不止飞花令：用AgentScope打造你的专属古诗词游戏全家桶（附尾字接龙、即景联诗Demo）

weixin_30335353

413人浏览 · 2026-06-01 14:49:38

weixin_30335353 · 2026-06-01 14:49:38 发布

用AgentScope构建古诗词游戏引擎：从飞花令到多模态文化体验

中国古典诗词游戏正迎来一场技术复兴。当大语言模型遇上传统诗词文化，我们不仅能还原飞花令、尾字接龙等经典玩法，更能创造出前所未有的互动体验。本文将带你深入AgentScope框架，开发一个可扩展的古诗词游戏引擎，实现从单一游戏到全家桶的进化。

1. 多智能体架构设计精髓

古诗词游戏的核心在于角色分工。在传统飞花令中，主持人、评审官和参赛者各司其职。用AgentScope实现时，我们需要为每个角色设计专属的智能体：

# 典型的三智能体配置示例
agent_configs = [
    {
        "class": "DialogAgent",
        "args": {
            "name": "host",
            "sys_prompt": "作为主持人，你只需从预设词库中随机选取一个字作为关键字",
            "model_config_name": "qwen"
        }
    },
    {
        "class": "DialogAgent",
        "args": {
            "name": "judge",
            "sys_prompt": "作为评审官，你需要验证诗句是否符合：1.来自古诗词 2.包含关键字 3.未重复",
            "model_config_name": "qwen"
        }
    },
    {
        "class": "DialogAgent",
        "args": {
            "name": "player",
            "sys_prompt": "作为AI选手，你需要根据关键字对出符合要求的诗句",
            "model_config_name": "qwen"
        }
    }
]

系统提示词（sys_prompt）设计要点 ：

主持人Agent：限制输出格式，确保只返回关键字
评审官Agent：明确列出所有判断规则和评分逻辑
参赛者Agent：强调诗词准确性和不重复原则

提示：在实际测试中，评审官Agent的规则描述越具体，判断准确率越高。建议为每条规则添加示例说明。

2. 游戏规则引擎化改造

要让基础框架支持多种游戏玩法，关键在于将游戏规则模块化。我们可以设计一个游戏规则解析器：

游戏类型	关键字来源	判断规则	特殊要求
飞花令	随机选取	包含关键字	不允许重复
尾字接龙	上句末字	首字匹配	允许同音字
即景联诗	图片生成	意境相符	接受近义表达
九宫格	乱序文字	原句还原	提示字数

扩展新游戏的三个步骤 ：

定义关键字生成逻辑（如尾字接龙需要提取上句最后一个字）
编写专属评审规则（如九宫格需要验证是否为原句排列组合）
设计交互流程（即景联诗需要先文生图再猜诗）

def keyword_generator(game_type, last_poem=None):
    if game_type == "飞花令":
        return random.choice(["风","花","雪","月"])
    elif game_type == "尾字接龙" and last_poem:
        return last_poem[-1]  # 取上句末字
    else:
        return default_keyword

3. 多模态增强体验设计

纯文本交互已经不能满足现代用户需求。通过AgentScope的Tools机制，我们可以轻松接入：

文生图工具 ：为即景联诗生成意境图
语音合成 ：用不同音色朗读诗句
OCR识别 ：处理用户上传的手写诗句

from agentscope.tools import image_generation, text_to_speech

# 即景联诗场景示例
def generate_poem_image(poem):
    prompt = f"中国水墨画风格，表现诗句：{poem}"
    return image_generation(prompt, style="ink-painting")

# 语音反馈示例
def speak_feedback(text):
    return text_to_speech(text, voice="female_gentle")

多模态组合应用场景 ：

用户对出诗句后，AI生成对应画作
评审结果用语音播报增强沉浸感
九宫格游戏提供动态视觉提示

4. 实战：尾字接龙改造指南

让我们以尾字接龙为例，看看如何基于飞花令框架快速改造：

修改主持人逻辑 ：
- 第一轮随机出字
- 后续轮次使用上轮末字

host_prompt = """
作为尾字接龙主持人，你首轮从'风花雪月'中随机选字。
之后用上轮诗句的最后一个字作为新关键字。
只需回复关键字，如"花"。
"""

调整评审规则 ：
- 允许同音字（如"春眠不觉晓"接"小桥流水人家"）
- 新增连续接龙计数

judge_prompt = """
评审规则：
1. 诗句必须来自古诗词
2. 首字需与上轮末字同音(拼音相同)
3. 不得重复已用诗句
正确时回复：'接龙成功！连续{count}次'
错误时指出具体违规项
"""

增强玩家体验 ：
- 添加接龙长度进度条
- 破纪录时触发特效

注意：中文多音字处理是难点，建议在评审规则中添加白名单机制，对常见多音字特别说明。

5. 即景联诗的实现艺术

即景联诗将诗词、绘画、竞猜融为一体，是最能展现多智能体协同优势的游戏：

交互流程设计 ：

绘画Agent根据随机诗句生成图像
用户观察图像猜测原诗句
评审Agent判断接近程度
语音Agent朗读原诗

def scene_poem_round():
    # 1. 选诗
    poem = select_random_poem()
    
    # 2. 生成画
    image = generate_poem_image(poem)
    
    # 3. 用户猜诗
    user_guess = get_user_input("根据画作猜诗句")
    
    # 4. 语义评审
    similarity = calculate_semantic_similarity(poem, user_guess)
    if similarity > 0.7:
        return f"基本正确！原句是：{poem}"
    else:
        return f"意境接近，原句是：{poem}"

意境评审的三种实现方案 ：

关键词匹配法 ：提取诗句中的意象词（如"月"、"柳"）进行比对
嵌入向量法 ：用大模型计算原诗与猜测的语义相似度
混合评审法 ：结合规则判断和模型评分

在实际项目中，混合方案效果最佳。先用规则筛除明显不符的答案，再用模型进行精细评分。

6. 性能优化与异常处理

当游戏种类增多后，系统需要处理各类边界情况：

常见问题及解决方案 ：

问题类型	现象	修复方案
死循环	尾字接龙卡在生僻字	设置最大轮次限制
误判	评审拒绝正确诗句	增加诗词知识库校验
超时	文生图响应慢	添加异步处理机制
混淆	多游戏间记忆干扰	隔离各游戏会话状态

# 超时处理示例
from functools import wraps
import time

def timeout(seconds=10):
    def decorator(func):
        @wraps(func)
        def wrapper(*args, **kwargs):
            start = time.time()
            result = func(*args, **kwargs)
            if time.time() - start > seconds:
                return default_response
            return result
        return wrapper
    return decorator

@timeout(8)
def generate_poem_image(poem):
    # 可能耗时的图像生成
    return image_generation(poem)

内存管理技巧 ：

定期清理对话历史
对不活跃游戏会话进行冷存储
使用轻量级模型处理简单任务

7. 从游戏到文化社区

这套框架的潜力远不止于游戏。通过扩展设计，可以打造综合性传统文化平台：

未来扩展方向 ：

教学模式 ：解释诗句背景和修辞手法
创作工坊 ：辅助用户撰写符合格律的诗词
社交功能 ：多人实时对战排行榜
文化百科 ：关联历史典故和文人轶事

def poetic_analysis(poem):
    prompt = f"""
    从以下角度分析这首诗：
    1. 创作背景时代
    2. 使用的修辞手法
    3. 核心意象解析
    4. 后世评价引用
    诗句：{poem}
    """
    return qwen_max(prompt)

在开发过程中，最令人惊喜的是大模型对古诗词意境的把握能力。当看到AI能准确判断"大漠孤烟直"和"长河落日圆"的意境关联时，传统文化与现代技术的融合展现出无限可能。