我构建了174个相互对抗的AI Agents。
发布: (2026年4月3日 GMT+8 17:09)
4 分钟阅读
原文: Dev.to
Source: Dev.to
概览
此提交是为 DEV 四月愚人节挑战而创建的。大多数多代理系统让代理协作；BlackSwanX 让它们相互争斗。
BlackSwanX 是一个对抗性智能引擎，200 个公民 AI 代理会争论、恐慌并情绪失控，而一名 BlackSwan 刺客则尝试“谋杀”共识。它 100 % 本地运行在 Ollama 上——零 API 成本，最大混乱。
它部署了吠陀占星师、恐慌卖家、混沌数学家、Z 世代文化解码器以及街头精明的骗子（会对你说“你的路演稿很漂亮，给我看下你的银行账户”）来预测未来……通过相互争斗来实现。该系统并不解决现实问题；它只是找出大众错误的地方。
👉 GitHub 仓库 – BlackSwanX
快速开始（≈ 2 分钟）
git clone https://github.com/Kalki-M/BlackSwanX.git
cd BlackSwanX
ollama pull llama3.2:3b && ollama pull phi4:14b
pip install -r requirements.txt
bash start.sh示例运行 — “当 AI 泡沫破裂时 NVIDIA 会崩盘吗？”
- 致命一击： 量子计算使 GPU 过时（10 % 概率）
- 公民观点： 25 % 看涨 / 65 % 看跌
- 不和度： 33.6 / 100 — 最大混乱
- 抗脆弱策略： 多元化进入量子计算合作伙伴关系
工作原理
BlackSwanX 不追求共识；它追求最大的差距——认知失调，即大众信念与专家担忧之间的差距。正是这条差距孕育了“α”。
对比
| 功能 | BettaFish | MiroFish | BlackSwanX |
|---|---|---|---|
| 成本 | $$$ (7 个 API 密钥) | $$ (2 个密钥 + Zep Cloud) | $0 (Ollama) |
| 搭建时间 | 30 + 分钟 + PostgreSQL | 15 分钟 + Zep 账户 | 2 分钟，零配置 |
| 专家代理 | 5 | 0 (通用角色) | 174 个领域专家 |
| 公民代理 | 0 | ~100 每次运行 (OASIS) | 200 每次运行 (Shadow Swarm) |
| 公民模拟 | 无 | OASIS 框架 | Shadow Swarm |
模型（全部本地，全部免费）
| 角色 | 模型 | 用途 |
|---|---|---|
| Swarm | llama3.2:3b | 200 个有偏见的公民进行争论 |
| Assassin | phi4:14b | 致命一击推理 |
| Nexus | mistral-small:24b | 综合 + DAG |
流程
- 爬取 – 从五个免费来源（DuckDuckGo、Reddit、Hacker News、YouTube、Twitter）收集数据。
- 刺客标记 –
phi4:14b在公民开始辩论前识别出“致命一击”。 - 影子群体 – 200 个公民代理以有偏见、情绪化的观点作出反应。
- 认知失调矩阵 – 计算信念与现实的分歧。
- 决策准备图 – 生成关键点（Linchpin）和抗脆弱策略。
- 自学习 (SONA) – 每次运行后，SONA 对所有代理进行审计：
- 对捕捉到风险且其他人未发现的公民加权 ×2。
- 对遗漏关键威胁的代理降权 ×0.3。
- 将模式存入 ReasoningBank。
使用得越多，它就越聪明（也越混乱）。
社区最爱，因为没有什么比把吠陀占星师和恐慌卖家当作严肃的金融分析师并称之为智能引擎更能体现“愚人节”。该项目技术上真实存在，完全失控，并且真的可以在你的笔记本电脑上运行。