这次停运会留在谁的脑子里
更新并不会随着当天结束而消失。直接受影响的居民会把这次经历写进自己的记忆：某天某站没有车，被迫换乘花了多少时间，最终有没有迟到。这些记忆之后会改变他们的偏好，比如下一次同类情况发生时，他们可能更早出门，或者干脆换一种通勤方式。
这也是为什么撤销指令不等于回到原点。玩家第二周恢复17路，一部分居民已经形成了新习惯，他们不会立刻回来。这个滞后正是设计想要的效果：世界记得曾经发生过什么。长期的路线记忆怎样形成，可以参考大发娱乐App里的AI城市为什么有时会突然堵车中的例子。
玩家看到的，只是这一圈更新的摘要
整个过程里，玩家不会收到几千条日志。大发娱乐城市AI的界面把这一圈更新压缩成几句话：沿线三个住宅区的通勤时间平均增加了多少，邻线哪几段开始拥挤，预计哪些居民会在本周内换掉出行方式。摘要由汇总后的数字生成，大模型可以负责把它说得像人话，但数字本身来自前面几步的计算，不来自语言模型的想象。
这一点很关键。假如摘要里的数字是模型编出来的，它读起来越流畅，玩家越容易被误导，而系统内部的真实状态却和界面说的不是一回事。大发娱乐AI的分工是：状态由模拟器保存，语言由模型润色，二者之间只通过明确的字段传递。这样即使模型措辞出了偏差，账目本身也不会跟着错。
玩家决定的每一步，也因此都对应着一个可追溯的更新记录。当玩家怀疑“为什么这条路突然拥堵”时，回答不是一句含糊的解释，而是一条可以翻出来核对的因果链：哪条指令、哪个影响半径、哪几名居民重新选了路。大发娱乐官网强调的“一个决定牵动多少东西”，落到工程上就是这条记录。
三种办法，检查这次更新有没有出错
更新范围划得对不对，靠感觉判断很不可靠，所以工作流里预留了三种检查。
第一种是守恒核对。当天所有居民的出行去向加起来，必须等于计划出行的总人数：乘各条线路的、步行的、改期的、放弃的，一个都不能多，一个都不能少。这类核对不需要任何智能，只要加法，却能抓住大量“人凭空消失”的错误。
第二种是影响半径日志。每次更新，系统记下谁被点亮、为什么被点亮、用了哪个层级的计算。事后如果发现某个居民的行为很怪，可以回头看，是漏掉了应该更新的他，还是错误地重算了不该更新的人。
第三种是撤销对照。把同一条指令在另一份存档里撤销，对比两份世界的差异。因为记忆的存在，差异不会是零；差异的大小和衰减速度，就是记忆机制的实际效果，可以用来判断它是过强还是过弱。这类校验思路和AI模拟世界的验证和校准是一脉相承的。
好的工作流，能说清谁没有被更新
回到那次点击。屏幕上只是一条线路变灰，背后被更新的是一圈对象，被留着不动的是更大的一圈，并且每一处“不动”都能给出理由：依赖没变、属于慢变量、属于已经写下的历史。判断一个模拟工作流是否靠谱，不妨反过来问它：你这一步没有更新谁？如果它能说清楚，并且随时可以用日志证明，这套系统才算真的知道自己在做什么。
