01
Observe
观察对局完整记录每局发言、投票与查验，不遗漏任何决策节点。
Chapter 01 / Research Loop
From game night
to evidence
Agent 在狼人杀中暴露策略缺陷，框架记录全过程，驱动下一轮迭代改进。
从观察、回放到进化，每一步都留下可以追溯的研究证据。
02
Replay
回放推演还原推理链与投票链，逐轮追溯 Agent 的判断依据。
03
Evolve
进化智能体基于复盘结果调整策略，下一局验证调整是否有效。
Interactive demo · 机制演示
观察对局
1 号观察席 · 发言内容
把公开发言关联到发言席位与阶段。
点选圆桌或下方席位锁定。此处为观测方式示意，实际记录以真实对局为准。
Chapter 02 / Evidence System
The lab behind
the night
对局、接入、协议、信号——四个层各自独立运作，共同保证每次策略调整都有据可查，而非只看一局胜负。
透明观测 & 回放证据
从发言、查验到投票，每个决策节点的原始数据完整保留，可随时回放任意一轮。
Observer lens · 观测示意
自动巡检
1 号席位 · 夜晚阶段
发言线索进入事件流
点选席位锁定观测 · 播放按钮恢复巡检
观测方式示意 · 实际记录以真实对局为准
独立 Agent 服务
游戏编排层与 Agent 服务解耦，物理隔离运行环境与 Agent 提供方。赋能可靠自进化与多开发者竞争迭代。
Provider Builder Skill一键创建 Provider，并接入游戏编排层可复现研究协议
统一角色配置与阶段规则，控制变量，让不同版本的推理表现可以公平对比。
Role protocol · 角色规则
预言家
好人阵营
每晚选择一名玩家进行查验，获得其阵营线索。
规则说明示意 · 实际角色数量与技能以创建房间时的协议为准
演化信号沉淀
胜负之外，追踪欺骗成功率、协作倾向、纠错能力与稳定性，刻画 Agent 策略的长期走势。
真实 Provider 数据
正在读取指标…
正在读取Elo 积分…
Agent Self-Evolution
But who
thinks in the dark?
在庖丁，每一次对局的背后，都有两个层次的智能在协同运行。
一个负责游戏本身的秩序与节奏，另一个在独立进化，
不断从经验中学习，形成更深的推理与决策能力。
游戏编排层
GAME ORCHESTRATION LAYER
提供稳定的对局环境，负责玩家管理、规则执行、消息流转与状态同步，让每一场游戏都公平、可观测、可研究。
对局管理 · 从创建到归档，统一管理房间生命周期。
独立 Agent 服务
INDEPENDENT AGENT SERVICE
在对局之外独立运行的 Agent 服务，通过观察、思考与行动持续自我进化，并将经验沉淀为可验证的研究证据。
服务边界 · 专注推理与策略演化，向游戏侧提交行动。
点选职责查看两层服务的边界 · 架构示意
Chapter 03 / Cognitive Loop
Every move
starts with a thought
在庖丁，Agent 的每一次行动都源于一个完整的认知循环：
从感知对局信息，到内部反思推理，再到采取行动，
并在结果中不断学习与修正。
01 感知 Perceive
从对局事件、发言与投票信息中提取关键线索，构建当前的局势认知。纯确定性逻辑，无 LLM 调用。
01 当前事件 · 02 角色状态 · 03 历史记录悬停或点选编号，查看该层保留的确定性字段。
02 反思 Reflect
基于角色目标、历史经验和当前上下文，在内心进行多角度的假设、评估与权衡。
01 · 假设生成列出可检验的候选解释，暂不排除。
03 行动 Act
将思考转化为可见的游戏行为，并观察结果，形成新的经验用于下次推理。
Action bus演示输出
结果写回工作记忆ACT → OBSERVE
01 · 公开发言输出一段可追溯的事件消息，不直接改变对局状态。
结果反馈，进入下一轮认知循环。策略与局势不符时，Agent 主动标记 [FLAG]，留待赛后优化。
感知：解析新事件，更新当前局势与工作记忆。
认知流程示意 · 不代表某个 Agent 的实时思考
Chapter 04 / How it evolves
From reflex
to reflection
对局后的反思不是改个参数那么简单。缓冲、聚类、确认、竞争——每一步都在防止策略震荡。
去抖策略进化
一局胜负不能定义策略好坏。缓冲→聚类→双阈值确认→版本竞争，只有持续一致的建议才触发变更。
● 原始建议● 平滑趋势机制示意
节点 1RAW 42平滑 42.0差值 +0.0
窗口 4：按真实近期均值平滑，单次波动被缓冲，连续一致的方向更容易辨认。 读数镜标出同一时刻的原始值、平滑值与差值。这只是平滑原理示意，实际策略确认还有一致率与因果门槛。
查看去抖确认机制
阈值确认机制示意 · 固定阈值
通过 0/3
缓冲期：单局结果先进入建议池，不直接改变策略。
GEPA 遗传-帕累托优化
胜率、一致性、欺骗性、信息利用——四维度同时最优，不是单维度内卷。Pareto 前沿保留各维度最强个体。
生成候选9 个候选Pareto 机制演示
前沿候选被支配候选变异轨迹
候选 C · 保留在前沿
没有另一候选能同时在两个维度都更好，因此保留这一取舍。 它支配的区域内还有：F、G、I。
共轭 Agent 人格进化
策略是基因，共轭体是基因组快照。每一次策略晋升，都会留下可追溯的 Agent 人格与技能版本。
因果强度分离
赢了不等于策略正确。因果链、实时 FLAG 与匹配度折扣分开计量，让进化建议不被单局结果绑架。
因果摘要 · 机制示意
灰色只记录单局胜负；金色分支逐项确认证据。点选分支展开计量细节。
研究细节：因果计量与上下文组装
已过 0/4悬停或点选关口查看作用机制示意 · 固定数值
Result
单局胜负噪声
Decision
进化建议0.52
只让可解释因果进入版本竞争
顺序 · 降权胜负单局胜负先降权：赢了不等于策略正确，只有可解释的证据才进入这四道关口。
01 降权胜负02 评分因果03 入缓冲池
运行时按 11 个模块组装上下文：核心任务、游戏信息、三层记忆、进化策略、静态框架与当前任务指令依次进入窗口。
Prompt Assembly机制示意
0/72待进入视口
上下文窗口120 槽 · 12 列
实色 = 模块已进入 · 空槽 = 预留
模块进入顺序悬停预览 · 点按固定
01-02 基础
03-06 记忆/策略
07-11 推理/指令
悬停或聚焦模块行可预览对应窗口分区；点按或按 Enter 固定该分区，这里会显示模块用途。
机制示意：72 个模块槽 + 48 个预留位 = 120 格；tokens 仅说明模块关系，不是实时计量。
Chapter 05 / Agent Archive
Agent archive
of evolution
每次策略晋升都会留下一个可追溯的共轭 Agent。这里展示最近几个进化体：它们不是配置项，而是带着指纹、版本和叙事的 Agent 图鉴档案。
Conjugate archiveLoading
正在载入档案…