CI

CivAgent 文明智能体

让大语言模型在《Unciv》中扮演类人数字玩家

LLM智能体策略游戏
所属分类🗣️ AI NPC 与智能体
创作阶段🗣️ 玩法
工具类型⚡ AI 原生工具
支持平台Python、Unciv
价格模式免费开源
适合人群适合研究游戏智能体、提示词策略与大模型决策的开发者及研究者。
官网链接● 正常
资料更新2026-11-16

🧠 在 AI 创作链路中的位置

充当策略游戏中的数字玩家,展示大模型智能体的决策与交互能力

所属阶段:🗣️ 玩法 · AI 原生工具,直接用生成能力做生产

工具介绍

CivAgent 是一个基于大语言模型的智能体,可在回合制策略游戏 Unciv 中充当数字玩家。项目聚焦让模型理解游戏状态并参与策略决策,适合研究大模型智能体在游戏环境中的行为与交互。

核心能力

  • 基于大语言模型构建智能体
  • 面向 Unciv 策略游戏环境
  • 以数字玩家身份参与游戏
  • 支持游戏状态理解与策略决策

👍 优点

  • 为研究游戏智能体提供可实践场景
  • 定位清晰,便于开展策略决策实验

⚠️ 局限

  • 依赖外部大语言模型服务
  • 项目规模较小,社区支持相对有限

典型使用场景

  • 研究大语言模型在策略游戏中的决策表现
  • 测试智能体与游戏环境之间的交互流程

使用教程

进阶⏱ 约 30 分钟🎯 运行一名由 LLM 驱动的文明玩家
  1. 1

    准备运行环境

    安装 Python、Git 与 Unciv,在终端克隆 CivAgent:git clone https://github.com/fuxiAIlab/CivAgent.git,然后进入仓库并按 README 创建虚拟环境、安装依赖。

  2. 2

    配置大语言模型

    复制项目提供的环境变量或配置文件模板,填入模型 API 地址、密钥、模型名称及超时参数;密钥只放本地环境变量,不要提交到 Git。

  3. 3

    设置文明与策略参数

    在 CivAgent 的智能体配置中选择文明、玩家名称和策略提示词,设定决策温度、行动频率等参数;先用默认文明验证完整链路。

  4. 4

    连接 Unciv 对局

    按项目说明启动 CivAgent 与 Unciv 服务,在 Unciv 中创建或载入对局,添加智能体玩家并填写其连接信息,确认双方使用同一端口与房间。

  5. 5

    运行并观察决策

    启动智能体进程,在终端日志中检查模型请求、状态解析和动作提交;进入游戏观察其完成采集、探索或建设,并核对回合是否推进。

  6. 6

    接入游戏开发管线

    将 CivAgent 作为外部对局服务接入测试框架,用固定种子和可复现配置批量评估决策质量,并将日志、动作与胜率结果写入你的实验管线。

💡 实用技巧

  • 先验证单回合,再运行完整文明
  • 限制输出结构,避免无效游戏动作
  • 记录提示词、模型版本与回合日志
  • 用固定种子做策略对比实验

⚠️ 常见坑

  • API 密钥误写入配置文件或提交仓库
  • 端口、文明名称或回合协议不一致

完整图文教程:CivAgent 入门:接入第一个智能体玩家

📖 同类工具怎么选

AI NPC 与智能体负责让角色具备记忆、对话、情绪反馈和自主行动能力。本类工具横跨角色原型、即时交互、多人环境与游戏评测,选型时应重点考察记忆一致性、响应延迟、语音支持、引擎集成、可控性、成本与隐私方案。

阅读《AI NPC 与智能体游戏开发总览》

同类工具推荐