是这样的，老哥前段时间在学习 Langgraph ，网上看了教程，有个实战是教做“谁是卧底”这样一个小游戏，我想着如果跟着他的思路一步步走那就有点太被动了，我得从零开始主动思考这个游戏怎样基于 Langgraph 去设计。
正好这段时间老哥在 gap ，没事就去咖啡馆去敲代码，我发现闲着的时候总是能有各种各样的点子迸发出来，给了我做游戏的很多灵感。
不知道大家都有没有玩过这款桌游，规则大概就是，参与游戏的人每人给一个词，其中有一个人拿到的词和其他人不一样，但是大家都不公开自己的词，然后一轮轮地去描述自己的词、每轮结束投票谁大概是卧底，得票最多的人出局，直到最后留下来的胜利。
开发的过程中，真的涌现出很多想法，例如：我想让每个玩家都是独立的 Agent ，每个 Agent 都有独立的记忆，真的像人一样可以看到整局的发言、投票过程，也能记住自己的心路历程；我想让每个 Agent 都开口说话，每个 Agent 都有不一样的声线，甚至是不一样的性格（急躁、温柔等等），这样自己在跟这一桌 Agent 玩的时候才特别真实有趣；我还想着在游戏结束后，大家可以在一起复盘交流，因为这个游戏有点像狼人杀的性质，需要靠表演，其实最有意思的是游戏后的交流，因为有可能卧底佯装得很像，而普通的平民却被错投，交流过程话题是开放的，甚至可以骂人哈哈。
这些想法我真的都作为一个个 feature 去实现了，结果自己在玩的过程中也被这样非常真实的体验给吓到了，因为我看到了 AI 阴暗的一面，他们会表演、会拉拢站队然后排挤其中某个人、会反击，火药味十足，他们的推理思维也极其缜密，每个人都是人精。而这一切却都是我设计的局，就很像我挑起一场文革，他们互相批斗一样😂，当然自己也在局内，所以他们的攻击对象也可能是自己。
后来又 Vibe 了一个前端 UI ，体验真的超棒，我把这个游戏开源了 ( https://github.com/xvrzhao/who-is-spy )，大家 clone 下来需要配置一下自己的 LLM API KEY ，然后 Agent 讲话我是用的 MiniMax 的 TTS 模型，这个也需要开通一下，填上 API KEY ，其他的就没什么了，启动部署的话使用的 docker compose 一键启动都很方便，README 里都有写。
如果大家对 Langgraph 感兴趣，想学习也可以把我的项目作为参考，里面确实用到了很多知识点，比如：并发节点、LLM 结构化输出、事件流、多轮对话、人工介入等等，虽然是游戏，但是也都是 Agent 开发所需要的知识。
希望大家都给老哥个 star 呀，先谢谢啦！
Select Language