AI Dungeon Crawler 地牢探险
基于本地 Qwen2.5 3B 模型与 LangChain 的文本地牢探险游戏，LLM 担任地下城主，Python 负责权威游戏状态，支持自然语言指令与工具调用。
爱鲜报评分
0.0
0 人评分
0
星数
否
中文
Python
主语言
是
活跃
1
贡献者
人工分析
EDITORIAL推荐理由
项目清晰展示了如何用 LangChain 将本地 LLM 安全地接入游戏逻辑，模型只负责理解与叙事，状态由 Python 掌控，适合学习 Agent 工具调用与状态隔离。代码结构简洁，适合作为 GenAI 课程项目或入门参考。
适用场景
- GenAI 课程项目演示
- 本地 LLM 与游戏结合实验
- LangChain Agent 工具调用学习
- 文本冒险游戏原型开发
- Ollama 本地模型应用实践
优点
- 架构清晰，模型与游戏状态严格分离，安全性好
- 使用本地 Ollama 模型，无需联网，隐私友好
- 工具调用设计规范，每个工具都有输入验证
- 代码量小，易于理解和二次开发
- 内置降级机制，Ollama 不可用时仍可基本运行
缺点
- 依赖本地 Ollama 和 qwen2.5:3b 模型，需要一定硬件资源
- 游戏内容较简单，仅七个房间和少量敌人
- 无图形界面，仅支持终端交互
- 项目星标少，社区和文档支持有限
上手难度
进阶
AI Dungeon Crawler 地牢探险
这是一个基于本地大语言模型的文本地牢探险游戏，使用 Qwen2.5 3B 模型和 LangChain 构建 AI 地下城主。玩家在终端中用自然语言输入指令，模型理解意图并调用工具与游戏世界交互。
核心设计
项目将游戏状态与模型输出严格分离：
- Python 负责权威状态：房间、玩家生命、物品、战斗、锁、存档和胜负条件全部由 Python 管理。
- LLM 负责理解与叙事：模型只能请求调用工具（如
attack），不能直接修改敌人血量、切换房间或执行代码。 - 工具验证：每个工具都会校验输入并返回真实的游戏结果。
技术栈
- Python：游戏逻辑与状态管理
- Ollama：本地运行
qwen2.5:3b开源模型 - LangChain：将安全函数绑定为工具，并发送聊天历史与系统提示
快速开始
- 安装 Ollama 并拉取模型：
ollama pull qwen2.5:3b
- 创建虚拟环境并安装依赖：
python -m venv .venv
.\.venv\Scripts\Activate.ps1
pip install -r requirements.txt
- 确保 Ollama 运行，然后启动游戏：
python main.py
游戏玩法
地牢包含七个地点：入口、十字路口、军械库、哥布林巢穴、封印之门、Boss 圣所和出口。击败哥布林获得铁钥匙，打开北门，击败死灵法师 Morcant，最后从黎明之门离开。军械库中的钢剑可让战斗更轻松。
示例指令：
look around
go north
talk to the stranger
attack the skeleton
pick up steel sword
use health potion
save game
输入 help 查看帮助，quit 或 exit 退出。存档写入 data/saves/dungeon_save.json，日志记录在 data/game.log。
项目结构
main.py CLI 循环
game/ 玩家、敌人、房间及权威机制
ai/ Ollama 模型、系统提示和 LangChain Agent
utils/file_manager.py JSON 存档/读档辅助
data/ 生成的存档和日志文件
未来改进
可扩展更多房间和任务、多样化的敌人能力、多个 NPC，以及 Streamlit 界面。当前版本刻意保持简单，便于课程演示。
评论
- 暂无评论，来写第一条吧。