Thousand Token Wood: economía multiagente con un modelo 3B | Keryc
Construí Thousand Token Wood para el Build Small Hackathon. Es una pequeña economía: cinco criaturas del bosque, cada una un agente ejecutado con Qwen2.5-3B, comercian cinco bienes por guijarros, chismes, acumulación y pánico. Toca el bosque y aparecen burbujas, quiebras y una brecha de riqueza que se amplía por sí sola.
Qué es y por qué importa
Thousand Token Wood es un experimento de ingeniería pensado para quienes construyen con modelos pequeños. La pila es sencilla: el modelo se sirve con vLLM en Modal, y la ventana hacia el bosque es una app en Gradio. Además hay un dataset de trazas abiertas donde cada fila guarda el prompt, la respuesta cruda, las acciones parseadas y el pensamiento privado del agente.
La idea práctica: una economía viva requiere muchos agentes pensando varias veces por paso. Usar un modelo de frontera para eso sale caro y lento; un 3B te permite hacer un consejo de comerciantes en tiempo razonable porque cada criatura decide en una sola llamada GPU batcheada por turno.
Lecciones de ingeniería (lo que realmente funciona)
Formato confiable, razonamiento incierto. Qwen2.5-3B generó JSON válido en el 100% de las llamadas, pero su juicio económico era pobre. Un agente que produce bellotas llegó a colocar una orden para comprar bellotas. ¿La solución? No subir de tamaño, sino afinar la señal: prompt sharper y estructura.
Escasez diseñada. En la versión naive la producción superaba al consumo y nadie tenía incentivos para comerciar. Para generar intercambio introduje tres mecánicas sencillas:
Dieta variada: una criatura solo puede comer una unidad de un mismo alimento por comida, así debe comprar lo que no cultiva.
Podrido (spoiling): los alimentos perecederos se echan a perder si se acumulan, obligando a vender excedente.
Crisis de leña invernal: cada criatura necesita quemar leña por turno, la demanda sube y solo una criatura fabrica leña. Esa última regla crea el drama económico.
Prompt engineering pragmático. En vez de escalar el modelo, instruí a cada agente sobre lo que produce y nunca debe comprar, calculé la lista exacta de bienes en déficit y le di un ejemplo trabajado. La calidad de las decisiones mejoró drásticamente.
Tolerancia al parseo. La capa de parse-and-repair transforma respuestas JSON malformadas en no-op seguros en lugar de romper la simulación. Eso mantiene la experiencia fluida.
Bienestar como estado estable. Modelé el bienestar inicialmente como un acumulador: los déficits crónicos llevaban a una espiral de muerte poco divertida. Lo reescribí como una mood media-revertible: mejora con comida y calor y nunca cae a cero. Las apuestas deben estar en guijarros, precios y estatus, no en el hambre absoluta.
Choques históricos como eventos jugables. Puedes dibujar una "Wood Legend": Tulip Mania vira a Gran Mania de la Bellota, South Sea Bubble a Compañía del Tronco Hueco, o la corrida de 1929 a la Corrida contra la Reserva de Oona. Esos relatos disparan choques reales en la economía y los agentes reaccionan sin scripting específico.
Un ejemplo concreto: la corrida de Oona
En una corrida reskinada, el rumor de que la bóveda del búho Oona estaba vacía provocó que Oona liquidara miel. La oferta inundó el mercado y el precio de la miel cayó de 10 a 3 en unas pocas rondas. No fue un guion: emergió de las decisiones locales bajo la mecánica de escasez y la deriva del precio.
¿Por qué se movieron los precios y antes no? Originalmente los agentes replicaban el precio de referencia que les mostraba el prompt. La corrección fue permitir que la referencia driftara con el residuo de oferta y demanda después de cada ronda: compras no satisfechas empujan el precio hacia arriba, un excedente lo baja. Con eso los precios trazan tendencias durante la escasez y permanecen estables cuando el mercado está balanceado.
Métricas representativas (corrida de 15 turnos)
Métrica
Resultado
Valid JSON actions
100% (75 de 75 llamadas)
Trades por turno
sostenidos 3 a 9, nunca silente
Precio de la miel
se desplomó 10 a 3 durante la leyenda de corrida
Precio de la leña
subió 4 a 7 cuando la escasez invernal pegó
Brecha de riqueza (Gini)
se amplió 0.14 a 0.38
Resultado
el leñador terminó más rico, el acaparador quebró
Esos movimientos están documentados en las trazas abiertas: cada decisión, prompt y parseo queda registrado para reproducir o estudiar.
Arquitectura y patrones de diseño (práctico)
Servido con vLLM en Modal para latencia y costo manejables.
Frontend en Gradio para iteración rápida y accesibilidad.
Batched inference: todos los agentes se evalúan en una sola llamada GPU por turno. Eso hace viable una simulación en tiempo real con un modelo pequeño.
Parse-and-repair: cada respuesta pasa por un validador JSON. Si falla, la acción se convierte en no-op y se anota para análisis.
Un ejemplo de regla de actualización de precios (pseudocódigo simple):
Con alpha pequeño (por ejemplo 0.05) los precios trendan suavemente sin volverse erráticos por una sola orden grande.
Reflexiones técnicas y prácticas
La moraleja para quien construye con modelos pequeños es clara: los 3B son excelentes generadores de formato y muy prácticos para sistemas multiagente en tiempo real, pero su razonamiento requiere estructura. En la práctica eso significa:
Diseñar escasez si quieres interacción.
Restringir el espacio de decisión con prompts precisos y ejemplos.
Aceptar y manejar respuestas imperfectas con tolerancia en el parseo.
Poner las consecuencias en precios y estatus, no en fallos irreversibles.
Pequeños modelos, grandes aventuras: no necesitas un LLM gigantesco para observar comportamientos de mercado convincentes. A veces la historia económica ya contiene el drama; solo hace falta un sistema con limitaciones bien diseñadas para jugarlo.
