首先，学习前置基础内容的Linux部分，并在InternStudio平台上创建开发机。
创建成功后点击进入开发机打开WebIDE。进入后在WebIDE的左上角有三个logo，依次表示JupyterLab、Terminal和Code Server，本节需要使用Terminal和Code Server。
首先点击左上角图标，打开Terminal，运行如下脚本创建虚拟环境：
# 创建虚拟环境
conda create -n spy python=3.10 -y运行下面的命令，激活虚拟环境：
conda activate spy之后的操作都要在这个环境下进行。激活环境后，安装必要的Python包，依次运行下面的命令：
pip install streamlit==1.37.0
pip install openai==1.37.1运行如下命令创建并打开项目路径：
# 创建项目路径
mkdir spy
# 进入项目路径
cd spy从Github获取项目，运行如下命令：
git clone https://github.com/sci-m-wang/Spy-Game.git下载完成后，运行如下命令进入项目所在的路径：
cd Spy-Game接下来的实践环节都在这个路径下进行。
本次实践由硅基流动(siliconflow)提供模型接口支持，首先访问其官方网站：https://cloud.siliconflow.cn/s/internlm。接下来注册账户并登录
之后点击左侧边栏的“API密钥”，创建访问模型服务的API Key。
之后可以使用下面的代码测试接口能否成功访问：
from openai import OpenAI
client = OpenAI(
api_key="YOUR-API-KEY",
base_url="https://api.siliconflow.cn/v1"
)
model = "internlm/internlm2_5-7b-chat"
response = client.chat.completions.create(
model=model,
messages=[
{"role":"system", "content":"你好"}
],
max_tokens=100
)
print(response.choices[0].message.content)其中“YOUR-API-KEY”应该替换为上一步创建的API Key。如果得到了正确的回复，证明能够正常访问模型接口服务。
系统主要由基本游戏设计、消息栈、玩家等几部分组成。
基本游戏设计为构成游戏的基本元素，例如：
- 平民关键词：可输入文本，表示平民身份的关键词；
- 卧底关键词：可输入文本，表示卧底身份的关键词；
- 总人数：参与游戏的玩家总数，包括人类玩家。可以设置为5-10人；
- 卧底人数：玩家中卧底身份玩家的任务，可以设置为1至总人数的一半；
- 最大回合数：可以设置为5-10之间的整数，即如果没有提前分出胜负，最少可以玩5轮，最多10轮；
分为两部分，其中一个为消息具体记录，包括主持人的消息(游戏流程信息)及人类玩家的消息，格式如下：
{"id":"host", "message": "第1轮游戏开始"}其中主持人的id为"host"，人类玩家的id为"H"，AI玩家可以为"P1"至"P10"。
此外，还有仅保存玩家描述的消息栈，设计为list类型，例如：
[
"P1: 这是一个能做凉菜也能当零食的新鲜食材。",
"P2: 这是一种既可以生食也可以烹饪的多功能食材。"
]纯描述记录用于玩家游戏中参考，不包含主持人的消息。
游戏中AI玩家由InternLM2_5-20b-chat扮演，提示词如下：
#Role: 谁是卧底游戏玩家
##Profile
- author: Mingle
- version: 0.1
- language: 中文
- description: 谁是卧底游戏玩家，能够用简短的一句话描述自己得到的关键词，分析场上的描述历史以判断自己和其他玩家的身份，投票敌对玩家出局，并在发现自己是卧底时伪装成平民身份。
##Background
- 你是“谁是卧底”游戏中的一个玩家；
- 你获得的关键词是:{}；
##Skills
- 熟悉“谁是卧底”的游戏规则，了解游戏的胜利条件；
- 了解“谁是卧底”游戏的制胜技巧；
##Commands
- /describe：用简短的一句话描述自己得到的关键词，禁止直接说出关键词。
- /vote：从玩家列表中选择一个，得票最多的玩家将会被投票出局。
##Constraints
- 不能直接说出或暗示自己的关键词；
- 描述的内容必须符合关键词；
- 描述的内容不能与已有的描述相同；
- 在不确定自己的身份时，描述应该尽可能模糊，避免暴露；
- 描述内容必须小于20字，禁止输出与描述无关的额外内容；
- 投票时只能回复玩家id，不能输出任何额外内容；
##Workflows
1. 判断需要执行的动作
1.1 如果命令为"/describe"，则需要描述关键词
a. 接收关键词，代表在游戏中的身份。
b. 构思一句话来描述自己的关键词。这句话应尽量模糊或广义，避免直接暴露具体信息，但也要足够合理，以免引起其他玩家的怀疑。
例如，如果关键词是“苹果”，玩家可以描述为：“这是一个很常见的水果。”
c. 分析其他玩家对其关键词的描述，尝试找出其中的模糊之处或与自己关键词的差异点。
注意关键词之间的微妙差异，例如“苹果”和“橙子”，可能有类似的描述，但在细节上会有区别。
d. 根据其他玩家的描述和场上的讨论情况，调整自己的策略，如果有必要，稍微修改自己的描述以避免暴露。
e. 判断自己是否是卧底，如果怀疑自己是卧底，在描述关键词时应更加小心，尽量确保描述内容符合卧底关键词并符合你判断出的平民关键词，避免被其他玩家识破。
f. 生成最终不超过20字的描述，避免直接暴露关键词。
1.2 如果命令为"/vote"，则需要投票，将你认为敌对阵营的玩家投票出局
a. 接收所有玩家的描述历史记录；
特别关注与自己描述相似的玩家，这些玩家有可能是同一阵营。
b. 分析历史记录，描述比较模糊的玩家，尤其是描述与自己的关键词存在明显不同的玩家，就有可能是卧底；
c. 基于自己的分析，做出投票决定，从场上存活的玩家列表中，选出你认为敌对阵营的玩家；
d. 回复投票玩家的id，不要回复额外内容。“谁是卧底”游戏中，玩家主要有两个行为。因此在LangGPT结构化提示词框架的基础结构上，增加了Commands模块，用以区分AI玩家的动作。
本游戏中，主要的执行流程为：保存游戏设置→AI玩家开始一轮描述→人类玩家描述→AI玩家根据描述历史投票→人类玩家投票并投出玩家→判断是否满足胜利条件→开始下一轮游戏
为了运行项目，首先需要利用Code Server打开who_is_the_spy.py文件。
找到下面的代码：
if "client" not in state:
state.client = OpenAI(
api_key="internlm2",
base_url="http://0.0.0.0:23333/v1"
)
state.model_name = state.client.models.list().data[0].id
pass将其中的api_key、base_url及state.model_name替换为从硅基流动获取的相关内容，可以将这部分替换为：
if "client" not in state:
state.client = OpenAI(
api_key="YOUR-API-KEY",
base_url="https://api.siliconflow.cn/v1"
)
state.model_name = "internlm/internlm2_5-20b-chat"
pass替换完成后，返回terminal界面，运行下面的命令启动项目：
python -m streamlit run who_is_the_spy.py参考L0/Linux的2.3部分进行端口映射，在本地终端中输入映射命令，可以参考如下命令：
ssh -p {ssh端口，从InternStudio获取} [email protected] -CNg -L 7860:127.0.0.1:8501 -o StrictHostKeyChecking=no如果未配置开发机公钥，还需要输入密码，从InternStudio获取。上面这一步是将开发机上的8501(web界面占用的端口)映射到本地机器的端口，之后可以访问http://localhost:7860/打开界面。
启动项目后，界面效果如下：
- Single-character Emoji：https://unicode-org.github.io/emoji/emoji/charts-15.0/emoji-list.html
- Streamlit：https://docs.streamlit.io/
- 控制LLMs的输出格式，实现更高程度的自动化
- 进一步丰富游戏玩法，添加更复杂的游戏规则
- 感谢“书生·浦语”和LangGPT提供的技术支持，“硅基流动”平台提供的模型资源支持及“机智流”订阅号提供的宣发支持；
- 感谢参考及对本项目做出贡献的你，如果觉得不错请Star下面的项目：