基于agentscope的多智能体游戏场景-骗子酒馆
骗子酒馆是一款基于多智能体系统的在线社交推理游戏，玩家通过掷骰子和扑克牌进行智力和心理博弈，结合大语言模型技术，每个游戏角色由AI扮演，具备独特的性格和决策逻辑，提供高度沉浸式的体验。游戏采用黑板通信模式，确保信息高效交换，支持多种角色如胆小鬼、占卜师等，每个角色拥有特定的技能和行为模式，增强游戏的策略深度和互动性。游戏界面简洁，操作流畅，适合喜欢心理战和策略游戏的玩家。文章末尾有源码和体验地址。
Multi-Agent实践第1期：5分钟上手AgentScope
阿里云与魔搭社区联合举办Create@AI创客松，邀请开发者探索基于多智能体的人机协作模式。活动提供资源支持和专家指导，获胜者可获得近5万元现金奖励及6亿次千问调用额度。参赛者需准备大模型API，如DashScope或OpenAI，使用AgentScope开源框架开发多智能体应用。立即报名参加：[报名链接](https//startup.aliyun.com/special/aihackathon4)。
智能体决策机制深度剖析：ReAct、Plan-and-Execute与自适应策略
作为一名深耕人工智能领域多年的技术研究者，我深深感受到智能体(Agent)技术正在成为AI发展的关键转折点。从早期基于规则的专家系统，到如今融合大语言模型的智能代理，我们见证了决策机制从简单条件判断向复杂推理规划的演进历程。
在我的研究实践中，智能体决策机制的核心挑战始终围绕着如何在动态环境中做出最优决策。传统的决策树和状态机虽然逻辑清晰，但面对复杂多变的现实场景时显得力不从心。而随着GPT-4、Claude等大语言模型的兴起，我们迎来了前所未有的机遇——通过自然语言推理和规划，智能体可以展现出接近人类水平的决策能力。
当前主流的决策框架中，ReAct(Reasoning and Acting
动态规划算法深度解析：0-1背包问题
0-1背包问题是经典的组合优化问题，目标是在给定物品重量和价值及背包容量限制下，选取物品使得总价值最大化且每个物品仅能被选一次。该问题通常采用动态规划方法解决，通过构建二维状态表dp[i][j]记录前i个物品在容量j时的最大价值，利用状态转移方程避免重复计算子问题，从而高效求解最优解。