[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-81029":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":10,"language":11,"languages":10,"totalLinesOfCode":10,"stars":12,"forks":13,"watchers":14,"openIssues":15,"contributorsCount":15,"subscribersCount":15,"size":15,"stars1d":15,"stars7d":14,"stars30d":14,"stars90d":15,"forks30d":15,"starsTrendScore":15,"compositeScore":16,"rankGlobal":10,"rankLanguage":10,"license":10,"archived":17,"fork":17,"defaultBranch":18,"hasWiki":19,"hasPages":17,"topics":20,"createdAt":10,"pushedAt":10,"updatedAt":21,"readmeContent":22,"aiSummary":23,"trendingCount":15,"starSnapshotCount":15,"syncStatus":13,"lastSyncTime":24,"discoverSource":25},81029,"Multi-agent-game","18597990650-lab\u002FMulti-agent-game","18597990650-lab","AI狼人杀一多智能体协作与博弈的AgentTeam实战","",null,"Python",32,2,1,0,39.03,false,"main",true,[],"2026-06-11 04:07:22","# AI 狼人杀：多智能体协作与博弈系统\n\n## 项目简介\n本项目是一个基于多智能体协作框架构建的狼人杀游戏系统。每个 Agent 根据其分配的角色（狼人、预言家、女巫、守卫、村民）拥有独立的目标和策略。系统在严格的信息隔离约束下，通过大语言模型驱动 Agent 进行推理、发言与决策。\n\n## 核心架构\n\n| 模块 | 文件 | 说明 |\n|------|------|------|\n| 数据模型 | `backend\u002Fmodels\u002Fgame.py` | Pydantic 定义的角色、阵营、阶段、行动等数据结构 |\n| 对局引擎 | `backend\u002Fengine\u002Fgame_engine.py` | 状态机驱动的昼夜交替、技能结算、投票放逐、胜负判定 |\n| Agent 策略 | `backend\u002Fagents\u002Fbase_agent.py` | 各角色 LLM Agent 的策略实现与结构化输出 |\n| 后端服务 | `backend\u002Fserver.py` | FastAPI + WebSocket 异步游戏主循环 |\n| 前端观战 | `frontend\u002Fsrc\u002FApp.tsx` | React 实时渲染对局状态 |\n| 评测系统 | `backend\u002Fevaluate.py` | 自动化对局分析与 Agent 天梯榜 |\n\n## 信息隔离机制\n\n`GameEngine.get_player_view` 严格限制每个 Agent 的可见信息：\n- **狼人**：互相知道同伴身份\n- **女巫**：知道解药\u002F毒药剩余情况，持有解药时可看到昨夜死者\n- **预言家**：知道自己的查验历史\n- **平民\u002F守卫**：仅能看到公开发言和存活状态\n\n## 快速启动\n\n### 后端\n```bash\ncd backend\npython -m venv venv\n# Windows: .\\venv\\Scripts\\activate\n# Linux\u002FMac: source venv\u002Fbin\u002Factivate\npip install -r requirements.txt\n$env:OPENAI_API_KEY=\"your-api-key\"\npython server.py\n```\n\n### 前端\n```bash\ncd frontend\nnpm install\nnpm run dev\n```\n\n### 启动评测\n```bash\ncd backend\npython evaluate.py\n```\n\n## 技术亮点\n- 游戏引擎与 Agent 决策逻辑完全解耦\n- 结构化数据记录（Pydantic），便于过程回溯与定量分析\n- 异步并发执行 Agent 决策，大幅提升对局推进效率\n- WebSocket 实时推送对局状态，直观呈现多 Agent 博弈过程\n- 多维可量化评测体系，支持不同模型 Agent 同台竞技\n\n## 角色配置（7人标准局）\n| ID | 角色 | 阵营 |\n|----|------|------|\n| 1 | 预言家 | 好人阵营 |\n| 2 | 女巫 | 好人阵营 |\n| 3 | 守卫 | 好人阵营 |\n| 4 | 狼人 | 狼人阵营 |\n| 5 | 狼人 | 狼人阵营 |\n| 6 | 村民 | 好人阵营 |\n| 7 | 村民 | 好人阵营 |\n","本项目是一个基于多智能体协作框架构建的狼人杀游戏系统。每个Agent根据其分配的角色（如狼人、预言家、女巫等）拥有独立的目标和策略，在严格的信息隔离约束下，通过大语言模型驱动进行推理、发言与决策。核心功能包括状态机驱动的昼夜交替、技能结算、投票放逐及胜负判定；利用FastAPI+WebSocket实现异步游戏主循环，并以React前端实时渲染对局状态。此外，项目还提供了自动化对局分析与Agent天梯榜。该项目适用于研究多智能体协作与博弈场景，尤其是对于探索自然语言处理技术在复杂交互环境中的应用具有重要价值。","2026-06-11 04:03:15","CREATED_QUERY"]