MODEL INPUT AND OUTPUT合同不接受
用户只配置策略/轮数并观察状态推进。
TECHNICAL WALKTHROUGH / CHECKED
狼人杀 Agent Loop技术执行说明
带状态、记忆与评测的确定性 Agent 回路
CURRENT IMPLEMENTATION
它展示 Agent 架构，但没有语言模型：发言、假设和动作来自脚本、证据权重与状态机。
AI 边界
没有调用语言模型；发言和角色更新来自确定性脚本与证据权重。
人工权限
跨过高置信评测阈值的游戏动作交给人工观察；系统无外部行动能力。
运行拓扑：用户如何抵达结果
页面负责收集与组装输入；合同、引擎和回执负责把边界变成可检查的执行链。
- 01
页面交互
回路观察器与策略对照，不是玩家 Chatbot。
当前执行 - 02
WerewolfAgentInput
variant 是 evidence-first/aggressive 的策略枚举，不是一段 Prompt 文本。
当前执行 - 03
分阶段引擎
状态恢复参数 → observe → memory → hypothesis → action → evaluate → 下一轮/退出 → 策略对照
当前执行 - 04
Agent loop result
JSON 返回逐轮观察/记忆/假设/动作、策略对照和 checkpoint 标签。
当前执行
EXECUTION ORDER
配置直接进入状态机；没有自动拼接 User Prompt。
模型、算法与工具逐项列账
模型名、规则引擎、检索器、评测器和控制层分开陈述；相似名称不等于真实调用。
agent state machine + evidence policy
当前执行每轮更新 AgentMemory、角色假设、动作与置信，并比较两个策略版本。
由页面 Demo 或 POST /api/labs/:slug 同步调用；无外部推理请求。
Agent / Harness
Agent state machine
stepAgent 逐轮推进确定性状态。
Agent / Harness
Durable memory
历史、假设和策略版本保存在 AgentMemory。
Observability
Checkpoint digest
状态摘要用于标记重放产物，不是持久恢复校验器。
AI / ML
Evidence reliability
事件证据以可靠度更新角色判断。
AI / ML
Role hypotheses
每名玩家保留可解释角色分布。
Evaluation
Policy comparison
两个 prompt variant 运行相同回合脚本。
Evaluation
Objective / volatility metrics
策略表现同时衡量收益和波动。
Control
Confidence review gate
达到或超过阈值的高置信动作标记人工观察。
输入合同、分步执行与结构化输出
每个认知步骤都进入轨迹，才能定位过度自信、证据漂移和策略波动。
INPUT
WerewolfAgentInput
不接收游戏视频、语音或实时房间事件；使用固定合成剧本。
variantroundscomparisonRoundsresumeFromRoundrunIdhumanReviewThreshold
STAGED EXECUTION
状态恢复参数 → observe → memory → hypothesis → action → evaluate → 下一轮/退出 → 策略对照
- 01
接收轮数、prompt variant、重放起点和人审阈值。
WerewolfAgentInput → validated loop config
- 02
从历史发言提取证据可靠性并更新角色假设。
AgentMemory → evidence + hypotheses
- 03
依据策略变体选择声明、目标和置信度。
evidence + hypotheses → LoopStep.action
- 04
逐轮推进状态机并生成内容摘要 checkpoint 标签。
LoopStep → checkpoint + trace
- 05
输出游戏内动作或 human-review。
confidence → decision + rationale
- 06
比较 evidence-first 与 aggressive 的目标值和波动。
variant runs → comparison + metrics
OUTPUT
Agent loop result
一个有界、可重放的多轮游戏 Agent run。
stepsmemorydecisioncomparisoncheckpointevaluation
Prompt 与 Schema 的四层装配
System、Few-shot、用户运行输入与输出格式分别标注；没有 Prompt 的项目不会假装存在 Prompt。
- 01
系统约束
没有 System Prompt；状态机、证据可靠度、策略权重和退出阈值承担系统约束。
合同不接受 - 02
少样本
不注入 Few-shot。baseline / stress 只用于可复现测试，不进入模型上下文。
合同不接受 - 03
运行时输入
variant 选择代码内策略权重；它不会插入语言模型消息。
当前执行 - 04
输出合同
输出形状由 Zod + AgentMemory/LoopStep 与 TypeScript 返回契约决定，不靠 One-shot 示例暗示。
当前执行
多模态准入矩阵：每一项都有明确状态
图片、音频、视频和数字人不会用空字段含混带过；未接入就明确写出未接入。
文本
当前执行脚本化发言和 rationale 是可检查轨迹，不是模型生成。
表格 / JSON
当前执行角色分布、证据权重和策略指标是结构化状态。
图片
合同不接受严格 JSON 合同不接收图片；未知字段会被拒绝，不会保留空占位。
音频
合同不接受没有音频上传、ASR 或声学特征管道。
视频
合同不接受没有视频上传、解码、分镜或帧级推理入口。
数字人
合同不接受没有数字人资产、驱动参数或渲染合同。
人工输入 / 复核
当前执行高置信动作标记人工观察；无外部行动能力。
用户在页面上操作，样本用于验证边界
预设不是替用户做决定，也不是偷偷注入 Few-shot；它让同一合同在基线与压力条件下可复现。
交互表面
回路观察器与策略对照，不是玩家 Chatbot。
选择样本的目的
两个 variant 用相同剧本运行，目的是控制变量比较稳定性，不是 Few-shot。
高置信动作复核
STRESS TEST扩展到 8 轮，并将人审阈值降低至合同下限。
动作进入人审队列
当前项目不建立外部聊天会话；页面输入进入严格合同，由规则、算法或确定性 Harness 执行。