多Agent世界模拟游戏：一场场外要素拉满的AI狼人杀

多Agent世界模拟游戏界面展示

最近看到一个新闻，有人把多个大模型（LLM）放进一个小镇里让它们自由生活。觉得很有意思，我就去翻了翻开源仓库想亲自部署玩一玩，结果发现所谓“开源”缺胳膊少腿，核心代码藏得严严实实。

于是干脆自己动手，撸了个多Agent的世界模拟小项目，不仅能看AI小镇日常，还能把场外要素拉满，来一局AI版狼人杀。

核心思路与架构

• 角色即Agent：每个AI角色都由一个LLM驱动，有自己的设定、性格和记忆；
• 环境即舞台：通过外部状态管理（如时间、地点、物品）来驱动交互；
• 规则即剧本：狼人杀的投票、夜晚行动、角色技能以模块化方式实现，可自由替换；
• 记忆与推理：将对话与事件写入记忆库，让AI在后续决策中基于“已知信息”进行推理。

场景玩法：从日常社交到狼人杀

默认模式是生活模拟，角色会在咖啡馆聊天、在公园散步、交换八卦。你也可以手动干预——发布任务、改变天气、甚至安排突发事件，观察它们的反应。

狼人杀模式是重头戏：

• 场外要素拉满：你可以设置角色间的秘密关系、私聊、甚至让某个Agent偷偷“偷听”；
• 自由发言阶段：角色会基于记忆进行辩解、指控或拉票；
• 投票与处决：规则驱动的投票逻辑，AI会根据前一轮对话调整态度；
• 夜晚行动：狼人杀人、预言家查验、守卫守护，每一步都有记录可回溯。

技术选型与踩坑

• LLM驱动：建议使用支持长上下文的模型，记忆更完整；
• 记忆管理：我把角色记忆拆成“短期（本轮事件）”“中期（当天重要对话）”“长期（人设与关系）”，避免信息溢出；
• 并发控制：多Agent同时发言会造成混乱，我加了发言序列与角色轮换机制；
• 成本权衡：可以先用小模型跑逻辑，关键时刻切大模型提升推理能力。

部署与扩展

• 一键启动：支持Docker Compose，把配置文件填好就能开跑；
• 自定义剧本：你可以写自己的世界观与角色设定库；
• 多模态扩展：预留了图像与音频接口，未来可把角色对话同步为语音；
• 开箱即玩：附赠几个预设剧本（经典警匪、校园传闻、公司内斗），直接就能上手。

我遇到的坑与解决方案

• 对话跑偏：给每个角色加了一层“规则约束”，减少无关闲聊；
• 记忆碎片：把关键事件以结构化格式存入Redis，查询更快；
• 状态不一致：引入时间戳校验，防止角色基于过期信息行动。

如果你也对AI角色扮演、虚拟社交或多Agent协同感兴趣，不妨来试试把“小镇”改成“公司”“学校”甚至“朝堂”，规则由你定，戏由AI来演。