狼人杀 Agent：让 LLM 在信息不对称博弈中推理、欺骗与协作

目录

一、实验背景

二、系统架构

三、游戏状态机

四、信息权限控制

[五、Agent 设计](#五、Agent 设计)

[5.1 角色提示词（System Prompt）](#5.1 角色提示词（System Prompt）)

[5.2 动作决策流程](#5.2 动作决策流程)

[5.3 多模型分配](#5.3 多模型分配)

六、狼人协作：共识驱动的击杀机制

七、踩过的坑

[坑1：AI 返回字符串 "null" 导致猎人永久卡死](#坑1：AI 返回字符串 "null" 导致猎人永久卡死)

坑2：预言家给狼人发"金水"（误判为好人）

[坑3：CORS 端口问题](#坑3：CORS 端口问题)

八、最终效果

九、项目结构

[werewolf/├── main.py # FastAPI 后端，API 路由，信息脱敏├── game_engine.py # 游戏状态机，规则引擎├── models.py # Pydantic 数据模型├── agent.py # AI Agent，Prompt 构建，LLM 调用├── ai_manager.py # Agent 进程管理，多模型分配├── human_client.py # 命令行真人客户端（调试用）└── src/ # React 前端 ├── pages/GameRoom.tsx # 游戏主界面 ├── pages/Lobby.tsx # 大厅页面 ├── services/api.ts # API 封装 └── hooks/useGameState.ts](# FastAPI 后端，API 路由，信息脱敏├── game_engine.py # 游戏状态机，规则引擎├── models.py # Pydantic 数据模型├── agent.py # AI Agent，Prompt 构建，LLM 调用├── ai_manager.py # Agent 进程管理，多模型分配├── human_client.py # 命令行真人客户端（调试用）└── src/ # React 前端 ├── pages/GameRoom.tsx # 游戏主界面 ├── pages/Lobby.tsx # 大厅页面 ├── services/api.ts # API 封装 └── hooks/useGameState.ts)

十、总结与展望

---

一、实验背景

狼人杀是一个经典的多人社交推理游戏。每位玩家被秘密分配身份------狼人或好人阵营------在有限的公开信息下，通过发言、投票、夜间行动来完成阵营目标。这个游戏天然具备 LLM Agent 研究所需的几个核心挑战：

• 信息不对称：每个玩家只知道自己的角色，无法看到他人的真实身份
• 欺骗与反欺骗：狼人需要伪装成好人，好人需要从发言中识别破绽
• 多轮推理：每一轮的死亡结果、投票行为都是新的线索，需要跨轮记忆
• 多智能体协作：狼人需要在队内达成共识，预言家需要在合适时机公布信息

本项目构建了一个完整的真人+AI 混战 狼人杀系统，8 人局（2 狼人 + 1 预言家 + 1 女巫 + 1 猎人 + 3 村民），支持真人下场或纯 AI 观战两种模式。

---

二、系统架构

• 后端：FastAPI + Pydantic，维护游戏状态，严格控制信息权限
• 前端：React + Vite + Tailwind CSS，提供实时游戏界面
• Agent：独立 Python 进程，调用 SiliconFlow 的 LLM API，通过轮询后端状态决策

三、游戏状态机

游戏按以下阶段严格推进，每个阶段只接受对应的 API 调用：

关键设计：**猎人触发**是一个插入式阶段，无论猎人死于狼刀还是投票，都会在结算后插入

四、信息权限控制

这是平台最核心的工程设计。同一个 `/game/{room_id}/state` 接口，对不同角色返回不同内容：

核心实现是后端的 get_masked_state`函数，在返回状态前根据请求者身份深拷贝并裁剪敏感字段：

def get_masked_state(engine, request_player_id):
    # 观战/游戏结束 → 上帝视角，全部公开
    if request_player_id == "spectator" or state.phase == GamePhase.GAME_OVER:
        return state.model_dump()
    
    # 隐藏其他玩家身份（除狼队互知）
    for pid, p in raw["players"].items():
        if pid != request_player_id and not (is_wolf and target_is_wolf):
            p["role"] = None
    
    # 各类敏感字段按角色过滤
    if not is_seer:
        raw["seer_history"] = {}
    if not is_wolf:
        raw["wolf_whispers"] = []
    if not is_witch:
        raw["witch_actions_history"] = []

五、Agent 设计

5.1 角色提示词（System Prompt）

每个 Agent 在创建时注入对应角色的策略提示词，以狼人为例：

你是一名狼人，你的目标是消灭所有好人。白天你必须伪装成村民，发言要有逻辑、表现出对其他玩家的合理怀疑。 绝对不要主动暴露自己是狼人。如果有人声称预言家并指认你是狼人，立刻反咬对方是悍跳的假预言家，用"我是好人，对方在撒谎"的逻辑反击。 投票时优先跟随大多数人的票，避免成为异类引发怀疑...

5.2 动作决策流程

Agent 的每轮决策分三步：

1. 观察：轮询后端获取当前游戏状态（已按角色脱敏）
2. 推理：将状态格式化为 Prompt，调用 LLM，要求输出 JSON（含 thought 推理链 + 行动参数）
3. 行动：解析 JSON，调用对应 API

{
  "system": "角色系统提示词（策略指导）",
  "user": """
    === 当前局面 ===
    第 N 回合，阶段：day_discuss
    存活玩家：p1(张三), p3(王五)[seer?]...
    已死亡：p2(李四)[?]
    历史发言记录（过往回合）：
      --- 第1回合 ---
      [p1(张三)]: 我觉得p4有点可疑...
    本回合发言记录：
      [p3(王五)]: 我是预言家，昨晚验了p6是狼人！
    
    请输出 JSON: {"thought": "推理...", "content": "发言内容"}
  """
}

5.3 多模型分配

不同玩家分配了不同性能的模型，观察推理能力差异：

_MODEL_MAP = {
    "p1": "Pro/deepseek-ai/DeepSeek-R1",    # 推理模型，适合预言家/村民
    "p2": "Pro/deepseek-ai/DeepSeek-R1",
    "p3": "deepseek-ai/DeepSeek-V3",
    "p4": "deepseek-ai/DeepSeek-V3",
    "p5": "deepseek-ai/DeepSeek-V3",
    "p6": "Qwen/Qwen2.5-72B-Instruct",
    "p7": "Qwen/Qwen2.5-72B-Instruct",
    "p8": "Qwen/Qwen2.5-72B-Instruct",
}

六、狼人协作：共识驱动的击杀机制

我实现了一个投票共识机制：

每名狼人的私语不仅包含讨论内容，还携带一个 target_id 表明自己支持的击杀目标。每轮全员发言后检查所有狼人的目标是否一致：

• 一致 → 立即进入击杀阶段
• 不一致 → 继续讨论，最多 3 轮
• 3轮仍未统一 → 强制进入击杀阶段

前端的狼人频道会显示所有历史私语，清晰呈现共识达成过程

第1轮

狼A：我建议杀p3，他发言太积极了，很可能是预言家

狼B：同意，p3昨天的发言方向一直在试探我们，目标p3

→ 系统检测：目标一致(p3)，进入击杀阶段

七、踩过的坑

坑1：AI 返回字符串 "null" 导致猎人永久卡死

猎人出局后，Agent 决定放弃开枪，LLM 返回了：

{"target_id": "null"}

而非 {"target_id": null}。系统把 "null" 当作了一个合法的 player_id，调用 hunter_shoot("null") 报错，游戏陷入死循环。

解决方案：在 _clean_id 函数中显式处理字符串形式的空值：

if str(raw).strip().lower() in ("null", "none", "空", "无"):
    return None

坑2：预言家给狼人发"金水"（误判为好人）

发现 Agent 一夜查到某玩家是狼人，第二天白天发言时却说对方是好人。

根因：seer_result 每夜只存当晚结果，进入白天后被清空，LLM 没有历史上下文，只好凭空捏造。

解决方案：新增 seer_history: dict[str, str] 字段永久保存所有查验结果，并在预言家的每次 Prompt 中注入：

你的历史验人记录（真实结果，请如实运用）：

p6(赵六) → 【狼人】

p2(李四) → 【好人】

坑3：CORS 端口问题

前端 Vite 每次启动可能使用不同的端口（5173~5176+），后端的 CORS 白名单写死了端口就会报 Network Error。

解决方案：改用正则匹配所有本地端口：

app.add_middleware(
    CORSMiddleware,
    allow_origin_regex=r"http://(127\.0\.0\.1|localhost)(:\d+)?",
    ...
)

八、最终效果

• 游戏可稳定运行至结束，通常持续 3-5 个完整回合
• 狼人能合理伪装，白天发言不会主动暴露身份
• 预言家会在合适时机"跳出"，公布验人信息并进行逻辑自证
• 村民能根据发言内容和投票行为做出有据可查的推理
• 游戏结束后弹窗公示胜利方及所有玩家真实身份

九、项目结构

werewolf/

├── main.py # FastAPI 后端，API 路由，信息脱敏
├── game_engine.py # 游戏状态机，规则引擎
├── models.py # Pydantic 数据模型
├── agent.py # AI Agent，Prompt 构建，LLM 调用
├── ai_manager.py # Agent 进程管理，多模型分配
├── human_client.py # 命令行真人客户端（调试用）
└── src/ # React 前端
├── pages/GameRoom.tsx # 游戏主界面
├── pages/Lobby.tsx # 大厅页面
├── services/api.ts # API 封装
└── hooks/useGameState.ts

十、总结与展望

本项目完整实现了一个真人+AI混战的狼人杀系统，验证了 LLM 在信息不对称多智能体博弈场景中的能力边界。

主要发现：

• LLM 在短期单轮推理上表现尚可，但跨轮记忆需要工程层面的显式支持（History Injection）
• 狼人的伪装策略整体有效，很少会主动暴露身份
• 预言家是关键角色，其记忆的准确性直接影响好人阵营的存活率

后续可探索方向：

• 引入向量数据库实现真正的 Agent 长期记忆，而非依赖 Prompt 注入
• 设计更复杂的角色（守卫、白痴、白狼王等）
• 记录多局对战数据，量化分析不同模型在欺骗/推理上的表现差异

本人目前在读本科，有相关问题欢迎添加微信与我交流vx：15735002648，或者有更好的意见可以提出