给了AIAgent人设、知识库和规则,为什么它还是不会真正“做事”

👀

很多人在做 AI Agent 时，大概都会从几件事开始：先给它一个身份，告诉它是谁；再放进去一套知识，让它知道这个领域里有哪些东西。然后补上规则，告诉它什么能做、什么不能做；最后再加一些性格和表达习惯，让它说出来的话更像一个具体的人。

我最开始做 AI 狼人杀时，也是这么想的。

而且那时候我真正担心的，并不是 AI 会不会玩狼人杀，而是桌上十个 AI Agent 最后会不会像同一个人在说话。

所以一开始，我花了不少精力去做不同玩伴的性格。有人更直接，有人更谨慎，有人习惯先观察，也有人更喜欢主动质疑别人。我希望它们从说话方式、表达节奏到思考习惯，都能明显不一样。

至于狼人杀本身，我当时反而没觉得有多难。毕竟这是一个已经非常成熟的游戏，规则很清楚，网上也有大量攻略、套路和发言资料。

我当时真的觉得：这些东西给够了，AI 不就会了吗？

后来才发现，我把这件事想得太简单了。

01｜知道规则，不代表知道这一刻该怎么做

真正开始跑游戏以后，我很快碰到了第一个问题：AI 并不是不知道规则，而是它知道规则以后，还是经常不知道这一刻到底该怎么做。

比如预言家。它知道自己可以跳身份，也知道可以报验人，但真正进入一局以后，马上就会出现很多没法靠一句规则回答的问题：现在要不要跳？手里有金水，要不要马上报？如果前面已经有人跳了预言家，自己应该怎么处理？

狼人也是一样。它当然知道“狼人可以悍跳”，但知道有这个玩法，和知道这一局到底该不该跳，其实完全是两回事。

同一个动作放在不同局面里，可能是对的，也可能是错的。狼人杀真正复杂的地方，并不是规则本身有多难，而是每一种玩法都会和当时的身份、位置、已经公开的信息以及其他人的行为交织在一起。

做到这里我才慢慢意识到，规则解决的是“什么可以做”，但真正玩游戏要解决的是“此时此刻，什么值得做”。

这两个问题看起来很接近，背后其实是完全不同的难度。

规则告诉AI“有哪些动作可以做”，真正进入一局以后，还要判断“这一刻为什么要这样做”。

02｜性格慢慢做出来了，游戏却还是不好玩

更有意思的是，我最开始最担心的那个问题——不同 AI Agent 有没有不同性格——反而慢慢能做出一些效果了。

有的说话比较直接，有的更谨慎，有的喜欢先观察，有的会主动质疑别人。如果只看单句发言，它们确实已经不像同一个人了。

但我真正坐下来玩的时候，还是会有一种很明显的感觉：不好玩。

一开始我也说不清到底哪里不对，后来连续看了很多轮发言以后，问题才慢慢变得清楚。

比如有人明确质疑了某个玩家，等轮到那个玩家发言时，他可能根本不回应；桌上已经说了一圈，到了后置位，还是会有人说“现在信息还不够，我再观察一下”“我觉得某个人有点可疑，但还不能确定”。

大家都在猜，也都在分析别人为什么这么说，但真正属于狼人杀的信息反而没有被打出来。有人不愿意明确报信息，有人不太愿意下判断，被质疑以后也不一定正面回应，局面已经到了需要有人往前推的时候，大家还在继续“看看再说”。

这时候会出现一种很奇怪的状态：他们像十个不同的人，但不像十个正在玩狼人杀的人。

有时候甚至更像一群朋友坐在那里聊狼人杀。话说了不少，游戏本身却没怎么往前走。

表达风格已经不同，但如果不回应、不判断、不推动局面，游戏依然不会真正发生。

03｜我一开始可能把“性格”看得太重了

做到这里，我开始重新想一个问题：一个 AI Agent 像不像某个角色，到底应该看什么？

我原来一直在想，怎么让它“说得像一个不同的人”。但真正影响游戏体验的，后来已经不是它怎么说，而是它怎么选。

一个 AI Agent 说话听起来很强势，不代表它真的强势。

·  真正到了别人都不愿意给判断的时候，它会不会先站出来？

·  被人点名质疑以后，它会不会正面回应？

·  手里有重要信息的时候，它什么时候说、说到什么程度？

·  前面的判断被新信息推翻以后，它下一轮会不会调整？

这些东西，不是多加几个语气词就能解决的，也不是在设定里写一句“你是一个果断、有攻击性的人”，它就真的会这样行动。

所以我现在会觉得，说话方式可以把不同角色区分开，但真正让角色成立的，是它在不同局面里会怎么做选择。

到了这里，我原来那个“把人物性格设计好，Agent 就会越来越像真人”的思路，其实已经不够用了。

04｜复杂 AI Agent，至少要拆成三层来设计

重新回头看这个项目，我觉得自己最开始其实把几个完全不同的问题混在了一起。

第一层是：角色设定。

它是谁，知道什么，有什么边界，平时更倾向于怎么表达。这一层决定的是这个 Agent 的基本轮廓，也是最容易被看到的一层，所以我们很自然会先花时间把它做好。但如果场景开始变复杂，只做到这里远远不够。

第二层是：状态理解。

Agent 要知道自己现在到底处在什么局面里。前面发生了什么，哪些信息已经确定，哪些还只是猜测，自己上一轮做过什么判断，别人又做出了什么回应。

放到狼人杀里，如果它不知道谁已经跳过身份、谁质疑过谁、自己上一轮站过谁，那么这一轮哪怕单独推理得很聪明，也很容易和整局游戏脱节。

第三层是：决策机制。

也就是当局面发生变化以后，它到底凭什么决定下一步做什么。

它这一刻最重要的目标是什么？有哪些动作可以选？什么时候应该继续隐藏，什么时候需要公开信息？什么时候必须回应别人，什么时候反而应该主动把局面往前推？如果几个目标互相冲突，谁排在前面？这一层也是我最开始最容易忽略的地方。

我原本给了 AI 身份、规则和大量玩法资料，以为它“知道得足够多”以后，自然就会做出合理选择。真正跑起来以后才发现，知道有哪些选择，和知道现在为什么应该选这个，是两种完全不同的能力。

所以如果现在让我重新看一个复杂 AI Agent，我会把这三层分开：

角色设定决定它是谁，状态理解决定它现在看到了什么，决策机制决定它下一步为什么这么做。

复杂Agent不能只做人设，还要把“看懂当前状态”和“根据状态做决策”单独设计出来。

很多 Agent 第一眼看起来已经很完整，问题往往不是第一层没做好，而是后面两层其实还很薄。

05｜如果再做复杂 Agent，我会先检查四件事

这次狼人杀让我踩得比较深的坑，不是某一条规则写错了，而是一开始把很多精力花在人设、知识和表达上，却没有先把 Agent 到底怎么“运行”想清楚。

如果以后再做一个需要长期互动、连续判断，甚至多人协作的复杂 Agent，我会先检查四件事。

1. 状态输入：它现在到底掌握了什么？

这里看的不是知识库里塞了多少资料，而是和当前这一刻真正有关的信息有没有进入它的判断。

前面发生过什么？哪些是事实，哪些只是推测？它自己做过什么，别人怎么回应？哪些东西已经因为新的信息发生了变化？

如果这一层没做好，Agent 看到的其实不是“现在这个局面”，而只是不断送到眼前的一小段新信息。后面的推理再复杂，也可能建立在一个残缺的局面上。

2. 目标与优先级：这一刻它最应该解决什么？

“赢得游戏”“帮助用户”“做好销售”这种目标都太大了。

真正进入一个复杂场景以后，Agent 面临的是不断变化的小目标和目标冲突。

狼人杀里，有时候重点是隐藏身份，有时候是回应质疑，有时候需要验证某个人，有时候则必须推动大家做出选择。局面一变，当前最重要的事情也应该跟着变。

如果 Agent 只有一个永远不变的大目标，它很容易每一轮都做出差不多的反应。

3. 行动空间：它真的有不同的选择吗？

这一点是我后来才越来越重视的。很多所谓 Agent，最后其实只有一个动作：生成一段回复。

但真实的人面对一个局面时，并不是只在决定“这句话怎么说”。他还会决定要不要说、先回应谁、要不要追问、要不要公开信息、要不要暂时保持沉默，甚至要不要推翻自己之前的判断。

如果最后所有思考都只能落成“一段更好的回复”，那么前面再复杂的推理，最后也被压缩进了一个非常窄的行动空间。

这可能也是为什么有些 Agent 看起来很聪明，却始终让人觉得它只是在“聊天”。

4. 反馈闭环：它做完以后，后面的局面真的变了吗？

这是狼人杀给我感受最明显的一点。一个玩家跳了预言家，其他人的判断应该发生变化；一个人拒绝回应质疑，别人对他的看法可能改变；一次投票结束以后，下一轮面对的局面也已经不是刚才那个局面。

所以 Agent 做完一个动作以后，不能只是把这一轮结束掉。这个动作造成的结果，要重新成为下一轮决策的一部分。

也就是：状态 → 决策 → 行动 → 结果 → 新状态。

如果这个循环没有真正跑起来，所谓“连续互动”很可能只是很多次单轮问答被串在了一起。

而我现在越来越觉得，这可能才是复杂 Agent 和一个“很会扮演角色的聊天机器人”真正拉开差距的地方。

再做复杂Agent时，我会先检查这四件事：它看到了什么、这一刻要解决什么、能做哪些动作，以及结果有没有真正进入下一轮。

做到这里以后，我对 AI Agent 的理解和刚开始已经有了挺大变化。

最开始，我把大部分注意力放在“怎么让十个 Agent 像十个不同的人”上。现在再回头看，这当然还是要做，但它其实只是其中一层。

真正把一个复杂 Agent 做起来，需要同时考虑角色设定、状态理解和决策机制，还要让它有足够的行动空间，并让每一次行动的结果真正回到下一轮里。

狼人杀只是一个非常极端的测试场景，因为它的信息一直在变化，每个人掌握的东西又不一样，上一轮的一句话甚至可能直接改变下一轮所有人的判断。

但也正因为这样，它让我很早就碰到了一个我原来没有意识到的问题：

很多 Agent 做不好的原因，未必是模型不够聪明，也未必是 Prompt 写得不够细，而是我们从一开始，就只设计了“它应该是什么样”，却没有真正设计“它到底怎么运行”。

真正连续运行的Agent，需要让“状态—决策—行动—结果”不断形成新的下一轮，而不是把很多次单轮回答简单串起来。

如果以后再做复杂 Agent，我会更早把注意力放到这件事上，不是先问它的人设应该怎么写、知识库应该塞多少东西，而是先把几个更底层的问题想清楚：

它现在能看到什么？这一刻的目标是什么？它有哪些真正不同的动作？做完以后，整个局面又会因此发生什么变化？

这些问题想不清楚，Agent 可能第一轮就很像，但要让它真的连续跑下去，差的往往就是后面这一层。

余下有解

记录真实问题、真实项目和真实解题过程。