虚拟客户端是一种成本低廉的手段，可用于 A/B 测试、推荐系统研发和界面评估等场景。然而，要构建高质量的虚拟客户端，需要大规模、语义忠实且细粒度的在线用户轨迹，这类数据往往受限于隐私政策或业务流量不足。现有公开数据集要么抽象掉交互细节，要么只保留平台特定的少量上下文，难以满足真实感需求。\ \ 为填补这一空白，本文提出 SimTrace 框架。SimTrace 通过计算机使用客户端代理，在真实用户轨迹和目标网页环境的双重约束下，生成细粒度的合成多模态点击流。框架首先对真实交互进行匿名化处理，并基于网页结构构建一个模拟的“孪生”环境；随后，代理在该环境中执行操作，每一步都记录对应的网页观察和用户上下文，从而得到可共享的合成日志，替代受限的真实日志。\ \ 我们在电商场景中部署 SimTrace，并在八项忠实度指标上与多种基线比较，SimTrace 在其中七项上取得领先。使用合成数据训练的模型在购买预测和推荐等下游任务上的表现与使用真实数据训练的模型相当；在下一动作预测任务中，将合成数据与真实数据混合使用，可将准确率提升 11.0%（相对提升）。\ \ SimTrace 已以开源包形式发布，旨在推动在线用户行为建模的研究与应用。\ \ 点评