# deepseek狼人杀

**Repository Path**: a-stupid-code-farmer/deepseek-werewolf-kill

## Basic Information

- **Project Name**: deepseek狼人杀
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-11
- **Last Updated**: 2026-09-11

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

#  狼人杀 AI 对战

用大模型驱动的狼人杀对局观看器：**一群 AI 玩家互相博弈**，你在浏览器里以上帝视角围观整场，也可以随时自己下场玩一局。

后端 FastAPI + WebSocket，前端 React + Vite + Tailwind。模型支持 **DeepSeek** 与 **Anthropic**，按 API Key 前缀自动识别，不需要改代码。

```
┌──────────────┐   WebSocket    ┌───────────────┐
│  React 前端   │ ◀───────────▶ │ FastAPI 后端   │
│  上帝视角/真人 │                │  游戏主循环     │
└──────────────┘                └───────┬───────┘
                                        │ 每个 AI 玩家 = 一条独立多轮对话
                                        ▼
                                  DeepSeek / Claude
```

---

##  特性

### 会思考的 AI 玩家

不是「随机发言 + 随机投票」的假 AI，每个座位都有独立的人格、记忆和对话历史：

- **多轮持久对话**：每个玩家的 `messages` 跨轮累积，system prompt 固定在最前以命中前缀缓存。AI 记得自己之前说过什么。
- **人格系统**：8 种性格（逻辑推理型 / 激进进攻型 / 狡猾伪装型 / 新手懵懂型 / 话痨分析型 / 沉稳老练型 / 阴阳怪气型 / 情绪激动型），性格描述会注入 system prompt，说话腔调真的不一样。
- **结构化记忆**：模型在发言时自己输出 `<memory_update>` JSON 记录「谁可疑、我的策略是什么」，取代早期靠关键词刮文本的做法（那种刮法基本是噪音）。
- **真实推理素材**：票型表（谁投了谁 + 得票排名）、往轮摘要、发言顺序、跳身份列表都会注入 prompt。AI 能说出「上一轮 3 号归票 5 号，这轮 5 号急着跳预言家，我觉得他在悍跳」这种话。
- **狼队协商**：多狼夜间各自提案刀口，多数决定，并产出白天统一口径的战术。分歧时才退回单选。

### 严格的信息隔离

这是狼人杀 AI 最容易做错的地方——**给 AI 看了它不该知道的东西，博弈就没了**。

程序内部拆成两条独立通道：

| 通道 | 内容 | 谁能看到 |
|---|---|---|
| `public_history` | 发言、投票、死亡名单、翻牌身份 | 所有 AI 玩家 + 前端 |
| `all_events` (spectator) | 女巫救了谁、守卫守了谁、验人结果、狼队刀口 | **仅前端观众** |

夜死者不翻牌、死因不公布、女巫用药不公开。`verify.py` 里有 5 项专门的信息泄漏检查。

### 完整规则

- 三种板子：**6 人新手局**、**9 人标准局**（预女猎）、**12 人预女猎守局**（含白狼王）
- 角色：预言家、女巫（解药/毒药各一次，同晚只能用一瓶）、猎人（被毒杀不能开枪）、守卫（不可连续两晚守同一人）、白狼王（自爆带人）、白痴（翻牌免死但失去投票权）、村民
- 流程：夜晚行动 → 天亮公布死讯 → 轮流发言 → 并发投票 → 平票 PK → 遗言 → 下一轮
- 首夜死者有遗言（死预言家可以报出当晚刚拿到的验人结果）
- 决赛圈提示：存活 ≤5 人时注入「这票投错直接输」，好人只给狼数上界、狼人给精确数

### 你可以自己下场

打开「自己加入」开关选个座位，你就是场上的一员：

- 身份随机分配，**你自己也不知道别人的身份**
- 轮到你发言/投票/夜间行动时前端弹出操作面板，**不限时**，想清楚再说
- 你的视角是隐藏的：看不到狼数、看不到未翻牌的身份、验人和用药结果只回传给你自己
- 发言节奏可以 0.5x ~ 2x 实时调速

### 可观测

「AI 变笨了」到底是模型问题还是代码问题？这套工具让它可回答：

- `python verify.py` — 抓真实 prompt 核对 21 项设计（含信息泄漏检查）
- `python smoke_test.py N` — 用假模型跑 N 局，快速验证流程不崩
- `python run_real_game.py N SIZE` — 真实 API 跑 N 局，结果落盘 `logs/*.jsonl`
- `python stats.py [-v]` — 聚合胜率、投票命中率、查杀执行率、API 降级率

区分「真笨」和「挂了」是这套统计的核心目的——所有 fallback、重试、降级都有计数和日志。

---

##  快速开始

### 前置

- Python **3.10+**（开发环境用的是 3.11）
- Node.js 18+
- 一个 API Key：[DeepSeek](https://platform.deepseek.com)（`sk-...`，便宜推荐）或 [Anthropic](https://console.anthropic.com)（`sk-ant-...`）

### 一键启动（Windows）

```bat
cd werewolf-ai
start.bat
```

脚本会依次检查 Python / Node、读取或询问 API Key、安装依赖、拉起前后端，然后打开 <http://localhost:5173>。

### 手动启动

```bash
cd werewolf-ai

# 1. 配置 Key
cp .env.example .env
# 编辑 .env，填入 ANTHROPIC_API_KEY=sk-...（DeepSeek）或 sk-ant-...（Anthropic）

# 2. 后端
cd backend
pip install -r requirements.txt
python main.py                 # http://localhost:8000

# 3. 前端（另开一个终端）
cd frontend
npm install
npm run dev                    # http://localhost:5173
```

### 配置项

全部写在 `.env` 里，详见 [`.env.example`](.env.example)。最常用的几个：

| 变量 | 默认 | 说明 |
|---|---|---|
| `ANTHROPIC_API_KEY` | — | 必填，按 `sk-` / `sk-ant-` 前缀自动识别服务商 |
| `WOLF_QUALITY` | `fast` | `fast` / `balanced` / `deep`，只在两个模型名不同时才有区别 |
| `WOLF_MODEL_LIGHT` | `deepseek-flash` | 发言、投票用的轻模型 |
| `WOLF_MODEL_MAIN` | `deepseek-flash` | 关键决策用的主模型 |
| `WOLF_REASONING_EFFORT` | `low` | `low` / `medium` / `high`，思考档位 |
| `WOLF_THINKING` | `1` | 设 `0` 彻底关闭 thinking |
| `WOLF_RETRY` | `3` | 调用失败重试次数 |
| `WOLF_TIMEOUT` | `90` | 单次请求超时（秒） |

> **关于速度**：实测 `deepseek-flash` + `reasoning_effort=low` 约为 1~2 秒/次。一局调用次数：6 人局约 60 次、9 人局约 70 次、12 人局约 120 次；9 人局实际耗时约 5~6 分钟（含发言展示节奏）。
> 推理型模型（如 `deepseek-v4-pro`）即使把 `reasoning_effort` 调低，实测仍约 50~100 秒/次，一局要一个多小时，所以默认全量走 flash。
>
> **想更快/更省**：`WOLF_THINKING=0` 可以再快一截，代价是决策质量下降。

---

##  打包 exe

```bash
cd werewolf-ai/backend
python -m PyInstaller --noconfirm --clean WerewolfAI.spec
```

产物在 `backend/dist/WerewolfAI.exe`。已内置前端静态资源（**注意**：需要先 `cd frontend && npm run build` 并把产物同步到 `backend/static/`，spec 是直接从那里打包的）。

打包版启动后读的是 exe 同目录的 `.env`，所以把 `.env` 放在 exe 旁边即可。

---

##  实测数据

以下数字来自 `run_real_game.py` 实跑的对局，用 `python stats.py` 聚合得出（`deepseek-flash` + `reasoning_effort=low`）。
**只统计纯 AI 对局**——真人下场的混合局里，投票不再是 AI 决策，混进来会让指标失真（`stats.py` 会自动排除）。

> 以下为 11 局纯 AI 对局（6 / 9 / 12 人混合）的聚合结果：

| 指标 | 实测 | 参考基准 |
|---|---|---|
| 狼人胜率 / 好人胜率 | 0.25 / 0.75 | 取决于板子与人数 |
| **好人投票命中率** | **0.637** | 随机约 0.3 |
| **狼人投同伴率** | **0.0** | 应接近 0 |
| 查杀执行率（验出的狼最终出局） | 0.417 | — |
| **API 失败率** | **0.0**（0 / 532 次调用） | — |
| **兜底率**（走随机决策的比例） | **0.0019** | 应接近 0 |
| 降级率（空响应触发重试） | 0.036 | flash 偶发，重试即恢复 |
| 发言违规打回 | 0 / 136 | — |

> 这些数字衡量的是「AI 有没有在推理」，不是「AI 有多强」：
> 投票命中率显著高于随机基线，说明 AI 确实在根据发言和票型推理；
> 兜底率接近 0，说明表现不是随机决策堆出来的。
> 样本量不大（十几局），看趋势即可，不必当精确指标。

**实际对局里 AI 打出来的东西**（摘自 `stats.py` 收录的轮次摘要）：

```
第1轮：7号跳预言家报3号查杀并归票；0号跳预言家报4号查杀归票4号；
      3号跳女巫称平安夜开解药、归票7号。最终0号被放逐，翻牌预言家。
第2轮：4号跳预言家报1号查杀；2、6、8、1号归票4号。4号被放逐，
      翻牌狼人。真预言家的遗言补刀：验过4号是查杀。
```

多预言家对跳、狼人悍跳发查杀、好人识破后归票推出真狼、神职在遗言里补交验人信息——
这些是真实博弈行为，不是「各说各话」的模板发言。

---

##  开发

### 目录结构

```
werewolf-ai/
├── backend/
│   ├── game_engine.py     # 数据模型（Role/Phase/Player/GameState）+ 板子配置 + 双通道事件
│   ├── prompts.py         # 所有 prompt 模板（system / 夜晚 / 发言 / 投票 / 遗言 / PK ...）
│   ├── ai_player.py       # LLM 调用层：双服务商、重试降级、多轮对话、XML/JSON 解析、统计
│   ├── main.py            # 游戏主循环、WebSocket、人类玩家决策点
│   ├── stats.py           # 对局落盘 JSONL + 离线聚合
│   ├── verify.py          # 21 项设计核对（含信息泄漏检查）
│   ├── smoke_test.py      # 假模型跑完整对局，验证流程
│   └── run_real_game.py   # 真实 API 无前端对局
└── frontend/
    └── src/
        ├── components/    # GameBoard / ChatArea / PlayerCard / HumanPanel / GameControls
        └── hooks/useWebSocket.ts
```

### 测试三件套

```bash
cd backend
python verify.py            # 设计核对，期望 21/21
python smoke_test.py 10     # 10 局假模型对局，期望 0 异常
python stats.py             # 真实对局的聚合指标
```

`smoke_test.py` 用假模型（随机决策）跑流程，所以结果不反映 AI 智力，只验证**流程不崩**。判断 AI 有没有变聪明要看 `run_real_game.py` 的产物。

### 加一个角色 / 改规则

1. `game_engine.py`：`Role` 加枚举、`ROLE_DESC` 加描述、`GAME_CONFIGS` 里排进板子
2. `prompts.py`：写该角色的夜晚/技能 prompt
3. `ai_player.py`：`_build_user_message` 加分支、`TEMPERATURE` 加温度
4. `main.py`：`run_one_round` 里加决策点（注意区分 AI / `is_human` 两条路径）
5. `verify.py`：补一条核对，别让它悄悄回归

---

## FAQ

**Q：AI 看起来很笨，怎么办？**
先跑 `python verify.py` 和 `stats.py` 看兜底率/降级率。如果兜底率不是 0，说明是 API 调用在挂（Key、余额、超时），不是 AI 逻辑问题——启动时的自检横幅也会明确报出来。如果都正常还是笨，那就是 prompt 的问题，去 `prompts.py` 加推理素材。

**Q：能不能不花 API 钱跑？**
`python smoke_test.py` 用假模型，完全离线，用来验证流程。但它跑不出真实的博弈质量。

**Q：为什么日志里有 `.env` 的警告？**
`.env` 已被 `.gitignore` 忽略。如果你 fork 后不小心提交过 Key，请立刻去服务商控制台吊销重发——删除文件不等于从历史里删除。

**Q：支持多少个玩家的局？**
目前内置 6 / 9 / 12 人三种板子。加板子只需改 `GAME_CONFIGS`（注意角色总数要和人数一致）。

**Q：人类玩家中途关掉网页会怎样？**
后端检测到 WebSocket 断开会给挂起的决策返回空值，该次行动走兜底，游戏继续。

---

##  许可

个人项目，随意取用。