新闻详情

新闻详情

首页 / 资讯中心 / 详情

把 LLM 接入 Minecraft:Mindcraft AI 代理上手教程

发布时间:2026/11/16 1:56:12来源:尧图网络
把 LLM 接入 Minecraft:Mindcraft AI 代理上手教程
把 LLM 接入 MinecraftMindcraft AI 代理上手教程【免费下载链接】mindcraftMinecraft AI with LLMsMineflayer项目地址: https://gitcode.com/GitHub_Trending/mi/mindcraftMindcraft 是一个基于 Mineflayer 的开源框架把 LLM 接入 Minecraft让 AI 代理在游戏内与你对话并执行收集、合成、烹饪、建筑这类任务。本文按先跑起来、再换模型、后谈安全的顺序讲一遍适合有基本 Node.js 基础、没接触过 Mineflayer 的读者。三个具体场景让它盖房、下厨、跑材料先说它能干什么再看原理。让它帮你盖房子。指定一个建筑任务它会自己去砍树、合成木板、挖地基、逐格放方块直到房子成型。tasks/construction_tasks/ 里有现成模板比如small_wood_house、large_house。让它下厨做饭。它会走到灶台前操作、按配方出餐。tasks/cooking_tasks/ 里甚至有多个代理分工协作的厨房场景。让它跑材料。说给我 3 把铁镐它会自己挖矿、冶炼、合成全程不需要你接管。系统怎么运转大脑、身体、技能三层整个系统可以拆成三层各干各的事。决策层是 LLM。每轮循环代理把自己的状态聊天、背包、周围方块打包成提示词发给模型由模型决定下一步说什么、做什么。执行层是 Mineflayer。它是一个无界面客户端连上你的 Minecraft 世界后负责真正走路、挖掘、放方块、开箱子这些体力活。技能层由动作库和任务模板组成。src/agent/library/ 定义了模型能调用的动词集合tasks/ 下的 JSON 是预置的多步骤目标用--task_path加--task_id参数即可指向其中一条。最快跑起来前置条件与首跑步骤前置条件三条Node.js ≥18已安装 Minecraft Java 版一个可用的 LLM API 密钥或者本地跑着 Ollama。git clone https://gitcode.com/GitHub_Trending/mi/mindcraft cd mindcraft npm installnpm install结束时会通过 patch-package 应用 patches/ 目录下的补丁属于正常现象。然后复制keys.example.json为keys.json填入你选用的那一家密钥即可其他字段留空没影响。接着在 Minecraft 里打开一个世界并对局域网开放默认端口 55916如果你改过端口同步修改 settings.js 里的port。最后node main.js启动后 mindserver 会监听 8080默认auto_open_ui会自动打开浏览器界面游戏里也能看到代理上线。给 AI 选大脑云端 API 与本地 Ollama 怎么选模型和角色都由 profiles/ 里的文件决定。andy.json、gpt.json、claude.json、gemini.json各声明一个模型名和参数settings.js的profiles数组控制谁入场。云端 APIOpenAI、Claude、Gemini 开箱即用任务完成质量更稳定但按 token 计费需要密钥。本地 Ollama默认连http://127.0.0.1:11434把 profile 里的模型名指向本地模型即可无 token 成本能力上限取决于你自己的硬件。想同时开几个代理用--profiles参数直接覆盖配置例如node main.js --profiles ./profiles/claude.json ./profiles/gpt.json。注意多代理场景下游戏里需要分别/msg每个 bot 单独对话。安全红线代码执行为什么默认关闭Mindcraft 允许模型动态生成并在你的机器上运行 JavaScript等于把解释器交给 LLM而模型输出不可预测。所以 settings.js 中allow_insecure_coding默认为false视觉输入开关allow_vision也默认关闭。想试动态代码就把allow_insecure_coding设为true并且不要连接公开服务器容器隔离是推荐做法docker-compose upcompose 文件里 3000-3003 端口是代理的第一视角相机画面8080 是 mindserver 界面settings.js和keys.json会以卷的形式从宿主机挂进容器。卡住时按这张清单排查症状先查哪里连不上世界Minecraft 局域网端口是否真是 55916与settings.js的port是否一致模型无响应keys.json密钥是否粘贴完整账号余额是否足够版本不匹配报错Minecraft Java 版版本是否与 Mineflayer 兼容minecraft_version默认auto容器内连不上防火墙/网络是否拦截宿主机到 Minecraft 端口的访问生成超时把settings.js的spawn_timeout调大默认 30 秒想往下扩展入口有三个在 src/agent/library/skills.js 给模型新增动作启用 src/agent/vision/ 让代理解读自己的画面或者用--profiles开多个代理分头完成建筑与烹饪任务。【免费下载链接】mindcraftMinecraft AI with LLMsMineflayer项目地址: https://gitcode.com/GitHub_Trending/mi/mindcraft创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/14 10:11:15

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/14 17:14:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/15 4:06:36

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉