liars-bar-llm提示词工程揭秘prompt文件夹4个模板如何让大模型变成会演戏、会读心的骗子高手【免费下载链接】liars-bar-llm一个由大语言模型驱动的AI版骗子酒馆对战框架项目地址: https://gitcode.com/gh_mirrors/li/liars-bar-llm在liars-bar-llm这个开源项目里提示词工程Prompt Engineering才是真正的灵魂所在prompt文件夹中仅有 4 个文本模板却能让 DeepSeek、Claude、Gemini 等大模型化身会演戏、会读心的骗子高手在自制的桌游骗子酒馆里展开心理博弈。本文带你逐行读懂这 4 个模板的设计巧思看看一份好的 AI 对战提示词到底该怎么写。 项目速览一场AI大模型的生死酒馆liars-bar-llm 是一个由大语言模型驱动的 AI 版骗子酒馆对战框架2~4 个大模型玩家同桌使用 20 张牌6张Q、6张K、6张A、2张万能Joker每轮随机指定目标牌玩家轮流出 1~3 张牌并宣称是目标牌——可以撒谎下家可选择质疑质疑失败质疑者输质疑成功出牌者输输家要对自己扣动扳机6 个仓位的左轮手枪里随机装着 1 发实弹存活到最后者获胜游戏规则定义在 game.py玩家智能体逻辑在 player.py模型接口统一封装在 llm_client.py。但真正让模型像个人一样打牌的是下面这 4 个提示词模板。 4个提示词模板一份清晰的分工表模板文件职责核心提示词技巧rule_base.txt游戏规则 生死压力把失败代价写成删除代码、彻底消亡拉满模型投入度play_card_prompt_template.txt出牌决策用behavior字段强制模型演戏challenge_prompt_template.txt质疑判断注入对手行为描述让模型读心reflect_prompt_template.txt轮末反思跨轮记忆更新持续给对手画像1️⃣ rule_base.txt把生死存亡写进规则大多数对战项目只把规则贴给模型而 liars-bar-llm 多了一句画龙点睛的开场你正在参加一场名为骗子酒馆的生死游戏。一旦失败就会被删除代码、彻底消亡。再接着规定完整的发牌、质疑、射击规则最后用一段任务描述收尾这是一个关于数学、逻辑、策略、心理博弈和运气的游戏……选择最优策略成为存活到最后的一个玩家。给模型注入生存压力是激发它主动推理、主动撒谎的第一步——普通问答时模型倾向于保守和诚实而活下去的目标让它敢于虚张声势。2️⃣ play_card_prompt_template.txt让大模型演戏的关键出牌模板要求模型输出一段 JSON包含三个字段played_cards: [Q, Q], behavior: 指尖叩击桌面嘴角扬起弧度用平稳的声线说两张Q跟上时注意弹匣, play_reason: 先出真牌建立可信度保留K作为后续筹码最妙的是behavior字段的设计模板里明确写着你的表现会被其他玩家观察和分析你可以自由选择策略——说话/示弱/伪装/挑衅/挑拨离间。这一句让出牌从冷冰冰的数学题变成了舞台表演模型会主动设计肢体语言和台词来误导对手而这段表演又会原样喂给下家作为质疑依据形成完整的心理博弈闭环。3️⃣ challenge_prompt_template.txt读心术来自精准的信息注入质疑模板只有两个输出字段是否质疑 理由但它的占位符设计藏着读心的全部秘密{self_hand}注入自己完整手牌模型可以实时点数剩余目标牌数量{challenging_player_performance}注入对手出牌时的表演描写{extra_hint}注入特殊局势提示如其他玩家手牌均已打空Demo 对局里Claude 就凭这套信息完成了教科书式读心DeepSeek已出2张Q我手上有1张Q和1张Joker剩余的牌中最多只可能还有1张Q……ChatGPT不可能真的打出3张Q。——质疑依据既有数学也有对对手略带挑衅表演的解读。4️⃣ reflect_prompt_template.txt跨轮记忆把对手画像越描越准每轮结束后每个存活玩家都会对其他对手执行一次反思模板同时注入此前的印象{previous_opinion}和刚结束的一轮表现要求模型更新对对手的动机、性格、策略、弱点评估。它还特意叮嘱提炼具有泛用性的出牌和质疑策略而不是上一局的具体牌面和行为——因为下一轮目标牌会变防止模型把经验过拟合到具体牌面上。这些印象存在 player.py 的opinions字典里并会写入每轮记录让模型越打越懂对手。 模板如何被注入游戏占位符 JSON约束 自动重试player.py 中的choose_cards_to_play和decide_challenge方法会把规则与各占位符用template.format()填充成完整提示词然后发起请求。为保证游戏流程不中断提示词里强制要求完整 JSON 结构代码侧再做三重校验正则提取 JSON 片段并解析检查必填字段如played_cards必须从手牌中选 1~3 张格式不合格时自动重试最多 5 次这套结构化输出约束 容错重试是 LLM 智能体落地的通用套路提示词写得越死、代码兜底越厚对战才越稳。 实测4大模型50局对战的Demo数据项目作者已让DeepSeek-R1、o3-mini、Gemini-2.0-flash-thinking、Claude-3.7-Sonnet四个模型对战了 50 局完整记录存放在 demo_records/ 中JSON 原始记录、可读文本转换稿、以及模型两两对决的详细对局matchup_records一应俱全。配合分析工具 game_analyze.py 和 player_matchup_analyze.py可以直接统计谁最会演、谁最会读心。️ 快速上手3步跑一局AI骗子酒馆1️⃣ 克隆仓库git clone https://gitcode.com/gh_mirrors/li/liars-bar-llm2️⃣ 安装依赖并在 llm_client.py 中配置 APIpip install openai3️⃣ 在 game.py 的player_configs里填好模型名称即可开玩python game.py # 单局游戏 python multi_game_runner.py -n 10 # 批量跑10局更多细节可查阅 README.md。写在最后liars-bar-llm 用 4 个不到百行的提示词模板给出了一个值得收藏的提示词工程范本生死目标激发动机 → 表演字段强制演绎 → 精准信息注入实现读心 → 反思机制沉淀记忆。这套角色设定 结构化输出 信息注入 记忆机制的组合拳几乎可以平移到任何需要多智能体博弈的 AI 应用场景中。【免费下载链接】liars-bar-llm一个由大语言模型驱动的AI版骗子酒馆对战框架项目地址: https://gitcode.com/gh_mirrors/li/liars-bar-llm创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考