当前 AI 对话基本是「人→AI」单向交互,而 AI 之间的自主对话能力尚缺乏直观的观察和实验工具。本项目构建了一个 AI 交流模拟沙箱,将多个 AI Agent 置于同一封闭环境中,让它们自主进行角色扮演、对话协商、推理博弈等复杂互动,为研究人员和爱好者提供一个观察 AI 群体行为的可视化平台。
点击空白处退出提示
当前 AI 对话基本是「人→AI」单向交互,而 AI 之间的自主对话能力尚缺乏直观的观察和实验工具。本项目构建了一个 AI 交流模拟沙箱,将多个 AI Agent 置于同一封闭环境中,让它们自主进行角色扮演、对话协商、推理博弈等复杂互动,为研究人员和爱好者提供一个观察 AI 群体行为的可视化平台。
核心功能为 AI Agent 多智能体模拟引擎:支持同时运行多个本地大模型实例,在预设场景中自主交流。内置四大实验场景:狼人杀推理场景(AI 发言→投票→淘汰,观察博弈逻辑)、文字冒险场景(AI 生成分支剧情并互相影响决策)、占卜对话场景(AI 间一问一答的趣味交互)、多人自由聊天场景。所有对话通过 WebSocket 实时推送到前端可视化面板,支持日志回放和对话分析
。
本项目为 Vibe Coding 项目,我通过 AI 辅助工具独立完成全栈开发。前端使用 Vue +JavaScript 构建 Agent 对话可视化界面;后端采用 Java Spring Boot 管理 Agent 生命周期和WebSocket 通信;桌面端用 Electron 打包为本地应用;AI 层通过 Ollama API 驱动多个本地大模型实例并行运行。核心难点是多 Agent 并发对话时的状态同步和上下文管理——每个 AI Agent独立维护自己的对话记忆和决策上下文,同时通过共享事件总线感知其他 Agent 的发言和行动。技术亮点:实现了一套 Agent 回合调度器,确保多个 AI 在狼人杀等时序敏感场景中严格按规则发言和投票。




评论