基于 LLM + AgentScope 的 9 人狼人杀AI游戏
这是一个基于大语言模型(LLM)和多智能体框架 AgentScope 构建的狼人杀游戏系统。9 个 AI 智能体将扮演不同角色(狼人、村民、预言家、女巫、猎人),通过自然语言进行推理、讨论、投票,展现出复杂的策略博弈和社交推理能力,并提供 Web 控制台用于启动/停止游戏与实时查看对局日志。
- 🤖 智能 AI 玩家:基于 LLM 的智能体,具备推理、欺骗、协作能力
- 🎭 完整角色系统:支持狼人、村民、预言家、女巫、猎人等经典角色
- 📝 详细游戏日志:自动记录每局游戏的完整过程,便于分析和回放
- 🔄 玩家经验:实时更新并保存玩家的游戏经验
- 🌐 多模型支持:兼容 DashScope(通义千问)、OpenAI等多种 LLM
- ⚡ 异步并行+节流:投票、回合反思环节使用 asyncio 并行调用,并通过小幅延迟平滑请求,降低模型端瞬时压力
- ✅ 完整的狼人杀游戏流程(夜晚/白天阶段)
- ✅ 9 个角色的独立行为逻辑
- ✅ 智能体之间的自然语言交互
- ✅ 游戏状态管理和胜负判定
- ✅ 详细的游戏日志记录系统
- ✅ 玩家经验更新与保存
- ✅ 多 LLM 提供商支持
- ✅ 智能体的类人化心理与社交行为(推理、欺骗、协作)
- ✅ 智能体三段式决策:心声(内心独白) → 表现(类人化行为表现) → 发言(自然语言表达)
- ✅ 玩家画像和对手建模
- ✅ AI 智能体自主学习和策略优化
- ✅ 经验和策略知识库
- ✅ Web 控制台:日志列表/查看、自动刷新、启动/停止游戏
- ✅ 基于日志的深度数据分析(心理分析、社交网络分析)
- Node.js >= 18.0.0
- Python 3.8+
- uv(Python 包管理器)
git clone https://github.com/KeLuoJun/WolfMind.git cd WolfMind # 一键安装前后端依赖 npm run setup:all # 或分别安装 npm run setup # 安装前端依赖 npm run setup:backend # 安装后端依赖
# Windows copy .env.example .env # Linux / macOS cp .env.example .env
编辑 .env,至少配置 MODEL_PROVIDER 与对应的 API Key。
# 一键启动前后端开发服务器 npm run dev # 或分别启动 npm run backend # 启动后端 (http://localhost:8000) npm run frontend # 启动前端 (http://localhost:5173)
# 1. 配置环境变量(同源码部署) cp .env.example .env # 2. 拉取镜像并启动 docker compose up -d
npm run build # 构建前端生产版本uv run python backend/main.py
运行后,在 data/game_logs 中查看实时的游戏信息。
# dashscope / openai / ollama
MODEL_PROVIDER=dashscope- DashScope:设置
DASHSCOPE_API_KEY - OpenAI 兼容:设置
OPENAI_API_KEY、OPENAI_BASE_URL、OPENAI_MODEL_NAME - Ollama:确保本地已安装 Ollama 并拉取模型(通常不需要 API Key)
# 可选:启用 AgentScope Studio 可视化 ENABLE_STUDIO=false # 可选:游戏结束后自动生成分析报告 AUTO_ANALYZE=false
OPENAI_PLAYER_MODE=single|per-player
single(默认):9 位玩家共用全局 OpenAI 配置per-player:需要同时填写OPENAI_API_KEY_P1..P9、OPENAI_BASE_URL_P1..P9、OPENAI_MODEL_NAME_P1..P9
WolfMind/
├── .env.example # 环境变量模板
├── backend/ # 后端核心
│ ├── main.py # 入口:启动一局完整对局
│ ├── config.py # 配置加载/校验/脱敏打印
│ ├── core/ # 核心引擎与日志/记忆
│ │ ├── game_engine.py
│ │ ├── game_logger.py
│ │ ├── knowledge_base.py
│ │ └── utils.py
│ ├── models/ # 角色与 Pydantic 结构
│ │ ├── roles.py
│ │ └── schemas.py
│ ├── prompts/ # 主持人与角色提示词
│ │ ├── game_prompts.py
│ │ └── role_prompts.py
│ ├── analysis/ # 日志解析与分析Pipeline
│ │ ├── __main__.py
│ │ ├── pipeline.py
│ │ ├── agents.py
│ │ └── log_parser.py
│ └── requirements.txt
├── data/ # 运行期数据(对局日志/经验/分析报告)
│ ├── game_logs/
│ ├── experiences/
│ └── analysis_reports/
├── frontend/ # Vue 前端 (Vite + Tailwind)
│ ├── src/
│ │ ├── components/ # UI 组件
│ │ ├── hooks/ # 自定义 Hooks
│ │ ├── services/ # WebSocket 服务
│ │ ├── styles/ # 全局样式
│ │ └── main.js # 入口
│ ├── index.html
│ └── package.json
└── README.md
flowchart TB
subgraph U[用户入口]
CLI[命令行<br/>backend/main.py]
UI[Web 控制台<br/>frontend/src/App.vue]
end
subgraph FE[前端展示层]
MAIN[main.js]
COMP[components/<br/>Header RoomView GameFeed]
HOOK[hooks/useFeedProcessor.js]
WS[services/websocket.js<br/>ReadOnlyClient]
CFGFE[config/constants.js]
end
subgraph API[服务控制层]
FASTAPI[backend/api_server.py<br/>FastAPI + EventBus + WS]
SERVICE[backend/game_service.py<br/>run_game_session]
CFG[backend/config.py<br/>统一配置中心]
end
subgraph GAME[游戏核心层]
ENTRY[main.py<br/>get_official_agents]
ENGINE[core/game_engine.py<br/>werewolves_game]
ROLES[models/roles.py<br/>Werewolf Seer Witch Hunter Villager]
SCHEMAS[models/schemas.py<br/>结构化输出模型]
PROMPTS[prompts/<br/>game_prompts + role_prompts]
LOGGER[core/game_logger.py<br/>对局日志]
MEMORY[core/knowledge_base.py<br/>玩家经验库]
UTILS[core/utils.py<br/>投票/玩家集合/主持人辅助]
end
subgraph ANA[分析流水线]
ANALYSIS[analysis/pipeline.py<br/>run_analysis]
PARSER[analysis/log_parser.py<br/>日志解析]
AGENTS[analysis/agents.py<br/>心理/网络分析 Agent]
REPORT[analysis/report_template.py<br/>HTML 报告生成]
ASCHEMA[analysis/schemas.py<br/>报告 Schema]
end
subgraph DATA[运行数据]
LOGS[data/game_logs/*.log]
EXP[data/experiences/*.json]
HTML[data/analysis_reports/*.html]
end
CLI --> ENTRY
UI --> MAIN
MAIN --> COMP
MAIN --> HOOK
MAIN --> WS
MAIN --> CFGFE
WS <-- WebSocket --> FASTAPI
COMP -->|启动/停止/导出| FASTAPI
FASTAPI --> SERVICE
FASTAPI --> CFG
SERVICE --> ENTRY
SERVICE --> ENGINE
SERVICE --> MEMORY
ENTRY --> CFG
ENTRY --> ENGINE
ENTRY -. AUTO_ANALYZE .-> ANALYSIS
ENGINE --> ROLES
ENGINE --> SCHEMAS
ENGINE --> PROMPTS
ENGINE --> LOGGER
ENGINE --> MEMORY
ENGINE --> UTILS
ROLES --> SCHEMAS
ROLES --> PROMPTS
LOGGER --> LOGS
MEMORY --> EXP
ANALYSIS --> PARSER
ANALYSIS --> AGENTS
ANALYSIS --> REPORT
ANALYSIS --> ASCHEMA
PARSER --> LOGS
ANALYSIS --> EXP
REPORT --> HTML
- 日志目录:
data/game_logs/(默认game_<timestamp>.log) - 经验存档:
data/experiences/players_experience_<timestamp>.json - 终止保护:即便通过控制台"停止游戏"强制结束进程,也会在最新日志尾部追加收口块(结束时间、异常终止标记等),避免日志缺尾
将 .env 中 AUTO_ANALYZE=true,游戏结束后会自动生成 HTML 报告到 data/analysis_reports/。
uv run python -m backend.analysis \ --log data/game_logs/game_xxxx.log \ --experience data/experiences/players_experience_xxxx.json
参数:
--log:必填,游戏日志文件路径--experience:可选,玩家经验文件路径--out:可选,输出 HTML 路径(默认data/analysis_reports/report_<timestamp>.html)
对局示例文件位于 static/:
- 狼人(3):夜晚选择击杀目标,白天隐藏身份误导
- 村民(3):通过讨论与投票找出狼人
- 预言家(1):夜晚查验一名玩家身份
- 女巫(1):解药(救人)与毒药(杀人)各一次(同夜不可双药)
- 猎人(1):被淘汰时可开枪带走一人
- 夜晚:狼人投票击杀 → 女巫用药(可选) → 预言家查验 →(猎人若被刀,可立即开枪)
- 白天:公布死亡 → 依次发言 → 公开投票 → 平票最多 3 轮 PK(再平票按姓名顺位淘汰) →(猎人若被投出,可开枪)
- 胜负:清空狼队则好人胜;若神职或平民一侧被清空,或狼人数量达到存活人数一半,则狼人胜
- 多智能体框架:AgentScope
- 大语言模型:DashScope / OpenAI / Ollama
- 环境管理:uv
- 编程语言:Python 3.8+
- 后端框架:FastAPI
- 前端框架:Vue 3 + Vite + Tailwind CSS
- 数据验证:Pydantic
- 异步编程:asyncio
如果这个项目对你有帮助,请给个 ⭐️ Star 支持一下!