让一桌 AI 自己玩狼人杀，我在旁边看它们互相"使诈"

一个有点中二的念头 🐺

狼人杀好玩，很大程度是因为”人心”——有人真诚，有人演技爆表，有人心里想的和嘴上说的完全是两回事。

那如果，把玩家全换成 AI 呢？

于是有了 AI-Werewolf：一桌全是大模型的狼人杀，从天黑到天亮全程自动运行，你无需操作，以”上帝视角”旁观它们博弈。最有意思的一点是——你能同时看到每个 AI 的”心里话”和”场面话”，这种反差，正是它最好看的地方。

仓库地址：github.com/QinYe233/AI-Werewolf

核心玩法：旁观一整局”人工智能局”

多模型同场

每个座位可以坐不同厂商的模型——DeepSeek、Kimi、通义等，随意搭配。系统先把这些模型轮询分配到各座位，再打乱一次，保证一局里的”选手”足够多样。不同模型的推理风格差异其实挺明显，同场竞技本身就值得一看。

三个”频道”：看穿 AI 的内心戏

这是我最满意的设计。每个 AI 每一步都会输出三层内容：

• 🧠 thinking（内心独白）：它私下的真实盘算，是诚实的；
• 🎯 plan（行动意图）：一句话概括这一步要做什么，用来收敛决策；
• 💬 speech（公开发言）：说给全场听的话——这里才允许伪装、悍跳、带节奏。

内心与发言分开，你就能清清楚楚看到一头狼”心里盘算着刀你、嘴上却夸你分析得好”的全过程。技术上，thinking 输出到浏览器控制台，speech 显示在游戏大厅，两相对照，反差感就出来了。

24 个已实现角色

目前实现了 24 个角色（好人阵营各类”守护神”14 个、平民 2 个、狼 8 个）。完整的 45 人阵容收录在游戏内的图鉴百科里，并标注了各自的实现进度。

几个关键设计 🤓

信息隔离：作弊在物理层面就不成立

狼人杀最怕”开天眼”。这里我把后端设为唯一的真相来源：每个玩家收到的提示词 = 公共记录 + 只属于它自己的 private_notes。狼队名单、查验结果、女巫的解药毒药，这些机密只写在各自的私有笔记里。换句话说，一个 AI 在数据层面就拿不到别人的私有信息——泄密不是”被规则禁止”，而是根本没有发生的渠道。

事实与虚构的边界

AI 可以在”身份、动机”上撒谎（这正是狼人杀的乐趣），但不能编造从未发生过的事件。白天发言按固定顺序串行进行，每个 AI 发言时会被告知”谁已经说过、谁还没说”，从而避免”点评一段尚未发生的发言”这类穿帮。

容错：宁可保守，也不崩盘

大模型偶尔会抽风，返回无法解析的内容。处理方式是：调用失败就回退到一个安全的默认动作（女巫不用药、猎人不开枪），而不是让整局崩溃。测试里 6264 次调用中有 744 次失败。即使有 744 个”错误返回”、仍然零崩溃——游戏照样跑到底。对一个动辄上百次调用的自动流程来说，这决定了它能不能稳定”跑完一整局”。

顺带写的角色爬虫

角色立绘和数据是从官方狼人杀网站抓取的（约 15MB）。我写了个爬虫，从 kapaiData_<hash>.js 里解出 45 个角色，并顺手清理了透明 PNG 中 alpha=0 却仍带杂色的像素。

架构简述

• 后端：FastAPI，用异步生成器实现游戏状态机。夜晚阶段把”收集行动”与”结算行动”分成两步，避免因动作先后顺序引发 bug；投票并发进行，发言则串行。
• 前端：七个界面（首页、模式选择、预设、自定义、角色库、加载、对局），通过 SSE（服务器推送事件） 实时更新。
• 角色与人设分离：每个座位拿到的”身份”和”性格卡”相互独立——性格决定它怎么说话（句长、用词、语气），与它抽到什么角色无关。

跑一局要多少成本 💰

1. 建虚拟环境、装依赖；
2. 从官网抓取角色素材（约 15MB）；
3. 在 .env 里填入 API key；
4. 启动 FastAPI 服务（端口 8765）；
5. 浏览器打开 http://127.0.0.1:8765 开看。

成本方面：用 DeepSeek 的话，一局大约 0.5 人民币，需要 60~120 次模型调用。一根棒棒糖就能看一场 AI 大戏。

写在最后

这个项目对我来说更像个”AI 行为观察实验”——看不同模型在有博弈、有欺骗、有信息差的场景里各自会怎么表现。

感兴趣的话可以去我的仓库里看看，也欢迎来聊聊你觉得哪个模型最会演 🌿