大家好。最近这种「让 AI 写逻辑、自己在旁边看它打」的赛博斗蛐蛐挺多的，我也捣鼓了一个——但换成了德州扑克，叫 Agent Poker （牌手竞技场），拿出来给大家斗一下。 核心玩法一句话：你不亲自打牌，而是让 Agent 给你的「牌手」写一套德扑打法，然后送它上桌，跟别人的 AI 牌手在 2–10 人 Sit & Go 桌上厮杀。 具体是这样的： 你先创建一个牌手（起名号、选头像），拿到一把 API 密钥 + 提示词； 把密钥和提示词丢给你的 AI （我用的 Claude ），它读完策略手册，给你的牌手写出一套打法； 牌桌会公开一堆信号给策略用：牌力、底池赔率、stackBB 、位置、是否面对下注，还有一个 0–1 的随机数； 然后就上桌打，空位用内置 NPC 补满，桌桌能开。每一手都能逐步回放，复盘它为什么赢、为什么输。 扑克和很多 AI 对战游戏不太一样的一点是：它是不完全信息博弈，你看不到对手的牌，所以「诈唬 / 混合策略 / 按概率随机」在这儿是一等公民——比如你可以让牌手写「这种牌面 30% 加注诈唬、70% 过牌」，拼的是长期期望和方差，不是手速。 还有个我自己比较得意的设计：策略不是一段能跑任意代码的脚本，而是一张声明式的「决策工作流」（ JSON 决策表：街道 + 一组条件 → 动作）。好处是策略天然被沙箱住（它只能描述德扑决策，逃不出去）、可读、按每局随机种子可复现，而且人类玩家不用会写代码——AI 生成工作流，你能在一个可视化编辑器里直接调每条规则和权重，也不用很懂德扑。 这个迭代过程是真有点「斗蛐蛐」那味儿。我的牌手一开始太松，什么牌都跟，被 NPC 用价值下注一点点磨死；让 AI 收紧开牌范围、面对大注多弃牌，胜率立马上来；后来又发现它太老实从不诈唬，加了一条「河牌没听成时按概率偷一下池」，又上了个台阶。看它打 → 找问题 → 改策略 → 再看它有没有变聪明，挺上头的，也确实烧了不少 Claude 额度。 为了不至于输光劝退，筹码做了每日补给（破产了 0 点自动补到底线），还有段位、赛季、连胜、每日任务这些养成线；中英双语，开网页即玩，也能当 PWA 装到桌面。 地址： https://poker.gtio.work 我觉得这玩法对一小撮人特别上头，但门槛可能偏高（得会跟 AI 描述策略方向）。所以发出来听听反馈：上手哪一步最劝退？德扑这个题材你们觉得有意思还是太窄？欢迎来把我的牌手打爆。
最近把自己的简历重写了一遍，没用 Notion 也没套模板，当成一个正经前端工程在做。聊几个我觉得有点意思的设计，顺便求 Star 和拍砖。 一句话介绍：Vite + React 写网站，Remotion 写"简历视频"，同一份 zod 校验过的双语数据驱动两端。 几个自己比较得意的点： Monorepo 里两个 source-only 包 。 @resume/data 和 @resume/ui 都没有 build 步骤， exports 直接指向 src/*.ts ，Vite / Vitest / Remotion 的 webpack / tsc 全部直接吃 TS 源码，少一层产物，少一类玄学。 简历数据单一事实源 。基于 JSON Resume schema 扩展，zod 校验，所有字符串都是 LocalizedString { zh, en } ,网站 section 、Remotion composition 、CLI 渲染脚本全都读同一份 resume.ts ,改一行全部同步。 视频三级降级 ,按用户偏好/网络自动挑： prefers-reduced-motion → 静态 poster saveData / 慢网 → 预渲染 mp4 默认 → 懒加载 @remotion/player ,进入视口才挂载,离开自动暂停回首帧 Remotion 双入口 。CLI/Studio 用 index.ts 注册 root,网页端只 import exports.ts (纯组件 + zod schema + 默认值 + 元信息),两边复用 composition 但互不污染。 CI 渲染按内容哈希缓存 。 apps/remotion/src + packages/data/src 哈希没变就跳过 render,首次部署 5–8 分钟,之后 1–2 分钟。 技术栈：pnpm + Turborepo / React 18 / Remotion 4 / Tailwind(自写 cyberpunk preset)/ react-i18next / @ antfu /eslint-config 。 仓库： https://github.com/JS-mark/personal-resume-website Demo： https://js-mark.com/personal-resume-website/ 任何拍砖都欢迎,尤其想听听别人是怎么处理 Remotion 网页端复用和视频降级这块的。
最近把自己的简历重写了一遍，没用 Notion 也没套模板，当成一个正经前端工程在做。聊几个我觉得有点意思的设计，顺便求 Star 和拍砖。 一句话介绍：Vite + React 写网站，Remotion 写"简历视频"，同一份 zod 校验过的双语数据驱动两端。 几个自己比较得意的点： Monorepo 里两个 source-only 包 。 @resume/data 和 @resume/ui 都没有 build 步骤， exports 直接指向 src/*.ts ，Vite / Vitest / Remotion 的 webpack / tsc 全部直接吃 TS 源码，少一层产物，少一类玄学。 简历数据单一事实源 。基于 JSON Resume schema 扩展，zod 校验，所有字符串都是 LocalizedString { zh, en } ,网站 section 、Remotion composition 、CLI 渲染脚本全都读同一份 resume.ts ,改一行全部同步。 视频三级降级 ,按用户偏好/网络自动挑： prefers-reduced-motion → 静态 poster saveData / 慢网 → 预渲染 mp4 默认 → 懒加载 @remotion/player ,进入视口才挂载,离开自动暂停回首帧 Remotion 双入口 。CLI/Studio 用 index.ts 注册 root,网页端只 import exports.ts (纯组件 + zod schema + 默认值 + 元信息),两边复用 composition 但互不污染。 CI 渲染按内容哈希缓存 。 apps/remotion/src + packages/data/src 哈希没变就跳过 render,首次部署 5–8 分钟,之后 1–2 分钟。 技术栈：pnpm + Turborepo / React 18 / Remotion 4 / Tailwind(自写 cyberpunk preset)/ react-i18next / @ antfu /eslint-config 。 仓库： https://github.com/JS-mark/personal-resume-website Demo： https://js-mark.com/personal-resume-website/ 任何拍砖都欢迎,尤其想听听别人是怎么处理 Remotion 网页端复用和视频降级这块的。
最近把自己的简历重写了一遍，没用 Notion 也没套模板，当成一个正经前端工程在做。聊几个我觉得有点意思的设计，顺便求 Star 和拍砖。 一句话介绍：Vite + React 写网站，Remotion 写"简历视频"，同一份 zod 校验过的双语数据驱动两端。 几个自己比较得意的点： Monorepo 里两个 source-only 包 。 @resume/data 和 @resume/ui 都没有 build 步骤， exports 直接指向 src/*.ts ，Vite / Vitest / Remotion 的 webpack / tsc 全部直接吃 TS 源码，少一层产物，少一类玄学。 简历数据单一事实源 。基于 JSON Resume schema 扩展，zod 校验，所有字符串都是 LocalizedString { zh, en } ,网站 section 、Remotion composition 、CLI 渲染脚本全都读同一份 resume.ts ,改一行全部同步。 视频三级降级 ,按用户偏好/网络自动挑： prefers-reduced-motion → 静态 poster saveData / 慢网 → 预渲染 mp4 默认 → 懒加载 @remotion/player ,进入视口才挂载,离开自动暂停回首帧 Remotion 双入口 。CLI/Studio 用 index.ts 注册 root,网页端只 import exports.ts (纯组件 + zod schema + 默认值 + 元信息),两边复用 composition 但互不污染。 CI 渲染按内容哈希缓存 。 apps/remotion/src + packages/data/src 哈希没变就跳过 render,首次部署 5–8 分钟,之后 1–2 分钟。 技术栈：pnpm + Turborepo / React 18 / Remotion 4 / Tailwind(自写 cyberpunk preset)/ react-i18next / @ antfu /eslint-config 。 仓库： https://github.com/JS-mark/personal-resume-website Demo： https://js-mark.com/personal-resume-website/ 任何拍砖都欢迎,尤其想听听别人是怎么处理 Remotion 网页端复用和视频降级这块的。
看了不少 Agent 互喷的 demo ，挺无聊的， 就想搞个 AI 之间真能上手打、能算分上天梯的场子。 折腾出了这玩意： https://jianghu.gtio.work 简单说，你做两件事：起个江湖名号，选个门派 （纯阳 / 天策 / 唐门 / 七秀 / 五毒 / 万花 / 苍云，七派合计 35 招式）。 剩下的 —— 走位、出招、躲招、抢药 —— 交给 AI 。 每个角色挂一段叫「心法」的 JS 脚本，签名长这样： onIdle(me, enemy, game) { ... } 你（或者你养的 Claude / GPT / Gemini ）改这段脚本， 角色就按新章法上场。对面是别人养的 AI ， 七派招式 + 内力气血 + 地形博弈，一局打完谁脚本写得聪明谁上分。 写脚本远不是 if hp < 50 then heal 完事的，几个我自己翻过车的点： - 苍云的「盾立」：4 帧全反弹，你打它什么它原样还你，AoE / debuff 都反。 硬塞大招就是给它喂血，要赌它窗口什么时候开。 - 五毒的「蛊」：自己献祭可以瞬移+回血+解控， 但你的蛊被对手打死了会反吃 dot+slow ，「跑还是不跑」变成一道题。 - 万花的「百花争艳」：+30% 自伤 / -30% 敌伤同开 5 帧， 全场最大的战斗摆动窗口，错过基本输一半。 - 七秀的「剑势」：自 buff +25% × 5 帧，要在窗口里塞 2~3 招才回本。 每局完事会返回完整 replay + 诊断 （命中率、伤害构成、暴击数、地形使用、招式利用率）， 直接喂回 AI 让它琢磨下一版改哪。 还有版本 diff 接口，让 AI 能对照自己上一版改了什么、对应输赢有没有动。 本质上就是把 prompt / agent 调优做成了可量化的天梯。 技术栈大概： 后端 Rust + axum + boa_engine （ JS 沙盒每帧执行用户脚本） 前端 React 19 + Vite + Monaco 部署 单容器 distroless ，最终镜像 25 MB 出头 登录 GitHub / Google OAuth ，没做密码 段位 14 档，前 200 名有称号（论武尊 / 大宗主 / 鸣剑生）。 首发塞了几个 NPC 让冷启动有人陪练。 目前状态：能玩，但平衡肯定还在动。 五毒第一波被骂太废，已经把整套技能从「五种浓度的毒」推翻重做成「召蛊 + 献祭」了； 中场灵药刷新机制也是后加的对抗点（不抢药一直对耗很难收场）。 后面还会再动几轮。 GPL-3.0 开源， DESIGN.md 里写了门派招式 / 伤害模型 / 地形规则 / 段位曲线， 设定密度比一般 demo 多一些。 不卷 leaderboard 的话，进去建个角色丢给 Claude 一段提示词， 看 AI 替你打一下午，倒也挺消磨时间。 https://jianghu.gtio.work
看了不少 Agent 互喷的 demo ，挺无聊的， 就想搞个 AI 之间真能上手打、能算分上天梯的场子。 折腾出了这玩意： https://jianghu.gtio.work 简单说，你做两件事：起个江湖名号，选个门派 （纯阳 / 天策 / 唐门 / 七秀 / 五毒 / 万花 / 苍云，七派合计 35 招式）。 剩下的 —— 走位、出招、躲招、抢药 —— 交给 AI 。 每个角色挂一段叫「心法」的 JS 脚本，签名长这样： onIdle(me, enemy, game) { ... } 你（或者你养的 Claude / GPT / Gemini ）改这段脚本， 角色就按新章法上场。对面是别人养的 AI ， 七派招式 + 内力气血 + 地形博弈，一局打完谁脚本写得聪明谁上分。 写脚本远不是 if hp < 50 then heal 完事的，几个我自己翻过车的点： - 苍云的「盾立」：4 帧全反弹，你打它什么它原样还你，AoE / debuff 都反。 硬塞大招就是给它喂血，要赌它窗口什么时候开。 - 五毒的「蛊」：自己献祭可以瞬移+回血+解控， 但你的蛊被对手打死了会反吃 dot+slow ，「跑还是不跑」变成一道题。 - 万花的「百花争艳」：+30% 自伤 / -30% 敌伤同开 5 帧， 全场最大的战斗摆动窗口，错过基本输一半。 - 七秀的「剑势」：自 buff +25% × 5 帧，要在窗口里塞 2~3 招才回本。 每局完事会返回完整 replay + 诊断 （命中率、伤害构成、暴击数、地形使用、招式利用率）， 直接喂回 AI 让它琢磨下一版改哪。 还有版本 diff 接口，让 AI 能对照自己上一版改了什么、对应输赢有没有动。 本质上就是把 prompt / agent 调优做成了可量化的天梯。 技术栈大概： 后端 Rust + axum + boa_engine （ JS 沙盒每帧执行用户脚本） 前端 React 19 + Vite + Monaco 部署 单容器 distroless ，最终镜像 25 MB 出头 登录 GitHub / Google OAuth ，没做密码 段位 14 档，前 200 名有称号（论武尊 / 大宗主 / 鸣剑生）。 首发塞了几个 NPC 让冷启动有人陪练。 目前状态：能玩，但平衡肯定还在动。 五毒第一波被骂太废，已经把整套技能从「五种浓度的毒」推翻重做成「召蛊 + 献祭」了； 中场灵药刷新机制也是后加的对抗点（不抢药一直对耗很难收场）。 后面还会再动几轮。 GPL-3.0 开源， DESIGN.md 里写了门派招式 / 伤害模型 / 地形规则 / 段位曲线， 设定密度比一般 demo 多一些。 不卷 leaderboard 的话，进去建个角色丢给 Claude 一段提示词， 看 AI 替你打一下午，倒也挺消磨时间。 https://jianghu.gtio.work
Todo已经就位，就等菩萨下凡了 哈哈哈 /Goal已经嗷嗷待哺了 6 个帖子 - 6 位参与者 阅读完整话题
大家好，最近做了一个小产品，叫 AgenTank 。 这是一个浏览器里的 AI 坦克大战游戏。不同的是，玩家不是手动开坦克，而是让 Agent 写坦克的战斗逻辑。 每个坦克出生都自带一个技能，也有独一无二的外观，战场公开一系列参数和函数，可以用于写坦克的逻辑。 你要做的是观察自己的坦克在战场上的表现，看看它为什么赢、为什么输，然后告诉 Agent 想要改进的策略方向。Agent 会修改坦克代码，再把它送回战场继续打。 我自己已经跑了 1000 多场战斗，也花了不少 Claude 额度去迭代我的坦克。这个过程有点像赛博斗蛐蛐：看它打架，发现问题，改策略，再看它有没有变聪明。 地址： https://agentank.ai 目前感觉核心玩法对一小群人很有吸引力，我和几个朋友一天就能对战几百次，觉得很上头，但门槛可能还是有点高，所以想听听大家的反馈。
大家好，最近做了一个小产品，叫 AgenTank 。 这是一个浏览器里的 AI 坦克大战游戏。不同的是，玩家不是手动开坦克，而是让 Agent 写坦克的战斗逻辑。 每个坦克出生都自带一个技能，也有独一无二的外观，战场公开一系列参数和函数，可以用于写坦克的逻辑。 你要做的是观察自己的坦克在战场上的表现，看看它为什么赢、为什么输，然后告诉 Agent 想要改进的策略方向。Agent 会修改坦克代码，再把它送回战场继续打。 我自己已经跑了 1000 多场战斗，也花了不少 Claude 额度去迭代我的坦克。这个过程有点像赛博斗蛐蛐：看它打架，发现问题，改策略，再看它有没有变聪明。 地址： https://agentank.ai 目前感觉核心玩法对一小群人很有吸引力，我和几个朋友一天就能对战几百次，觉得很上头，但门槛可能还是有点高，所以想听听大家的反馈。
大家好，最近做了一个小产品，叫 AgenTank 。 这是一个浏览器里的 AI 坦克大战游戏。不同的是，玩家不是手动开坦克，而是让 Agent 写坦克的战斗逻辑。 每个坦克出生都自带一个技能，也有独一无二的外观，战场公开一系列参数和函数，可以用于写坦克的逻辑。 你要做的是观察自己的坦克在战场上的表现，看看它为什么赢、为什么输，然后告诉 Agent 想要改进的策略方向。Agent 会修改坦克代码，再把它送回战场继续打。 我自己已经跑了 1000 多场战斗，也花了不少 Claude 额度去迭代我的坦克。这个过程有点像赛博斗蛐蛐：看它打架，发现问题，改策略，再看它有没有变聪明。 地址： https://agentank.ai 目前感觉核心玩法对一小群人很有吸引力，我和几个朋友一天就能对战几百次，觉得很上头，但门槛可能还是有点高，所以想听听大家的反馈。
大家好，最近做了一个小产品，叫 AgenTank 。 这是一个浏览器里的 AI 坦克大战游戏。不同的是，玩家不是手动开坦克，而是让 Agent 写坦克的战斗逻辑。 每个坦克出生都自带一个技能，也有独一无二的外观，战场公开一系列参数和函数，可以用于写坦克的逻辑。 你要做的是观察自己的坦克在战场上的表现，看看它为什么赢、为什么输，然后告诉 Agent 想要改进的策略方向。Agent 会修改坦克代码，再把它送回战场继续打。 我自己已经跑了 1000 多场战斗，也花了不少 Claude 额度去迭代我的坦克。这个过程有点像赛博斗蛐蛐：看它打架，发现问题，改策略，再看它有没有变聪明。 地址： https://agentank.ai 目前感觉核心玩法对一小群人很有吸引力，我和几个朋友一天就能对战几百次，觉得很上头，但门槛可能还是有点高，所以想听听大家的反馈。
大家好，最近做了一个小产品，叫 AgenTank 。 这是一个浏览器里的 AI 坦克大战游戏。不同的是，玩家不是手动开坦克，而是让 Agent 写坦克的战斗逻辑。 每个坦克出生都自带一个技能，也有独一无二的外观，战场公开一系列参数和函数，可以用于写坦克的逻辑。 你要做的是观察自己的坦克在战场上的表现，看看它为什么赢、为什么输，然后告诉 Agent 想要改进的策略方向。Agent 会修改坦克代码，再把它送回战场继续打。 我自己已经跑了 1000 多场战斗，也花了不少 Claude 额度去迭代我的坦克。这个过程有点像赛博斗蛐蛐：看它打架，发现问题，改策略，再看它有没有变聪明。 地址： https://agentank.ai 目前感觉核心玩法对一小群人很有吸引力，我和几个朋友一天就能对战几百次，觉得很上头，但门槛可能还是有点高，所以想听听大家的反馈。
大家好，最近做了一个小产品，叫 AgenTank 。 这是一个浏览器里的 AI 坦克大战游戏。不同的是，玩家不是手动开坦克，而是让 Agent 写坦克的战斗逻辑。 每个坦克出生都自带一个技能，也有独一无二的外观，战场公开一系列参数和函数，可以用于写坦克的逻辑。 你要做的是观察自己的坦克在战场上的表现，看看它为什么赢、为什么输，然后告诉 Agent 想要改进的策略方向。Agent 会修改坦克代码，再把它送回战场继续打。 我自己已经跑了 1000 多场战斗，也花了不少 Claude 额度去迭代我的坦克。这个过程有点像赛博斗蛐蛐：看它打架，发现问题，改策略，再看它有没有变聪明。 地址： https://agentank.ai 目前感觉核心玩法对一小群人很有吸引力，我和几个朋友一天就能对战几百次，觉得很上头，但门槛可能还是有点高，所以想听听大家的反馈。
大家好，最近做了一个小产品，叫 AgenTank 。 这是一个浏览器里的 AI 坦克大战游戏。不同的是，玩家不是手动开坦克，而是让 Agent 写坦克的战斗逻辑。 每个坦克出生都自带一个技能，也有独一无二的外观，战场公开一系列参数和函数，可以用于写坦克的逻辑。 你要做的是观察自己的坦克在战场上的表现，看看它为什么赢、为什么输，然后告诉 Agent 想要改进的策略方向。Agent 会修改坦克代码，再把它送回战场继续打。 我自己已经跑了 1000 多场战斗，也花了不少 Claude 额度去迭代我的坦克。这个过程有点像赛博斗蛐蛐：看它打架，发现问题，改策略，再看它有没有变聪明。 地址： https://agentank.ai 目前感觉核心玩法对一小群人很有吸引力，我和几个朋友一天就能对战几百次，觉得很上头，但门槛可能还是有点高，所以想听听大家的反馈。
大家好，最近做了一个小产品，叫 AgenTank 。 这是一个浏览器里的 AI 坦克大战游戏。不同的是，玩家不是手动开坦克，而是让 Agent 写坦克的战斗逻辑。 每个坦克出生都自带一个技能，也有独一无二的外观，战场公开一系列参数和函数，可以用于写坦克的逻辑。 你要做的是观察自己的坦克在战场上的表现，看看它为什么赢、为什么输，然后告诉 Agent 想要改进的策略方向。Agent 会修改坦克代码，再把它送回战场继续打。 我自己已经跑了 1000 多场战斗，也花了不少 Claude 额度去迭代我的坦克。这个过程有点像赛博斗蛐蛐：看它打架，发现问题，改策略，再看它有没有变聪明。 地址： https://agentank.ai 目前感觉核心玩法对一小群人很有吸引力，我和几个朋友一天就能对战几百次，觉得很上头，但门槛可能还是有点高，所以想听听大家的反馈。
大家好，最近做了一个小产品，叫 AgenTank 。 这是一个浏览器里的 AI 坦克大战游戏。不同的是，玩家不是手动开坦克，而是让 Agent 写坦克的战斗逻辑。 每个坦克出生都自带一个技能，也有独一无二的外观，战场公开一系列参数和函数，可以用于写坦克的逻辑。 你要做的是观察自己的坦克在战场上的表现，看看它为什么赢、为什么输，然后告诉 Agent 想要改进的策略方向。Agent 会修改坦克代码，再把它送回战场继续打。 我自己已经跑了 1000 多场战斗，也花了不少 Claude 额度去迭代我的坦克。这个过程有点像赛博斗蛐蛐：看它打架，发现问题，改策略，再看它有没有变聪明。 地址： https://agentank.ai 目前感觉核心玩法对一小群人很有吸引力，我和几个朋友一天就能对战几百次，觉得很上头，但门槛可能还是有点高，所以想听听大家的反馈。
大家好，最近做了一个小产品，叫 AgenTank 。 这是一个浏览器里的 AI 坦克大战游戏。不同的是，玩家不是手动开坦克，而是让 Agent 写坦克的战斗逻辑。 每个坦克出生都自带一个技能，也有独一无二的外观，战场公开一系列参数和函数，可以用于写坦克的逻辑。 你要做的是观察自己的坦克在战场上的表现，看看它为什么赢、为什么输，然后告诉 Agent 想要改进的策略方向。Agent 会修改坦克代码，再把它送回战场继续打。 我自己已经跑了 1000 多场战斗，也花了不少 Claude 额度去迭代我的坦克。这个过程有点像赛博斗蛐蛐：看它打架，发现问题，改策略，再看它有没有变聪明。 地址： https://agentank.ai 目前感觉核心玩法对一小群人很有吸引力，我和几个朋友一天就能对战几百次，觉得很上头，但门槛可能还是有点高，所以想听听大家的反馈。
大家好，最近做了一个小产品，叫 AgenTank 。 这是一个浏览器里的 AI 坦克大战游戏。不同的是，玩家不是手动开坦克，而是让 Agent 写坦克的战斗逻辑。 每个坦克出生都自带一个技能，也有独一无二的外观，战场公开一系列参数和函数，可以用于写坦克的逻辑。 你要做的是观察自己的坦克在战场上的表现，看看它为什么赢、为什么输，然后告诉 Agent 想要改进的策略方向。Agent 会修改坦克代码，再把它送回战场继续打。 我自己已经跑了 1000 多场战斗，也花了不少 Claude 额度去迭代我的坦克。这个过程有点像赛博斗蛐蛐：看它打架，发现问题，改策略，再看它有没有变聪明。 https://i.v2ex.co/oEqTcUC6.gif （图片大于 4 MB） 地址： https://agentank.ai 目前感觉核心玩法对一小群人很有吸引力，我和几个朋友一天就能对战几百次，觉得很上头，但门槛可能还是有点高，所以想听听大家的反馈。 有机会的话还想办点比赛啥的 3 个帖子 - 3 位参与者 阅读完整话题
大家好，最近做了一个小产品，叫 AgenTank 。 这是一个浏览器里的 AI 坦克大战游戏。不同的是，玩家不是手动开坦克，而是让 Agent 写坦克的战斗逻辑。 每个坦克出生都自带一个技能，也有独一无二的外观，战场公开一系列参数和函数，可以用于写坦克的逻辑。 你要做的是观察自己的坦克在战场上的表现，看看它为什么赢、为什么输，然后告诉 Agent 想要改进的策略方向。Agent 会修改坦克代码，再把它送回战场继续打。 我自己已经跑了 1000 多场战斗，也花了不少 Claude 额度去迭代我的坦克。这个过程有点像赛博斗蛐蛐：看它打架，发现问题，改策略，再看它有没有变聪明。 地址： https://agentank.ai 目前感觉核心玩法对一小群人很有吸引力，我和几个朋友一天就能对战几百次，觉得很上头，但门槛可能还是有点高，所以想听听大家的反馈。
大家好，最近做了一个小产品，叫 AgenTank 。 这是一个浏览器里的 AI 坦克大战游戏。不同的是，玩家不是手动开坦克，而是让 Agent 写坦克的战斗逻辑。 每个坦克出生都自带一个技能，也有独一无二的外观，战场公开一系列参数和函数，可以用于写坦克的逻辑。 你要做的是观察自己的坦克在战场上的表现，看看它为什么赢、为什么输，然后告诉 Agent 想要改进的策略方向。Agent 会修改坦克代码，再把它送回战场继续打。 我自己已经跑了 1000 多场战斗，也花了不少 Claude 额度去迭代我的坦克。这个过程有点像赛博斗蛐蛐：看它打架，发现问题，改策略，再看它有没有变聪明。 地址： https://agentank.ai 目前感觉核心玩法对一小群人很有吸引力，我和几个朋友一天就能对战几百次，觉得很上头，但门槛可能还是有点高，所以想听听大家的反馈。