app.py v1

app.py

@@ -1,40 +1,37 @@
+import json
+import re
+import os
+from openai import OpenAI
 from agent_build_sdk.builder import AgentBuilder
 from agent_build_sdk.model.model import AgentResp, AgentReq, STATUS_DISTRIBUTION, STATUS_ROUND, STATUS_VOTE, \
     STATUS_START, STATUS_VOTE_RESULT, STATUS_RESULT
 from agent_build_sdk.sdk.agent import BasicAgent
 from agent_build_sdk.sdk.agent import format_prompt
-
-from prompts import DESC_PROMPT, VOTE_PROMPT
 from agent_build_sdk.utils.logger import logger
 
-from openai import OpenAI
-import os
-
+from prompts import DESC_PROMPT, VOTE_PROMPT
 
 class SpyAgent(BasicAgent):
-
     def perceive(self, req=AgentReq):
         logger.info("spy perceive: {}".format(req))
-        if req.status == STATUS_START:  # 开始新的一局比赛
+        if req.status == STATUS_START:  
             self.memory.clear()
             self.memory.set_variable("name", req.message)
             self.memory.append_history(
                 '主持人: 女士们先生们，欢迎来到《谁是卧底》游戏！我们有一个由6名玩家组成的小组，在其中有一名卧底。让我们开始吧！每个人都会收到一张纸。其中5人的纸上拥有相同的单词，而卧底则会收到含义上相似的单词。我们将大多数人拿到的单词称为"公共词"，将卧底拿到的单词称为"卧底词"。一旦你拿到了你的单词，首先需要根据其他人的发言判断自己是否拿到了卧底词。如果判断自己拿到了卧底词，请猜测公共词是什么，然后描述公共词来混淆视听，避免被投票淘汰。如果判断自己拿到了公共词，请思考如何巧妙地描述它而不泄露它，不能让卧底察觉，也要给同伴暗示。每人每轮用一句话描述自己拿到的词语，每个人的描述禁止重复，话中不能出现所持词语。每轮描述完毕，所有在场的人投票选出怀疑是卧底的那个人，得票数最多的人出局。卧底出局则游戏结束，若卧底未出局，游戏继续。现在游戏开始。')
-        elif req.status == STATUS_DISTRIBUTION:  # 分配单词
+        elif req.status == STATUS_DISTRIBUTION:  
             self.memory.set_variable("word", req.word)
             self.memory.append_history(
                 '主持人: 你好，{}，你分配到的单词是:{}'.format(self.memory.load_variable("name"), req.word))
-        elif req.status == STATUS_ROUND:  # 发言环节
+        elif req.status == STATUS_ROUND:  
             if req.name:
-                # 其他玩家发言
                 self.memory.append_history(req.name + ': ' + req.message)
             else:
-                # 主持人发言
                 self.memory.append_history('主持人: 现在进入第{}轮。'.format(str(req.round)))
                 self.memory.append_history('主持人: 每个玩家描述自己分配到的单词。')
-        elif req.status == STATUS_VOTE:  # 投票环节
+        elif req.status == STATUS_VOTE:  
             self.memory.append_history(req.name + ': ' + req.message)
-        elif req.status == STATUS_VOTE_RESULT:  # 投票环节
+        elif req.status == STATUS_VOTE_RESULT:  
             out_player = req.name if req.name else req.message
             if out_player:
                 self.memory.append_history('主持人: 投票结果是：{}。'.format(out_player))
@@ -53,43 +50,74 @@ class SpyAgent(BasicAgent):
                                     "word": self.memory.load_variable("word"),
                                     "history": "\n".join(self.memory.load_history())
                                     })
-            logger.info("prompt:" + prompt)
+            logger.info("prompt:\n" + prompt)
             result = self.llm_caller(prompt)
-            logger.info("spy interact result: {}".format(result))
-            return AgentResp(success=True, result=result, errMsg=None)
+            logger.info("spy interact raw result: {}".format(result))
+            
+            # 提取 JSON 中的发言内容，如果解析失败给个保守的保底回复
+            speak_content = self.extract_json_field(result, "speak", fallback="这东西挺常见的，大家应该都熟悉。")
+            logger.info("spy final speak: {}".format(speak_content))
+            return AgentResp(success=True, result=speak_content, errMsg=None)
 
         elif req.status == STATUS_VOTE:
             self.memory.append_history('主持人: 到了投票的时候了。每个人，请指向你认为可能是卧底的人。')
-            choices = [name for name in req.message.split(",") if name != self.memory.load_variable("name")]  # 排除自己
+            choices = [name for name in req.message.split(",") if name != self.memory.load_variable("name")]  
             self.memory.set_variable("choices", choices)
             prompt = format_prompt(VOTE_PROMPT, {"name": self.memory.load_variable("name"),
                                                  "choices": choices,
                                                  "history": "\n".join(self.memory.load_history())
                                                  })
-            logger.info("prompt:" + prompt)
+            logger.info("prompt:\n" + prompt)
             result = self.llm_caller(prompt)
-            logger.info("spy interact result: {}".format(result))
-            return AgentResp(success=True, result=result, errMsg=None)
+            logger.info("spy interact raw result: {}".format(result))
+            
+            # 提取 JSON 中的投票目标，如果解析失败默认投给列表第一个人
+            fallback_vote = choices[0] if choices else ""
+            vote_target = self.extract_json_field(result, "vote", fallback=fallback_vote)
+            logger.info("spy final vote: {}".format(vote_target))
+            return AgentResp(success=True, result=vote_target, errMsg=None)
+
         else:
             raise NotImplementedError
 
+    def extract_json_field(self, text, field, fallback):
+        """解析大模型返回的 JSON 并提取指定字段"""
+        if not text:
+            return fallback
+        try:
+            # 1. 尝试匹配 ```json ... ``` 包裹的内容
+            match = re.search(r'```(?:json)?\s*(\{.*?\})\s*```', text, re.DOTALL)
+            json_str = match.group(1) if match else text
+            
+            # 2. 解析 JSON
+            data = json.loads(json_str)
+            
+            # 3. 提取字段并清理可能存在的多余空格
+            result = str(data.get(field, fallback)).strip()
+            return result
+        except Exception as e:
+            logger.error(f"JSON解析失败: {e}, 原始内容: {text}")
+            return fallback
+
     def llm_caller(self, prompt):
         client = OpenAI(
             api_key=os.getenv('API_KEY'),
             base_url=os.getenv('BASE_URL')
         )
+        
+        # 增加 System Prompt 强化 JSON 输出要求，并将 temperature 调至 0.7 增加发散性
         completion = client.chat.completions.create(
             model=self.model_name,
             messages=[
-                {'role': 'system', 'content': 'You are a helpful assistant.'},
+                {'role': 'system', 'content': '你是一个顶尖的逻辑推理大师和心理博弈专家。你必须严格按照要求以 JSON 格式输出你的思考过程和行动。'},
                 {'role': 'user', 'content': prompt}
             ],
-            temperature=0
+            temperature=0.7 
         )
         try:
             return completion.choices[0].message.content
         except Exception as e:
-            print(e)
+            logger.error(f"LLM调用异常: {e}")
             return None