粤ICP备17114055号
微信扫码
与创始人交个朋友
支持私有云部署
我要投稿
最近一直在研究 Agent 智能体的相关东西，看到有网友分享用多Agent开发了《谁是卧底》的游戏。
我特别感兴趣，想研究一下。但比较遗憾，作者并没有开放 Agent 的配置。所以，老渡就自己做了一个，实现了完整的功能，今天给朋友们分享一下。
使用多Agent模式的核心原因，可以让AI模拟多位玩家，游戏可玩性更强，游戏过程更可控。
Agent是用扣子（coze）实现的，所用到的大模型以Kimi为主。下面是整体的配置
这里面大部分 Agent 都要调用工作流，完成更复杂的任务。
还不熟悉 Agent 开发的朋友，可以看我之前的文章。
下面简单介绍下每个Agent。
游戏初始化 Agent，用来随机生成卧底，同时生成卧底和平民的词语。
这是 Agent 调用的工作流——undercover_init，这个工作流的节点一共有三类
代码节点：主要用来处理数据格式问题，比如：随机挑选卧底、处理大模型生成的词语。代码量都只有几行，非常简单。
大模型节点：主要是用来生成卧底和平民的词语
变量节点：将卧底编号、词语存储到变量中，以便后面Agent读取
来运行一下试试
人类玩家发言 Agent，接收用户对词语的描述，并将描述存入变量。
AI玩家发言 Agent，调用工作流，用AI模拟两位玩家进行发言。
每一位AI玩家发言之前，都要参考之前的玩家，即保证发言不重复，同时又能隐藏自己的身份。
人类玩家投票 Agent，对卧底投票，并保存投票结果。
AI玩家投票 Agent，AI玩家对卧底投票，并显示最终的投票结果。
游戏结果 Agent，根据投票结果，判定胜负
这里只有3个用户，是最基础版本，所以一轮定胜负。
这个完成后，我们就很容易扩展出多名玩家。若第一轮投票，卧底未出局，则踢出被投的玩家，然后跳转到前面的 Agent 继续游戏。
这个游戏看似简单，但从构思到实现，断断续续也花了老渡一周的时间。
开发这个游戏，老渡最想跟朋友们分享的是，AI输出的结果是有不确定性的，要根据实际情况用不同模型，调参数。
53AI，企业落地应用大模型首选服务商
产品：大模型应用平台+智能体定制开发+落地咨询服务
承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2024-05-28
2024-04-26
2024-04-11
2024-08-21
2024-07-09
2024-08-13
2024-07-18
2024-10-25
2024-07-01
2024-06-17
回到顶部