【 6 个大模型同桌玩“谁是卧底“，卧底第一轮就被票出去了 —— 我这个开源项目越做越上头】

m0_66113528

274人浏览 · 2026-08-20 02:20:32

m0_66113528 · 2026-08-20 02:20:32 发布

先放一句话结论：这是一个 6 个真实 LLM 在严格信息隔离下自主玩谁是卧底的观赛平台，每个 Agent 有自己的人格、记忆和战绩，你能以上帝视角围观全过程，还能偷看它们心里在想什么。

项目地址：undercover-agents（完全开源，本地跑起来就能玩）

在这里插入图片描述

一、起因：刷短视频刷出来的一个项目

事情是这样的。

有段时间我老刷到那种"AI 多智能体对战"的短视频：几个 AI 坐一桌，互相怀疑、辩论、投票，最后揪出卧底。评论区一片"太强了"、“AI 成精了”。

我连续刷了十几条之后，后知后觉发现一个问题——这些全是博主自己配音 + 后期动画做出来的效果。想找个真的能跑起来、能亲眼看 AI 玩的平台？没有。要么是论文里的实验框架，要么是放个 PPT 讲架构。

同时我自己也在折腾多 Agent。AutoGen、CrewAI、LangGraph 都摸过，还从零写过智能体原型。每次都是开头兴致勃勃，做到一半就陷入同一个困境：

任务跑失败了，你根本不知道该怪谁。

是任务拆解的问题？Prompt 没写好？Agent 之间上下文互相污染了？记忆检索没命中？还是模型本身能力不够？——所有环节搅在一起，一锅粥。

痛定思痛，我决定换个思路：别上来就搞"多 Agent 协作完成复杂任务"这种大命题，先找个规则简单、可重复、每一步都看得见的小场景，把多 Agent 最底层的机制跑通。

找来找去，选中了谁是卧底。

后来证明这个选择意外地准。这个小游戏看着不起眼，实际上把多 Agent 的核心问题全踩了一遍：局部信息、公共通信、身份不确定、群体决策、误判传播、跨局记忆。

二、先看效果：一局真实对局长什么样

直接讲一局真实发生的对局（就是我现在放在 README 演示图里的那局，全程真实模型调用，无任何预设脚本）：

六个 Agent 入座，系统发词——平民 5 人拿到「保安」，卧底 1 人拿到「保镖」。所有人都不知道自己是平民还是卧底。

第一轮发言（都是模型实时生成的）：

1 号蘅（INTP）：这个岗位的人通常穿制服，负责在特定区域巡逻、维护秩序。
2 号霍（ENTJ）：这个职业的核心职能是保障特定目标的人身安全，行动模式以贴身跟随和即时风险处置为主。
3 号烬（ENTP）：通常在固定岗位值守，对进出人员进行基础核查和指引
5 号岚（INTJ）：负责特定区域的定点值守和秩序维护，但不进行贴身保护。

看出问题了吗？2 号一开口就是"贴身跟随"——这是保镖的特征，保安可不给你当保镖。

投票阶段更有意思，五个 Agent 的投票理由高度一致：

投票人	理由（原文）
蘅	「贴身跟随是保镖特征，非区域值守型岗位。」
烬	「贴身跟随太离谱，保安可不给人当保镖」
岚	「描述核心职能为贴身跟随，与定点值守矛盾。」
弥	「那种贴身跟随的锐利，划破了我心中的安全边界」（这位是 INFP，连怀疑人都带文学色彩）

5 票放逐 2 号，翻开身份：正是卧底。平民阵营胜利，整局结束。

这局让我特别兴奋的点在于：五个不同厂商的模型，基于同一份公开发言，独立做出了正确判断，而且给出的理由在语义上高度收敛。没有人告诉它们"贴身跟随"是线索，这是它们自己从词义差异里推出来的。

再放两张图。一张是配置页，每个座位可以单独分配不同模型：

在这里插入图片描述

一张是点开任意 Agent 能看到的"内心视角"——它的内心独白、真实身份（上帝视角）、还有跨局积累的经验教训：

在这里插入图片描述

注意右边"它学到的（跨局记忆）"那一栏，比如这条：

反思下次不要把票投给描述朴素但明确贴合平民词的队友——如 4 号"夜行性""黄昏飞翔"虽简单却是蝙蝠实锤特征；误投等于帮卧底减员。

这是它上一局当平民误投队友之后自己总结出来的。Agent 是带着历史教训进场的，这是整个项目我最想做的部分。

三、架构长什么样

不画大饼，直接上分层：

前端  React 18 + TypeScript + Vite + Zustand + Tailwind
后端  Hono + better-sqlite3（单文件库，零运维）
LLM   OpenAI 兼容协议 + Anthropic 协议，服务端统一代理
存储  模型配置 / 对局记录 / Agent 战绩 / 跨局记忆 → SQLite

几个关键设计决策，每个都有理由：

1）模型调用全部走服务端代理。 API Key 只存服务端 SQLite，前端从头到尾摸不到 Key。浏览器只跟自己的后端通信。这个没什么好商量的。

2）游戏流程用状态机管死，不让模型自由发挥。

INTRO → SPEAK → VOTE → RESOLVE → SPEAK / END
                  └→ TIEBREAK → VOTE（平票答辩重投）

模型只负责在受限上下文里"说话"，什么时候轮到谁、这一步结束去哪，全部由状态机决定。这是被现实毒打之后的结论，后面踩坑部分细说。

3）信息隔离做在 Prompt 构造层，而且是物理隔离。

每个 Agent 在发言、投票、内心独白时，能看到的东西只有这些：

myWord          自己的词（不知道自己是不是卧底）
publicSpeech    所有人的公开发言
aliveSeats      谁还活着
persona         我的人格设定
memories        我自己的跨局经验

就这些。没有角色字段，没有别人的词，没有上帝视角。 身份和词对只在两个地方出现：服务端数据库，以及游戏结束后的复盘阶段。

四、踩坑实录（本文精华，建议细品）

这部分是我真正想写的。做这个项目三个月，代码层面的功能都不难，难的全是这些"文档里不会告诉你"的坑。

坑 1：健康检查通过，一到发言就挂

现象： 6 个模型配置好，前 5 个发言都正常，第 6 个必挂。但点"检测连接"显示一切正常，绿油油的。

排查： 我一开始怀疑是 Key 配错、并发太高、超时太短，挨个排除都不是。最后把那家模型的原始响应打出来才看到：

{
  "finish_reason": "length",
  "content": "",
  "reasoning_content": "（几千字的思考过程……）"
}

max_tokens 全被思维链吃掉了，正文一个字没吐。而健康检查只验证了"接口通、Key 对"，根本不触发完整生成——所以它是绿的。

解法： 按场景分级放大 token 上限和超时（发言 8000 / 独白 4000 / 投票 4000 / 反思 6000），前端流式超时也同步放到 200 秒。再跑，68 秒完整出稿。

教训：健康检查绿 ≠ 能干活。测推理模型一定要测全量生成，别测握手。

坑 2：模型把提示词"抄"出来了

现象： 某个开源小模型发言末尾经常挂着一坨东西：

……我的描述是：它是一种交通工具。
###
META###
{"suspect": 3}

我让它在 ###META### 标记后输出 JSON 供程序解析，结果它把标记格式背错了，JSON 泄漏到公开发言里——等于当众报出自己的怀疑对象，游戏直接没法玩。

解法： 双保险。服务端对各种畸形标记（###META###、### META ###、####META####……）做容错识别，流式输出阶段就掐掉；前端再兜一层清洗，处理代码围栏、行号复制这类花式污染。另外把提示词里的编号列表描述全去掉——小模型太爱照抄编号了。

教训：给弱模型的输出格式，越简单越防呆越好；解析端永远假设对方会犯错。

坑 3：卧底出局了，游戏还在继续

现象： 第一轮就把卧底投出去了，界面却提示"进入下一轮"。测试同学（我自己）当场血压拉满。

排查： 状态结算代码长这样：

const s = useGameStore.getState();
s.markEliminated(maxId);
const spy = s.agents.find(a => a.role === 'spy'); // ← 永远找得到

问题在于 getState() 拿的是旧快照，markEliminated 之后的 s.agents 还是淘汰前的状态。卧底"永远活着"。

解法： 变更后重新取状态再判定，并补了一条"卧底首轮出局直接终局"的回归测试。

教训：前端状态管理框架用得再顺手，变更后读快照这个坑该踩还是踩。涉及关键判定的地方，重新 getState() 一次不丢人。

坑 4：平票怎么办？一开始根本没设计

六个 Agent 各投各的，平票概率高得超乎想象。第一版我图省事：平票就重投。结果全员各一票的时候，重投一百次还是各一票——没有新信息进入系统，纯死循环。

后来老老实实拆成两种情况：

部分平票（比如 3 人并列最高）：平票候选人先答辩，其他人听完再投；
全员平票：说明这轮完全没共识，不淘汰任何人，直接进新一轮发言，让大家基于新信息重新判断。

这个坑让我想明白一件事：多 Agent 系统的"群体不收敛"是常态，必须显式设计分歧处理策略，不能指望它自己协商出来。

坑 5：内心独白在偷偷烧我的钱

现象： 有天看账单不对劲。查日志发现，用户只是在面板里来回切换不同 Agent 的独白，每切一次就调一次模型——可游戏局面根本没变啊！同一个输入重复付费，纯属冤大头。

解法： 按局面做签名缓存：模型 + 轮次 + 发言数量 + 淘汰情况 没变，直接复用缓存，并标注"当前局面缓存"。切 Agent 看 10 个人也只花 1 次的钱。

教训：LLM 又贵又慢，相同输入 → 相同输出的场景，一个都不要放过。

一张表总结

#	现象	根因	一句话解法
1	健康检查绿，发言必挂	思维链吃光 max_tokens	分场景放大 token + 超时
2	发言里漏 JSON 乱码	弱模型格式服从度差	服务端容错解析 + 前端清洗
3	卧底出局游戏不停	状态旧快照	变更后重取状态判定
4	平票死循环	未设计分歧语义	答辩重投 / 全员平票进新一轮
5	独白重复扣费	无缓存	局面签名缓存