BrainCraft - 三层大脑架构智能体

概述

本项目基于 MindCraft 项目，实现了一个三层大脑架构 + 任务栈管理的 Minecraft 智能体系统。系统采用异步架构，实现了战略规划、战术执行和反射响应的分层决策。

核心架构

高层大脑 (High-Level Brain): 战略规划、任务栈管理、玩家指令处理
中层大脑 (Mid-Level Brain): 任务执行、JavaScript 代码生成、智能重试
底层大脑 (Low-Level Brain): 战斗反射、自保反应、事件处理

核心特性

🎯 任务栈 (Task Stack) 管理系统

采用 LIFO (后进先出) 栈结构管理所有任务：

动态优先级: 玩家请求或紧急子任务自动获得最高优先级
优雅中断: 支持任务暂停-执行-恢复的非线性流程
智能恢复: 子任务完成后自动恢复父任务
持久化: 任务栈状态持久化，重启后无缝继续

🧠 智能求助机制

中层执行遇到困难时可向高层请求帮助：

修改步骤: 高层优化当前任务的执行步骤
添加子任务: 自动创建前置子任务解决瓶颈
替换任务: 完全重新规划更合理的方案
放弃任务: 智能判断不可行的目标并及时止损

👥 玩家交互系统

任务请求识别: 自动从聊天中解析玩家的任务请求
关系管理: 基于互动历史维护玩家关系
优先级权衡: 根据任务重要性和玩家关系决定是否接受请求
智能反馈: 任务完成或失败时主动向玩家汇报

⚡ 异步并发架构

三层独立运行: 高层(10分钟)、中层(1秒)、底层(0.1秒)异步运行
事件驱动唤醒: 中层请求可立即唤醒高层大脑响应
非阻塞执行: 所有 LLM 调用和游戏操作完全异步

🌟 沉思系统（规划中）

高层大脑将具备深度沉思能力，在空闲时进行自我成长：

经验总结: 从成功与失败中提炼通用原则和洞察
社交反思: 思考与玩家的互动，理解关系动态
人生目标: 反思长期愿景，调整价值观和优先级
创造性思考: 跨领域连接知识，产生创新想法
人格塑造: 反思个性特质，发展独特的行为模式
异步执行: 沉思在后台进行，不影响紧急响应和任务执行

这将使智能体适应 AI Town 等需要复杂社交和长期规划的环境。

架构图

┌──────────────────────────────────────────────────┐
│              高层大脑 (Strategic)                 │
│  • 战略目标设定、任务栈管理                       │
│  • 玩家指令处理、智能求助响应                     │
│  • 深度沉思（经验总结、社交反思、人生规划）[规划中]│
│  • 10分钟周期 + 事件驱动（可被中层即时唤醒）      │
│  • LLM: Qwen-Max / GPT-4 / Claude                │
└────────────────┬─────────────────────────────────┘
                 │ 任务栈 / 修改请求响应
                 ↓
┌──────────────────────────────────────────────────┐
│              中层大脑 (Tactical)                  │
│  • 执行栈顶任务、生成 JavaScript 代码             │
│  • 聊天处理、智能重试、请求高层指导               │
│  • 1秒周期                                       │
│  • LLM: Qwen-Plus / GPT-4o-mini                 │
└────────────────┬─────────────────────────────────┘
                 │ 动作指令
                 ↓
┌──────────────────────────────────────────────────┐
│              底层大脑 (Reflex)                    │
│  • 战斗、自保、脱困                               │
│  • 0.1秒周期 (100ms)                            │
│  • 无需LLM的即时反应                             │
└──────────────────────────────────────────────────┘

快速开始

前置要求

Python: 3.8 或更高版本（建议 3.13.5）
Node.js: 18.x 或更高版本（建议 v22.20.0）
Minecraft Java Edition: 1.22.6 及以下（建议 1.22.6）

环境配置

步骤 1: 创建并激活虚拟环境（推荐）

# 使用 Conda（推荐）
conda create -n braincraft python=3.13.5
conda activate braincraft

# 或使用 venv
python -m venv venv
venv\Scripts\activate  # Windows
source venv/bin/activate  # Linux/Mac

步骤 2: 安装 Python 依赖

# 确保虚拟环境已激活
pip install -r requirements.txt

步骤 3: 安装 JavaScript 依赖

# 安装主项目依赖
npm install

# 安装桥接模块依赖
cd agent\bridge
npm install
cd ..\..

步骤 4: 配置 API 密钥

在 项目根目录下创建 keys.json，填入你的 API 密钥:

{
    "OPENAI_API_KEY": "",
    "OPENAI_ORG_ID": "",
    "GEMINI_API_KEY": "",
    "ANTHROPIC_API_KEY": "",
    "REPLICATE_API_KEY": "",
    "GROQCLOUD_API_KEY": "",
    "HUGGINGFACE_API_KEY": "",
    "QWEN_API_KEY": "",
    "XAI_API_KEY": "",
    "MISTRAL_API_KEY": "",
    "DEEPSEEK_API_KEY": "",
    "GHLF_API_KEY": "",
    "HYPERBOLIC_API_KEY": "",
    "NOVITA_API_KEY": "",
    "OPENROUTER_API_KEY": "",
    "CEREBRAS_API_KEY": "",
    "MERCURY_API_KEY": ""
}

⚠️ 注意: keys.json 在项目根目录，不在 agent/ 文件夹内。

步骤 5: 配置智能体

编辑 profiles/three_layer_brain.json:

{
  "agent_name": "BrainyBot",
  "ipc_port": 9000,
  "keys_file": "keys.json",
  "three_layer_brain_llm": {
    "high_level_brain": {
      "model_name": "qwen-max",           // 高层大脑模型
      "api": "qwen",
      "base_url": "https://dashscope.aliyuncs.com/compatible-mode/v1",
      "params": {
        "temperature": 0.7,
        "max_tokens": 8000
      },
      "interval_seconds": 600             // 10分钟 = 600秒
    },
    "mid_level_brain": {
      "model_name": "qwen-plus",          // 中层大脑模型
      "api": "qwen",
      "base_url": "https://dashscope.aliyuncs.com/compatible-mode/v1",
      "params": {
        "temperature": 0.5,
        "max_tokens": 4000
      },
      "max_task_retries": 3               // 最大重试次数
    }
  }
}

可选模型配置:

OpenAI: gpt-4o, gpt-4o-mini
Claude: claude-3-5-sonnet-20241022
DeepSeek: deepseek-chat
本地 Ollama: llama3.1:8b

步骤 6: 配置 Minecraft 服务器

编辑 settings.js (Minecraft 连接设置):

const settings = {
  "minecraft_version": "auto",        // 自动检测版本，或指定如 "1.20.4"
  "host": "127.0.0.1",                // Minecraft 服务器地址
  "port": 55916,                      // Minecraft 服务器端口
  "auth": "offline"                   // 认证方式: "offline" 或 "microsoft"
}

⚠️ 重要:

settings.js 被原项目和三层大脑项目共用

Minecraft 连接参数 (host/port/version) 在 settings.js 中配置

智能体配置 (agent_name/LLM模型) 在 profiles/three_layer_brain.json 中配置

修改 settings.js 后，两个项目都会受影响

启动系统

三层大脑系统需要两个进程协同工作：

步骤 7: 启动 Minecraft 世界

# 1. 打开 Minecraft Java Edition
# 2. 创建/加载世界
# 3. 按 ESC → 对局域网开放
# 4. 记下端口号（如 55916）
# 5. 在 settings.js 中设置正确的端口

步骤 8: 启动 Python 大脑（第一个终端）

# 激活虚拟环境
conda activate braincraft  # 或 venv\Scripts\activate

# 启动 Python 大脑
python agent\main.py

预期输出:

======================================================================
  MindCraft Three-Layer Brain System
======================================================================
Loading configuration...
Agent: BrainyBot
High-level model: qwen-max
Mid-level model: qwen-plus
Initializing IPC server on port 9000...
IPC server started on ports 9000 (REP) and 9001 (PUB)
High-level brain initialized with refactored task stack management.
Mid-level brain initialized
Low-level brain initialized with reflex system
======================================================================
  Brain systems starting...
======================================================================
High-level brain started (interval: 600s)
Mid-level brain started (interval: 1s)
Low-level brain started (interval: 0.1s)

步骤 9: 启动 Minecraft 桥接（第二个终端）

node agent\bridge\minecraft_bridge.js

预期输出:

Loading config from: F:\...\profiles\three_layer_brain.json
======================================================================
  Three-Layer Brain Bridge - Minecraft Connection
======================================================================
Connecting to Python brain on ports 9000-9001...
IPC connection established
Listening for commands from Python...
Initializing Mineflayer bot...
Connecting to 127.0.0.1:55916 as BrainyBot
Bot spawned in world at position Vec3(100, 64, 200)

启动顺序重要说明

⚠️ 必须先启动 Python 大脑，再启动 Minecraft 桥接

原因:

Python 大脑启动 IPC 服务器（端口 9000/9001）
Minecraft 桥接连接到 IPC 服务器
如果顺序颠倒，桥接会报错：Error: Cannot connect to Python brain

验证启动成功

Python 终端应该显示:

📊 State update received from game
Position: Vec3(100, 64, 200)
Health: 20/20, Food: 20/20
Biome: plains

🎯 High-level brain: Periodic wake (contemplation check)
Task stack empty - generating strategic goal

⚡ Mid-level brain: Processing task step 1/5
Executing: 寻找附近的树木

JavaScript 终端应该显示:

Bot position: Vec3(100, 64, 200)
Received command from Python: execute_code
Executing code from brain...
Code executed successfully

在 Minecraft 中: 你应该看到名为 BrainyBot 的玩家加入游戏，并开始执行任务。

停止系统

正常停止

在 JavaScript 终端按 Ctrl+C
在 Python 终端按 Ctrl+C

系统会自动保存任务栈和心智状态到 bots/BrainyBot/mind_state.json。

强制停止

如果系统无响应：

Windows:

taskkill /F /IM python.exe
taskkill /F /IM node.exe

Linux/Mac:

pkill -9 python
pkill -9 node

重启后恢复

系统重启后会自动从 bots/BrainyBot/mind_state.json 恢复：

✅ 任务栈状态
✅ 战略目标
✅ 目标层级
✅ 自我认知
✅ 学习经验
✅ 玩家关系

重启后智能体会无缝继续执行之前的任务。

查看运行状态

实时日志

观察 Python 终端和 JavaScript 终端的输出。

持久化文件

# 查看任务栈
cat bots\BrainyBot\mind_state.json

# 查看学习经验
cat bots\BrainyBot\learned_experience.json

# 查看玩家关系
cat bots\BrainyBot\players.json

# 查看聊天历史
cat bots\BrainyBot\chat_history.json

日常使用工作流程

1. 每次使用前

# 启动 Minecraft 并对局域网开放
# 检查 settings.js 中的端口号是否正确

2. 启动智能体

# 终端 1 - Python 大脑
conda activate braincraft
python agent\main.py

# 终端 2 - Minecraft 桥接
node agent\bridge\minecraft_bridge.js

3. 使用完毕

按 Ctrl+C 依次停止两个进程。

切换 LLM 模型

使用 OpenAI GPT-4

编辑 profiles/three_layer_brain.json:

{
  "three_layer_brain_llm": {
    "high_level_brain": {
      "model_name": "gpt-4o",
      "api": "openai",
      "base_url": "https://api.openai.com/v1"
    },
    "mid_level_brain": {
      "model_name": "gpt-4o-mini",
      "api": "openai"
    }
  }
}

确保 keys.json 中有 OPENAI_API_KEY。

使用 Claude

{
  "three_layer_brain_llm": {
    "high_level_brain": {
      "model_name": "claude-3-5-sonnet-20241022",
      "api": "anthropic"
    }
  }
}

确保 keys.json 中有 ANTHROPIC_API_KEY。

使用本地 Ollama

{
  "three_layer_brain_llm": {
    "high_level_brain": {
      "model_name": "llama3.1:8b",
      "api": "ollama",
      "base_url": "http://localhost:11434"
    }
  }
}

确保 Ollama 已启动并下载了模型。

提示词模板系统

系统架构

BrainCraft 使用模板化提示词系统，支持动态变量替换和模块化组织：

PromptManager: 提示词渲染引擎，负责加载模板并替换变量
DataProviders: 数据提供者，为变量提供动态数据（如游戏状态、记忆等）
PromptLogger: 调试工具，记录所有发送给 LLM 的提示词和响应
variable_config.yaml: 变量配置文件，定义所有可用变量及其数据来源

提示词目录结构

agent/prompts/
├── high_level/              # 高层大脑提示词
│   ├── planning.txt         # 战略规划（目标设定、任务栈决策）
│   └── experience_summary.txt  # 经验总结（学习和反思）
├── mid_level/               # 中层大脑提示词
│   ├── coding.txt           # 代码生成（JavaScript 代码）
│   ├── chat_handler.txt     # 聊天处理（响应玩家消息）
│   └── extract_player_info.txt  # 玩家信息提取（关系管理）
├── task_stack/              # 任务栈提示词
│   ├── task_decomposition.txt    # 任务分解（目标→步骤）
│   ├── handle_stuck_task.txt     # 处理卡住的任务（故障排查）
│   └── handle_player_directive.txt  # 处理玩家指令（接受/拒绝决策）
├── prompt_manager.py        # 提示词管理器
├── data_providers.py        # 数据提供者
├── prompt_logger.py         # 提示词日志记录器
└── variable_config.yaml     # 变量配置文件

变量系统

提示词中可以使用 $VARIABLE_NAME 格式的变量，在渲染时自动替换：

游戏状态变量

$STATS: 位置、生命值、饥饿度、经验等级
$INVENTORY: 背包物品详情
$NEARBY_BLOCKS: 附近 16 格内的方块
$NEARBY_ENTITIES: 附近的实体（玩家、生物）
$TIME_OF_DAY: 游戏时间和天数

记忆变量

$SHORT_TERM_MEMORY: 最近的重要事件（最后 50 条）
$LEARNED_EXPERIENCE: 长期学习经验和洞察
$PLAYER_RELATIONSHIPS: 玩家关系信息
$CHAT_CONTEXT: 聊天历史（特定玩家）

技能文档

$CODE_DOCS: Minecraft 技能库完整 API 文档
$SKILL_SUMMARY: 技能库概览（简化版）

任务相关

$ACTIVE_TASK: 当前执行的任务计划
$TASK_STACK: 完整任务栈状态
$CURRENT_GOAL: 当前战略目标

自定义提示词

修改现有提示词

直接编辑 agent/prompts/ 目录下的 .txt 文件即可，修改后立即生效（无需重启）。

添加新变量

在 data_providers.py 中添加数据提供者函数：

@staticmethod
def get_custom_data(context: Dict[str, Any]) -> str:
    """自定义数据提供者"""
    return "your custom data"

在 variable_config.yaml 中注册变量：

CUSTOM_VAR:
  provider: get_custom_data
  description: "Your custom variable description"

在提示词中使用：
```
Current custom data: $CUSTOM_VAR
```

任务栈工作原理

任务栈结构

任务栈是一个 LIFO（后进先出）数据结构，存储所有 task_plan 对象：

task_stack = [
    {
        "goal": "探索并收集资源",  # 基础任务
        "steps": [...],
        "status": "paused",
        "source": "internal"
    },
    {
        "goal": "为玩家建造庇护所",  # 玩家任务（中断了基础任务）
        "steps": [...],
        "status": "paused",
        "source": "player",
        "player_name": "Steve"
    },
    {
        "goal": "收集 20 个木头",  # 当前执行的子任务
        "steps": [...],
        "status": "active",       # 栈顶任务总是 active
        "source": "internal"
    }
]

任务执行流程

中层执行: 中层大脑只执行栈顶任务（task_stack[-1]）
任务完成: 栈顶任务完成后，自动弹出（pop）
恢复父任务: 弹出后，新的栈顶任务状态从 paused 变为 active
继续执行: 中层大脑继续执行被恢复的任务

玩家请求处理

当玩家在聊天中发送任务请求（如 "帮我建个房子"）：

中层识别: 中层大脑使用 LLM 判断是否为任务请求
高层决策:
- 评估玩家关系（从 players.json 读取）
- 权衡当前任务的重要性
- 决定接受或拒绝
任务压栈: 如果接受，创建新任务并压入栈顶，当前任务变为 paused
执行: 中层立即开始执行玩家任务

智能求助（修改请求）

当中层执行失败多次后：

发送请求: 中层向高层发送 modification_request
立即唤醒: 高层大脑被事件驱动机制唤醒
LLM 分析: 高层使用 LLM 分析失败原因和上下文
决策响应:
- REVISE_STEPS: 修改当前任务的步骤
- ADD_SUB_TASK: 创建子任务并压栈
- REPLACE_TASK: 弹出当前任务，压入新任务
- DISCARD_TASK: 弹出并放弃当前任务
- REJECT_REQUEST: 拒绝修改，提供指导建议

数据持久化

所有智能体数据保存在 bots/{agent_name}/ 目录：

bots/BrainyBot/                  # agent_name 在 three_layer_brain.json 中配置
├── mind_state.json              # 心智状态（任务栈、战略目标）
├── memory.json                  # 短期记忆
├── learned_experience.json      # 长期经验（洞察、教训）
├── players.json                 # 玩家关系
└── chat_history.json            # 聊天历史

mind_state.json 结构

{
  "task_stack": [
    {
      "goal": "探索并收集资源",
      "steps": [
        {"id": 1, "description": "寻找树木", "status": "completed"},
        {"id": 2, "description": "收集木头", "status": "in_progress"}
      ],
      "current_step_index": 1,
      "status": "active",
      "source": "internal"
    }
  ],
  "strategic_goal": "建立一个安全的基地",
  "goal_hierarchy": {
    "long_term_goals": [...]
  },
  "self_awareness": {...},
  "mental_state": {...}
}

项目结构

braincraft/
├── agent/                        # 智能体系统
│   ├── main.py                    # 入口文件
│   ├── config.py                  # 配置管理
│   ├── brain/                     # 三层大脑
│   │   ├── three_layer_brain/     # 三层大脑核心
│   │   │   ├── brain_coordinator.py   # 大脑协调器
│   │   │   ├── high_level_brain.py    # 高层大脑
│   │   │   ├── mid_level_brain.py     # 中层大脑
│   │   │   ├── low_level_brain.py     # 底层大脑
│   │   │   └── execution_coordinator.py # 执行协调器
│   │   ├── task_stack/            # 任务栈管理
│   │   │   ├── task_stack_manager.py  # 任务栈核心
│   │   │   ├── task_planner.py        # 任务规划器
│   │   │   ├── task_handler.py        # 任务处理器
│   │   │   ├── task_persistence.py    # 持久化
│   │   │   └── TASK_STACK_DESIGN.md   # 设计文档
│   │   ├── mind_system/           # 心智系统
│   │   │   ├── goal_hierarchy.py      # 目标层级
│   │   │   ├── self_awareness.py      # 自我认知
│   │   │   └── mental_state.py        # 心智状态
│   │   └── contemplation/         # 沉思系统（规划中）
│   ├── models/                    # LLM 模型接口
│   │   ├── llm_wrapper.py         # 统一接口
│   │   ├── gpt.py                 # OpenAI GPT
│   │   ├── claude.py              # Anthropic Claude
│   │   ├── qwen.py                # 阿里通义千问
│   │   ├── deepseek.py            # DeepSeek
│   │   └── skill_library.py       # Minecraft 技能库
│   ├── utils/                     # 工具模块
│   │   ├── memory_manager.py      # 记忆管理
│   │   ├── mind_state_manager.py  # 心智状态管理
│   │   ├── chat_manager.py        # 聊天管理
│   │   ├── game_state_formatter.py # 游戏状态格式化
│   │   └── logger.py              # 日志系统
│   ├── communication/             # 通信模块
│   │   └── ipc_server.py          # IPC 服务器
│   ├── bridge/                    # JS-Python 桥接
│   │   ├── minecraft_bridge.js    # Minecraft 桥接
│   │   └── package.json           # 桥接依赖
│   └── prompts/                   # LLM 提示词模板系统
│       ├── prompt_manager.py      # 提示词管理器（渲染引擎）
│       ├── prompt_logger.py       # 提示词日志记录器（调试工具）
│       ├── data_providers.py      # 数据提供者（变量解析器）
│       ├── api_docs_generator.py  # API 文档生成器
│       ├── variable_config.yaml   # 变量配置文件
│       ├── high_level/            # 高层大脑提示词
│       │   ├── planning.txt       # 战略规划
│       │   └── experience_summary.txt  # 经验总结
│       ├── mid_level/             # 中层大脑提示词
│       │   ├── coding.txt         # 代码生成
│       │   ├── chat_handler.txt   # 聊天处理
│       │   └── extract_player_info.txt  # 玩家信息提取
│       └── task_stack/            # 任务栈提示词
│           ├── task_decomposition.txt    # 任务分解
│           ├── handle_stuck_task.txt     # 处理卡住的任务
│           └── handle_player_directive.txt  # 处理玩家指令
├── bots/                          # 智能体数据（运行时生成）
│   └── BrainyBot/                 # 对应 agent_name
│       ├── mind_state.json        # 心智状态
│       ├── memory.json            # 记忆
│       ├── learned_experience.json # 学习经验
│       ├── players.json           # 玩家关系
│       └── chat_history.json      # 聊天历史
├── profiles/                      # 配置文件
│   ├── three_layer_brain.json     # 主要配置文件
│   └── defaults/
├── src/                           # 原 MindCraft 项目代码
│   ├── agent/library/             # 技能库（JavaScript）
│   │   ├── skills.js              # Minecraft 技能函数
│   │   └── world.js               # 世界查询函数
│   └── utils/                     # 工具函数
├── keys.json                      # ⭐ API 密钥文件（项目根目录）
├── settings.js                    # ⭐ Minecraft 连接设置
├── requirements.txt               # Python 依赖
└── README.md                      # 本文件

注意: agent/ 是新的智能体系统目录，不是 python/。

常见问题排查

Q1: IPC 连接失败

错误信息:

Error: Cannot connect to Python brain on port 9000

解决方法:

确保 Python 大脑已经启动
检查日志中是否显示 IPC server started on ports 9000
检查端口 9000 和 9001 是否被其他程序占用
```
netstat -ano | findstr "9000"
```

Q2: Bot 无法加入 Minecraft

错误信息:

Error: Connection refused to 127.0.0.1:25565

解决方法:

确保 Minecraft 世界已经开启
确保已经"对局域网开放"
检查 settings.js 中的端口号是否正确
如果使用正版验证，确保 auth: "microsoft" 且已登录

Q3: LLM API 调用失败

错误信息:

Error: Invalid API key for Qwen

解决方法:

检查 keys.json 中的 API 密钥是否正确
确保 API 密钥有足够的额度
检查网络连接

Q4: Bot 不执行任务

排查步骤:

查看 Python 终端，确认任务栈不为空:

Task stack top: 探索并收集资源 (source=internal) - Step 1/5

查看 JavaScript 终端，确认代码执行:
```
Executing code from brain...
```
检查 bots/BrainyBot/mind_state.json，查看任务栈状态
查看日志中的错误信息

Q5: 虚拟环境未激活

症状: 运行 python agent\main.py 时报错 ModuleNotFoundError

解决方法:

# 确保激活虚拟环境
conda activate braincraft  # 或 venv\Scripts\activate

# 验证
python -c "import zmq; print('ZMQ installed')"

Q6: 如何调整高层大脑的唤醒频率？

修改 profiles/three_layer_brain.json 中的 interval_seconds:

{
  "three_layer_brain_llm": {
    "high_level_brain": {
      "interval_seconds": 600  // 10分钟 = 600秒
    }
  }
}

Q7: 智能体死亡后会丢失记忆吗？

不会。所有记忆、目标和任务栈都保存在 bots/{agent_name}/ 目录，重生后自动加载。

Q8: 如何查看智能体的内部状态？

查看 bots/BrainyBot/mind_state.json 文件（需要先运行过至少一次）。

Q9: 如何连接不同的 Minecraft 服务器？

修改 settings.js 中的连接参数：

const settings = {
  "host": "your.server.ip",    // 服务器IP地址
  "port": 25565,               // 服务器端口
  "minecraft_version": "1.20.4", // 服务器版本
  "auth": "microsoft"          // 正版验证
}

Q10: 任务栈如何查看？

查看 bots/BrainyBot/mind_state.json 中的 task_stack 字段，或观察 Python 终端的日志输出。

许可证

与原 MindCraft 项目相同的许可证

Name		Name	Last commit message	Last commit date
Latest commit History 15 Commits
agent		agent
bots		bots
patches		patches
profiles		profiles
services/viaproxy		services/viaproxy
src		src
tasks		tasks
.gitignore		.gitignore
FAQ.md		FAQ.md
LICENSE		LICENSE
README.md		README.md
andy.json		andy.json
eslint.config.js		eslint.config.js
main.js		main.js
minecollab.md		minecollab.md
package.json		package.json
requirements.txt		requirements.txt
settings.js		settings.js

Folders and files

Latest commit

History

Repository files navigation

BrainCraft - 三层大脑架构智能体

概述

核心架构

核心特性

🎯 任务栈 (Task Stack) 管理系统

🧠 智能求助机制

👥 玩家交互系统

⚡ 异步并发架构

🌟 沉思系统（规划中）

架构图

快速开始

前置要求

环境配置

步骤 1: 创建并激活虚拟环境（推荐）

步骤 2: 安装 Python 依赖

步骤 3: 安装 JavaScript 依赖

步骤 4: 配置 API 密钥

步骤 5: 配置智能体

步骤 6: 配置 Minecraft 服务器

启动系统

启动系统

步骤 7: 启动 Minecraft 世界

步骤 8: 启动 Python 大脑（第一个终端）

步骤 9: 启动 Minecraft 桥接（第二个终端）

启动顺序重要说明

验证启动成功

停止系统

正常停止

强制停止

重启后恢复

查看运行状态

实时日志

持久化文件

日常使用工作流程

1. 每次使用前

2. 启动智能体

3. 使用完毕

切换 LLM 模型

使用 OpenAI GPT-4

使用 Claude

使用本地 Ollama

提示词模板系统

系统架构

提示词目录结构

变量系统

游戏状态变量

记忆变量

技能文档

任务相关

自定义提示词

修改现有提示词

添加新变量

任务栈工作原理

任务栈结构

任务执行流程

玩家请求处理

智能求助（修改请求）

数据持久化

mind_state.json 结构

项目结构

常见问题排查

Q1: IPC 连接失败

Q2: Bot 无法加入 Minecraft

Q3: LLM API 调用失败

Q4: Bot 不执行任务

Q5: 虚拟环境未激活

Q6: 如何调整高层大脑的唤醒频率？

Q7: 智能体死亡后会丢失记忆吗？

Q8: 如何查看智能体的内部状态？

Q9: 如何连接不同的 Minecraft 服务器？

Q10: 任务栈如何查看？

更多文档

许可证

About

Resources

License

Packages