最近把几个主流大模型拉进了狼人杀局本来是想让 AI 当个陪练结果我自己的胜率掉到了三成以下。这个结果让我有点怀疑人生——我玩了五年狼人杀自认发言逻辑还算严密结果被一个没有“人格”的程序按在地上摩擦。冷静下来复盘了几十局之后我发现这事一点都不玄学AI 在信息处理、逻辑链条构建和情绪控制上的优势恰好精准打击了人类玩家的三大软肋。这篇博文就从我实际对战的经验出发聊聊为什么大模型能在狼人杀这种强社交、强逻辑、强演技的游戏里碾压普通玩家以及你如果也想搭一套自己的狼人杀 AI到底该怎么做。顺便分享一些我用 AI 复盘、练发言、甚至设计板子的实用技巧保证你读完能直接用上。1. 狼人杀 AI 的核心思路说服模型而非规则模型先说结论真正能打的狼人杀 AI靠的不是决策树不是行为规则库而是“语言博弈”。这是我们自己动手做过之后才彻底想通的道理。1.1 为什么传统游戏 AI 在狼人杀里行不通围棋有明确的状态空间AlphaGo 可以用蒙特卡洛树搜索配合策略网络逼近最优解星际争霸有可观测的单位属性和经济系统AlphaStar 可以在简化动作空间里做强化学习。但狼人杀本质上是一个“信息不完全、交流无限制、胜利条件随阵营变化”的对话游戏。传统 AI 的做法是把每个玩家的发言做意图分类踩人、保人、划水、跳神、穿衣服。然后维护一个“信任度矩阵”谁踩了谁、谁保了谁最后用图算法找出阵营归属。我早期也试过这条路效果非常糟糕。原因很简单狼人杀的高手发言天然是反分类的。预言家会故意模糊验人信息狼人会打“倒钩狼”战术平民会穿神职衣服挡刀。行为分类模型在这种“刻意制造噪音”的环境里准确率低到没法用。另一个死穴是信息不完整。传统 AI 需要明确的特征输入但狼人杀里“某人犹豫了两秒才发言”“某人在女巫发言时笑了一声”这些信息根本无法结构化。真人类玩家靠的是对“语气”“节奏”“用词习惯”这些软信号的感知这一点规则引擎完全无能为力。1.2 大模型的解题范式用语言赢下逻辑战大模型走的是完全不同的路。它不尝试拟合“某人是狼的概率”而是直接生成“如果我是好人我现在应该说什么”的发言文本。这个范式转换非常关键AI 不需要判断别人是不是狼它只需要生成一段让自己看起来像好人的话同时引导其他人去怀疑自己的目标。这里面的底层支撑来自大模型的三个能力叠加。第一是长文本上下文理解模型能记住前几轮所有人的发言要点第二是角色扮演能力大模型本来就是按“角色指令”训练的让它“你现在是预言家”比让它写代码还自然第三是策略性文本生成它见过海量的人类对话知道说什么话会引发什么反应。我实际测试下来GPT-4 级别的模型在“逻辑合理性”上已经超过 90% 的真人玩家。它不会忘记自己编过的验人结果不会在第三天把第一天说过的细节说漏更不会因为被预言家查杀就情绪失控。对普通玩家来说这些恰恰是致命伤。提醒一下如果你只是想自己玩没必要去训练模型。直接用 Claude、GPT、通义千问这类现成大模型把提示词设计好就已经能获得相当强的狼人杀 AI。后面我会给一套可以直接抄的提示词框架。2. 实战拆解让 AI 从“会说话”到“会撒谎”核心逻辑清楚了接下来看具体怎么实现。我自己用的是“上下文注入 规则约束 发言生成”三段式方案全部基于现成大模型的 API 完成不需要微调。2.1 第一层身份与状态注入AI 必须清楚自己是谁。这一步看似简单实际坑最多。我的第一版提示词只写了“你是一个玩家”结果模型经常在发言里说“作为一个人工智能”直接自爆。正确的做法是把身份拆成三个层级每次都完整注入静态身份你的座位号是 4 号你的身份牌是狼人你的狼队友是 2 号、7 号。动态状态当前是第三天白天你昨天被 1 号玩家查验并查杀女巫还没有使用解药。立场目标你当前的首要目标是活过今天投票次要目标是让 9 号玩家成为焦点因为他昨天投了你。第二层动态状态是最容易忽略的。很多开源项目只做第一层结果 AI 在第三天发言时完全忘了自己第二天说过什么。解决的办法是把每轮所有玩家的发言摘要、投票记录、验人信息全部压缩成结构化状态拼接到系统提示词里。这里有个“上下文预算”的问题。大模型的窗口是有限的不可能把所有原文塞进去。我的做法是每轮结束后用模型自己把关键信息提炼成“事实列表”下一轮直接注入这个列表而不是原始发言记录。信息压缩之后既省了 token又避免模型被冗长发言干扰。2.2 第二层规则约束与发言风格控制规则约束是防止 AI 说出“我是 AI”这类话的关键。我总结了一套“禁令列表”效果非常明显禁止出现“作为一个人工智能”“作为一个语言模型”等任何自我指涉词汇。禁止在发言中提及“概率”“策略”“逻辑分析”等抽象术语要用具体的人和事说话。禁止一次性输出超过 200 字狼人杀发言讲究精炼一碗水端平的小作文反而招人怀疑。禁止使用“我认为”“我觉得”作为开头高玩发言都是直接下判断。发言风格控制方面我试过两种路线。一种是“模仿某类玩家”比如“你是一个谨慎保守的玩家说话慢喜欢先听别人说完再表态”另一种是“风格关键词注入”比如“你的发言风格简短、有力、常用反问句、不轻易站边”。实测下来第二种效果更好。原因是第一种路线容易触发大模型的“角色扮演泛化”生成出来的发言过于模板化而关键词注入能更精准地影响生成的概率分布。比如加了“常用反问句”之后模型真的会在发言结尾追问别人“所以你昨晚到底去验了谁你敢报出来吗”这已经很像真人高玩的语气了。2.3 第三层带记忆的发言生成这一层是决定 AI 是“工具”还是“玩家”的分水岭。没有记忆的 AI 只能做单轮对话一旦进入多轮博弈立刻露馅。我的方案是设计一个“状态记忆模块”用 Python 代码在每次发言前自动拼接提示词。核心逻辑如下# 狼人杀 AI 状态管理示例 class WerewolfState: def __init__(self): self.day 1 self.role None self.players {str(i): {alive: True, claims: {}, votes: [], speeches: []} for i in range(1, 13)} self.my_notes {} # 模型自己生成的推理笔记 def add_speech(self, player_id, content): self.players[player_id][speeches].append(content) # 每轮结束后调用 LLM 生成事实摘要存入 my_notes summary self.llm_summarize(f{player_id} 这轮说了什么关键信息) self.my_notes[fday{self.day}_{player_id}] summary def build_prompt(self): # 把事实摘要和当前局面拼进系统提示词 system f你是{self.role}当前是第{self.day}天白天。\n system 你掌握的关键信息如下\n for note in self.my_notes.values(): system f- {note}\n system 玩家状态摘要\n # 省略具体拼接逻辑核心是只注入摘要不注入原文 return system这个模块的核心价值在于“两次生成”第一次生成摘要第二次生成发言。第一次生成时模型把原始信息压缩成逻辑要点第二次生成时模型基于这些逻辑要点做推理和表达。两次生成互不干扰比直接在原文上生成发言稳定得多。有人会问为什么不让模型一次性完成“理解-推理-表达”原因是上下文太长之后模型容易在细节上迷失生成出来的发言要么啰嗦要么逻辑断裂。拆成两步之后每步的上下文都很干净生成质量显著提高。代价是多了一次 API 调用但对一局狼人杀来说这个成本完全可接受。3. 实测AI 在不同角色上的表现差异纸上谈兵没意思我直接把 AI 放进了 12 人标准局里分别测试了预言家、女巫、狼人、平民四个位置。每个位置跑了 20 局结果差异非常大。3.1 预言家AI 的绝对优势区预言家是 AI 最恐怖的位置。原因很简单预言家需要精准记住验人结果和时间线这是大模型的长项。真人玩家最常见的失误是“记错验人顺序”或者“报错信息被别人抓住漏洞”AI 完全不会犯这种错。我实测中 AI 预言家最亮眼的表现是“警徽流”处理。它会在第一天警上发言时清晰报出“我验了 5 号是金水。警徽流先 3 后 8因为 3 号竞选警长时发言变形8 号在 5 号发言后有过一次明显停顿。”这种发言的高明之处在于它给了一个完整的“思考链条”让好人阵营能够顺着这个链条去验证而绝大多数真人玩家根本做不到这点。当然AI 预言家也有弱点演技不足。当它被狼队抗推时它生成的“遗言”往往充满理性的愤怒但缺少那种“被冤枉的颤抖感”。这个短板在熟人局里会被放大但在陌生人局里玩家反而会因为它的冷静而更相信它是真预言家。3.2 狼人策略优秀演技拖后腿狼人位置的表现让我又爱又恨。AI 在战术层面的表现堪称完美它在第一天会选择“悍跳预言家”而且跳得非常坚决给好人阵营制造了巨大混乱。在我专门设计的“多智能体对抗”测试中5 个 AI 互相对战悍跳狼的胜率达到了 70% 以上。但问题出在“渐进式撒谎”上。演技派的狼人玩家会在第一天说七分真话、三分假话然后根据场上反应慢慢调整AI 更倾向于“一整段逻辑严密的假话”。这种假话在面对高水平好人时反而更容易被识破——因为真人讲真话时会有犹豫、修正、补充这些自然瑕疵AI 的发言太流畅了。我在提示词里尝试加入“语言瑕疵”指令比如“偶尔在发言中停顿一下用嗯...或者等一下”效果确实有改善但改善有限。这可能是未来狼人杀 AI 最重要的优化方向。3.3 女巫与平民工具人角色的意外惊喜女巫是 AI 表现最稳定的位置。由于女巫的信息优势知道夜间死讯和执行优势可以决定救不救人AI 能把这套信息完美转化为语言优势。它会在第二天准确说出“昨晚 6 号倒牌了我是女巫我救了 6 号”然后顺势把怀疑引向 7 号和 9 号。这种信息压制的打法真人玩家根本防不住。平民位置本来是最难打的——没有任何信息优势全靠逻辑推理和踩狼节奏。但 AI 平民交出了一份让人意外的答卷它在无法确定狼坑时的发言非常稳会刻意站队但保留余地“我暂时认 1 号是预言家但是 4 号昨天的行为我还是放不下”。这种“弹性站边”的水平超过了我见过的大多数中低端玩家。角色逻辑严谨度演技表现稳定性综合评级预言家极高中极高S狼人极高低高A女巫高中极高A平民高中高B整体趋势很明显角色越依赖“信息的完整利用”AI 表现越强角色越依赖“人情世故和表演”AI 表现越弱。4. 技术拆解我用的模型、工具与提示词框架说完了实测回到更硬核的部分讲讲我这套方案具体是怎么搭起来的。4.1 模型选型与 API 接入我主要测试了三个模型GPT-4o、Claude 3.5 Sonnet、通义千问 Max。结论是GPT-4o 综合表现最强尤其在“长时间多轮对话不跑题”方面明显领先。Claude 3.5 Sonnet 的“共情能力和语气把控”最好生成的发言更像真人。通义千问 Max 性价比最高效果和 GPT-4o 差距不大但价格便宜一个量级。API 接入很简单用官方 SDK 就行。我以通义千问为例因为它接入最方便且文档是全中文的import dashscope from dashscope import Generation def llm_generate(prompt, system): response Generation.call( api_keyyour-api-key, modelqwen-max, promptprompt, systemsystem, max_tokens300, temperature0.8 ) return response.output.text这里 temperature 我特意设到了 0.8。如果太低比如 0.2AI 每轮发言会变成同一个套路如果太高比如 1.2发言会开始胡言乱语。0.8 是个比较平衡的点既能保证逻辑稳定又能让每轮发言有些微变化避免被其他玩家摸清“AI 说过的句式”。4.2 提示词框架一份可直接复用的模板这是我踩了无数坑之后整理出来的完整提示词模板删掉了身份相关字段你根据自己的牌型填空就能用你是狼人杀游戏中的 {角色} 玩家。你正坐在 {座位号} 号位置。 【当前局面】 第 {X} 天 {白天/夜晚}。 存活玩家{存活列表} 昨夜信息{死亡/查验信息} 场上发言记录摘要{事实摘要列表} 你此前的发言要旨{自己的历史发言摘要} 【你的决策】 你当前的目标优先级 1. {首要目标} 2. {次要目标} 【发言要求】 - 每次发言不超过 {100-200} 字。 - 直接输出发言内容不要输出任何解释或分析。 - 发言中禁止出现“作为AI”“作为模型”“我的职责”等表述。 - 不要提及“概率”“策略”等抽象词汇用具体的人和事说话。 - 你的语气风格{简短/有力/多反问/带口头禅} 请开始你的发言这个模板的核心在于四点身份、局面、目标、风格约束。缺一不可。我见过太多人只写前两点结果 AI 生成出来的发言像在做阅读理解题完全没有狼人杀的“人味儿”。4.3 多智能体架构让 AI 自己和自己玩如果你想直接看 AI 与 AI 对战可以做一个“多智能体房间”。我实现了一个简化版# 多智能体狼人杀房间 - 简化版 class AIGameRoom: def __init__(self, player_names, model_list): self.players player_names self.models model_list # 每个玩家可以绑定不同的模型 self.game_state WerewolfState() def run_round(self): for player in self.players: if player.is_alive(): prompt self.build_player_prompt(player) speech self.models[player.id].generate(prompt) print(f【{player.name}】: {speech}) self.game_state.add_speech(player.id, speech) def resolve_vote(self): # 本轮收集所有玩家“我要投X号”的意图根据多数决执行 pass这个架构的好处是你可以做“混合局”——比如让 2 个 AI 和 8 个真人同玩。AI 之间的交流通过 API 完成AI 和真人之间的交流则需要一个界面。我见过有人把 AI 接入语音合成接口直接语音发言效果非常惊人桌上的真人玩家完全没察觉到对面是机器人。5. AI 帮我提升狼人杀水平语音复盘与话术训练被 AI 虐过之后我开始反向利用它。狼人杀水平能不能练能。关键在复盘和话术。5.1 用 AI 做即时复盘狼人杀复盘是个很费时间的事尤其要回想每个人每一轮说了什么。我用 AI 之后复盘效率提升了十倍。做法是把整局发言记录复制给大模型让它按“时间线-关键发言-可疑行为-站边变化”四个维度输出复盘报告。模型能自动标出谁在什么时候倒钩、谁在关键时刻沉默、谁的发言前后逻辑矛盾。这些分析在过去只能靠高玩带复盘才能听到现在 AI 能一个人全干完。更狠的是“假设推演”。我会让 AI 回答“假如 3 号真的是预言家他第二天应该怎么发言才能拉回场上摇摆的好人”AI 会生成一个完整的备选发言方案。我再用这套方案和场上实际情况对比很快就能发现自己当时发言的差距在哪。5.2 构建自己的“发言武器库”用 AI 训练话术的核心思路不要即兴发挥而是提前准备好“场景-话术”映射表。比如场景我第一天被真预言家查杀我底牌是狼。话术结构先质疑预言家身份 → 再把焦点转移给另一个好人 → 最后自己提出反验要求。AI 可以按这个结构生成多个版本的完整发言。我把它们归类到“话术库”里实战时直接套用结构再根据场上情况进行微调。这个方法的本质是把“临场应变”转化为“模板匹配”对中低端玩家提升非常大。我最常用的一个提示词格式是你是狼人杀高手。请帮我生成 3 种不同的发言组合。 我当前的局面{局面描述} 我需要达成的目标{目标描述} 要求三种发言要分别适合“激进型”“稳健型”“反转型”三种打法。 每种发言控制在 150 字以内并说明该话术的适用场景和风险。输出质量非常高尤其是“反转型”打法——那种前面故意划水、关键时刻站出来一锤定音的发言AI 写得比我自己想的精彩多了。提示AI 生成的话术在“拿狼悍跳”“拿好人站边”这两种场景下提升最快因为这两个场景的发言结构高度模板化。而像“女巫要不要救人”这种信息决策场景AI 帮助有限因为决策质量取决于场上信息的完整程度话术再好也没用。6. 未来展望狼人杀 AI 会改变什么最后想聊一个更大的话题狼人杀 AI 的到来不只是多了一个“强力陪练”而是会改变这个游戏的生态。6.1 游戏公平性与作弊问题狼人杀是一个强信息博弈游戏AI 的存在带来了天然的不公平。如果我把 AI 接入实时语音转文字再让 AI 分析场上局势并给出话术建议这本质上就是“带了个外挂大脑”。这比游戏里用插件看身份严重得多——因为没有“外挂痕迹”行为上和真人无异。目前主流规则里还没有针对 AI 协助的规定但我觉得这个问题的讨论时机已经成熟了。就像国际象棋比赛禁止引擎辅助一样狼人杀线下赛迟早要面对这个问题。可能的限制方向包括禁止携带电子设备、限制思考时间、随机抽验发言等方式。但从技术层面看“限制”很难做到绝对有效因为 AI 辅助可以很隐蔽。6.2 AI 好友不完美但已经够用对我来说狼人杀最大的痛苦是“找齐 12 个认识的人且大家时间对得上”。AI 的出现补上了这个缺口。虽然 AI 玩家目前的演技还有限但它已经能提供基本的压力测试和逻辑对抗。而且AI 不会甩锅、不会迟到、不会因为被抗推就发脾气。对于只想练逻辑、不想处理社交关系的玩家来说AI 是完美的练手对象。可以预见的是未来的狼人杀 App 一定会内置 AI 陪玩模式。从技术条件看这已经完全成熟了剩下的只是产品形态和体验优化的问题。6.3 个人建议学会和 AI 做队友经过几十局对战后我的最大体会是不要试图“打败 AI”把它当成一面镜子用来照自己的逻辑短板。当你发现自己每次都猜不到 AI 是狼时说明你的“信息收集能力”不够你在场上没有仔细听每个人的发言细节当你发现 AI 狼悍跳总能把节奏带飞时说明你的“站边判断能力”需要练——你倾向于跟着节奏走路而不是自己建立标准独立判断。AI 帮你看清了自己的弱点这才是它最值钱的地方。根据我个人的经验被 AI 虐不是丢人的事是入门的开始。和一个不会犯错、不会情绪化的对手打过之后你再回到真人局应对那些“阴阳怪气”“蓄意带节奏”的发言你会发现自己稳多了。狼人杀的终极目标不是赢每一局而是让自己的逻辑链条在任何局面下都不崩。这件事AI 真的是最好的陪练。