尧图网站建设 
使用 Yi 大模型玩转街霸三基于 llm-colosseum 与 Diambra 的 LLM 游戏 AI 实战指南【免费下载链接】YiA series of large language models trained from scratch by developers 01-ai项目地址: https://gitcode.com/GitHub_Trending/yi/Yi导读本文基于本仓库 Cookbook 中的 使用Yi大模型玩转街霸三.md 展开完整复现用 yi-large 大模型控制经典格斗游戏《街霸三》角色进行对战的落地全流程从 Docker、Conda、Diambra 账号等环境准备到 Yi 模型 API 密钥获取、llm-colosseum 项目配置再到通过diambra命令启动游戏。读完本文你将掌握一套LLM 观察游戏画面 → 生成动作指令 → 驱动游戏角色的可复现实验方案并能在此基础上替换模型、调整 Prompt 进行二次探索。一、项目概述大语言模型如何打格斗游戏在这个项目中我们完成的是一条完整的 LLM 游戏 AI 链路设置必要的环境和工具Docker Desktop、Conda、Diambra获取 Yi 模型的 API 密钥配置并运行 llm-colosseum 游戏环境让 Yi 模型接管《街霸三》角色实时生成出招决策并完成对战。整个系统由两部分协同Diambra Arena提供可编程控制的街霸三模拟环境负责渲染画面、接收动作、返回状态Yi 大模型默认yi-large则扮演玩家大脑根据游戏观察结果输出下一步动作。从仓库中 基于yi-large构建思维导图生成器.md 等文档可以看出yi-large通过零一万物开放平台以 OpenAI 兼容的 HTTP 接口对外提供服务base_url为https://api.lingyiwanwu.com/v1模型名yi-large这种标准化的对话式 API 正是本项目能够快速接入游戏决策循环的基础。Diambra 平台中运行中的街霸三对战画面.png)二、实验环境与前置要求本教程面向基础较薄弱的读者建议按照以下环境清单逐项核对项目要求说明操作系统Windows 或 macOS本文以 macOS 为例展开Python3.10用于创建 Conda 虚拟环境Docker Desktop最新稳定版Diambra 游戏镜像依赖容器运行Diambra 账号需要注册首次运行需用其登录认证Yi 模型 API 密钥需要申请通过零一万物开放平台获取从本仓库 README.md 可知Yi 系列是 01.AI 从零训练的开源双语大模型基于 3T 多语种语料而yi-large则是通过官方开放平台以 API 方式调用的商用对话模型——本教程正是利用它无需本地 GPU 即可获得强推理能力的特性把模型大脑接入游戏。三、步骤 1环境准备3.1 安装 Docker Desktop访问 Docker Desktop 官方网站下载与你的操作系统匹配的安装包macOS 用户注意区分 Apple Silicon 与 Intel 版本按照安装向导完成安装安装完成后重启电脑确保 Docker 服务正常启动菜单栏出现 Docker 图标。说明Diambra Arena 以 Docker 镜像方式分发游戏环境Docker Desktop 是运行其游戏模拟器的必备前置。3.2 安装 Conda 并验证Conda 是强大的包管理工具我们将用它为项目创建独立的 Python 3.10 虚拟环境避免依赖冲突访问 Conda 官网下载并安装Miniconda推荐或 Anaconda安装完成后打开终端输入以下命令验证安装conda --version如果终端输出版本号例如conda 24.1.2说明安装成功。macOS 终端中执行 conda --version 并成功输出版本号.png)3.3 注册 Diambra 账号Diambra 提供了我们所需的可编程游戏环境访问 Diambra 官方注册页面填写必要信息并完成注册保存好账号密码——首次运行游戏时会要求输入用于拉取游戏镜像时的身份认证。四、步骤 2获取 Yi 模型 API 密钥要让 Yi 大模型看懂游戏并做出决策需要先拿到调用权限访问 Yi 大模型开放平台零一万物开放平台注册并登录账号在平台控制台创建新的API Key妥善保存密钥后续写入项目的环境变量文件中。平台生成的密钥用于请求身份验证调用时配合模型名yi-large使用。仓库内其他 Cookbook 文档如 基于LlamaIndex和Yi-large构建智能问答系统.md也采用了相同的密钥获取与调用方式可作为补充参考。零一万物开放平台 API Key 管理页面包含创建 API Key 入口.png)五、步骤 3配置项目环境5.1 克隆项目仓库打开终端执行以下命令拉取 llm-colosseum 项目并进入目录git clone https://github.com/Yimi81/llm-colosseum.git cd llm-colosseum5.2 创建并激活虚拟环境在项目目录下用 Conda 创建 Python 3.10 环境并激活conda create -n yi python3.10 -y conda activate yi5.3 安装依赖pip install -r requirements.txt该命令会安装 llm-colosseum 所需依赖包括 Diambra 客户端、大模型 SDK 及 torch、transformers 等相关库是后续运行diambra命令的前提。5.4 配置环境变量复制示例环境文件cp .env.example .env编辑.env文件在 macOS 上你可能需要显示隐藏文件使用快捷键Command Shift .即可切换隐藏文件的显示/隐藏打开.env将YI_API_KEY替换为你之前在平台上获取的 API 密钥。llm-colosseum 项目目录中的关键文件agent.py、script.py、requirements.txt 等.png)从项目文件结构可以推断agent.py负责封装Yi 模型 → 游戏动作的决策逻辑script.py是 Diambra 加载的入口脚本.env则集中管理 API 密钥等敏感配置——保持密钥不写入代码、统一由环境变量注入是后续替换模型或分享代码时的良好实践。六、步骤 4启动游戏6.1 找到 ROM 文件路径在 macOS 环境中ROM 文件通常位于/Users/你的用户名/Desktop/code/llm-colosseum/.diambra/rom记住这个路径我们称之为your_roms_absolute_path即 ROM 的绝对路径后面启动命令会用到。6.2 启动游戏在终端中执行diambra -r your_roms_absolute_path run -l python script.py命令各部分的含义参数作用diambraDiambra CLI 客户端管理游戏环境-r your_roms_absolute_path指定 ROM 文件所在目录的绝对路径run启动一个游戏实例-l python script.py指定用 Python 解释器加载并运行script.py首次运行时系统会提示你输入 Diambra 账号的用户名和密码认证通过后游戏镜像开始自动下载之后只需等待镜像拉取完成、游戏窗口弹出即可。终端中执行 diambra 相关命令输出依赖环境与启动信息.png)左侧为街霸三对战画面右侧终端实时输出模型决策与动作指令日志.png)七、运行原理与进阶调优7.1 决策闭环如何工作从运行日志可以看到系统以游戏状态 → LLM 决策 → 动作指令 → 游戏响应的闭环持续运转终端实时打印模型生成的动作指令如角色移动、出招等以及调用 Yi API 的 HTTP 请求记录。这意味着整个对战过程并非预设脚本而是每一帧都由yi-large根据当前战况动态生成这正是大语言模型作为通用决策器而非硬编码规则在游戏 AI 领域的核心价值。7.2 换用其他 Yi 模型项目默认使用yi-large你可以尝试修改配置或代码中的模型名改用其他 Yi 模型如yi-medium来对比不同模型的决策风格与出招质量。由于模型名统一由 API 参数指定切换成本很低平台也针对不同模型提供了对应的调用配额TPM每分钟 Token 数档位可根据实际需求选择。开放平台不同模型yi-large、yi-medium 等对应的 TPM 配额信息.png)7.3 调整 Prompt 改变 AI 行为同样的模型通过调整喂给 LLM 的系统提示Prompt可以让角色呈现完全不同的打法——例如激进压制、防守反击等风格。建议在修改 Prompt 时保留游戏状态描述的最小必要信息并用结构化格式组织观察数据以帮助模型稳定输出合法的动作指令。7.4 注意 API 频率限制调用 Yi API 时可能遇到请求频率限制Rate Limit。如果对战过程中出现大量请求被拒绝、决策中断的情况可以考虑升级 API 计划以获取更高的 TPM 配额或适当降低决策频率、在动作指令中复用前一帧结果。八、常见问题与排查建议现象排查方向diambra命令找不到确认已pip install -r requirements.txt且虚拟环境已激活首次启动卡在登录确认 Diambra 账号已注册输入的用户名/密码无误提示找不到 ROM核对-r参数是否指向your_roms_absolute_path对应目录游戏无 AI 决策检查.env中YI_API_KEY是否已正确填写、密钥是否有效决策频繁失败多为 API 频率限制升级 API 计划或降低调用频率结语至此你已经成功搭建并运行了一个由 Yi 大模型控制的《街霸三》AI 对战系统——这个项目直观展示了大语言模型在游戏 AI 领域的潜力。你可以继续沿着三条主线深入更换不同规模的 Yi 模型yi-large/yi-medium观察决策差异、调整 Prompt 塑造不同战斗风格、或参考本仓库 Cookbook 中 基于LlamaIndex和Yi-large构建智能问答系统.md 等文档把 Yi API 的能力扩展到更多应用场景。英文版对应教程见 Mastering Street Fighter III with the Yi Language Model。继续探索享受 AI 带来的无限可能吧【免费下载链接】YiA series of large language models trained from scratch by developers 01-ai项目地址: https://gitcode.com/GitHub_Trending/yi/Yi创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 使用 Yi 大模型玩转街霸三：基于 llm-colosseum 与 Diambra 的 LLM 游戏 AI 实战指南
使用 Yi 大模型玩转街霸三基于 llm-colosseum 与 Diambra 的 LLM 游戏 AI 实战指南【免费下载链接】YiA series of large language models trained from scratch by developers 01-ai项目地址: https://gitcode.com/GitHub_Trending/yi/Yi导读本文基于本仓库 Cookbook 中的 使用Yi大模型玩转街霸三.md 展开完整复现用 yi-large 大模型控制经典格斗游戏《街霸三》角色进行对战的落地全流程从 Docker、Conda、Diambra 账号等环境准备到 Yi 模型 API 密钥获取、llm-colosseum 项目配置再到通过diambra命令启动游戏。读完本文你将掌握一套LLM 观察游戏画面 → 生成动作指令 → 驱动游戏角色的可复现实验方案并能在此基础上替换模型、调整 Prompt 进行二次探索。一、项目概述大语言模型如何打格斗游戏在这个项目中我们完成的是一条完整的 LLM 游戏 AI 链路设置必要的环境和工具Docker Desktop、Conda、Diambra获取 Yi 模型的 API 密钥配置并运行 llm-colosseum 游戏环境让 Yi 模型接管《街霸三》角色实时生成出招决策并完成对战。整个系统由两部分协同Diambra Arena提供可编程控制的街霸三模拟环境负责渲染画面、接收动作、返回状态Yi 大模型默认yi-large则扮演玩家大脑根据游戏观察结果输出下一步动作。从仓库中 基于yi-large构建思维导图生成器.md 等文档可以看出yi-large通过零一万物开放平台以 OpenAI 兼容的 HTTP 接口对外提供服务base_url为https://api.lingyiwanwu.com/v1模型名yi-large这种标准化的对话式 API 正是本项目能够快速接入游戏决策循环的基础。Diambra 平台中运行中的街霸三对战画面.png)二、实验环境与前置要求本教程面向基础较薄弱的读者建议按照以下环境清单逐项核对项目要求说明操作系统Windows 或 macOS本文以 macOS 为例展开Python3.10用于创建 Conda 虚拟环境Docker Desktop最新稳定版Diambra 游戏镜像依赖容器运行Diambra 账号需要注册首次运行需用其登录认证Yi 模型 API 密钥需要申请通过零一万物开放平台获取从本仓库 README.md 可知Yi 系列是 01.AI 从零训练的开源双语大模型基于 3T 多语种语料而yi-large则是通过官方开放平台以 API 方式调用的商用对话模型——本教程正是利用它无需本地 GPU 即可获得强推理能力的特性把模型大脑接入游戏。三、步骤 1环境准备3.1 安装 Docker Desktop访问 Docker Desktop 官方网站下载与你的操作系统匹配的安装包macOS 用户注意区分 Apple Silicon 与 Intel 版本按照安装向导完成安装安装完成后重启电脑确保 Docker 服务正常启动菜单栏出现 Docker 图标。说明Diambra Arena 以 Docker 镜像方式分发游戏环境Docker Desktop 是运行其游戏模拟器的必备前置。3.2 安装 Conda 并验证Conda 是强大的包管理工具我们将用它为项目创建独立的 Python 3.10 虚拟环境避免依赖冲突访问 Conda 官网下载并安装Miniconda推荐或 Anaconda安装完成后打开终端输入以下命令验证安装conda --version如果终端输出版本号例如conda 24.1.2说明安装成功。macOS 终端中执行 conda --version 并成功输出版本号.png)3.3 注册 Diambra 账号Diambra 提供了我们所需的可编程游戏环境访问 Diambra 官方注册页面填写必要信息并完成注册保存好账号密码——首次运行游戏时会要求输入用于拉取游戏镜像时的身份认证。四、步骤 2获取 Yi 模型 API 密钥要让 Yi 大模型看懂游戏并做出决策需要先拿到调用权限访问 Yi 大模型开放平台零一万物开放平台注册并登录账号在平台控制台创建新的API Key妥善保存密钥后续写入项目的环境变量文件中。平台生成的密钥用于请求身份验证调用时配合模型名yi-large使用。仓库内其他 Cookbook 文档如 基于LlamaIndex和Yi-large构建智能问答系统.md也采用了相同的密钥获取与调用方式可作为补充参考。零一万物开放平台 API Key 管理页面包含创建 API Key 入口.png)五、步骤 3配置项目环境5.1 克隆项目仓库打开终端执行以下命令拉取 llm-colosseum 项目并进入目录git clone https://github.com/Yimi81/llm-colosseum.git cd llm-colosseum5.2 创建并激活虚拟环境在项目目录下用 Conda 创建 Python 3.10 环境并激活conda create -n yi python3.10 -y conda activate yi5.3 安装依赖pip install -r requirements.txt该命令会安装 llm-colosseum 所需依赖包括 Diambra 客户端、大模型 SDK 及 torch、transformers 等相关库是后续运行diambra命令的前提。5.4 配置环境变量复制示例环境文件cp .env.example .env编辑.env文件在 macOS 上你可能需要显示隐藏文件使用快捷键Command Shift .即可切换隐藏文件的显示/隐藏打开.env将YI_API_KEY替换为你之前在平台上获取的 API 密钥。llm-colosseum 项目目录中的关键文件agent.py、script.py、requirements.txt 等.png)从项目文件结构可以推断agent.py负责封装Yi 模型 → 游戏动作的决策逻辑script.py是 Diambra 加载的入口脚本.env则集中管理 API 密钥等敏感配置——保持密钥不写入代码、统一由环境变量注入是后续替换模型或分享代码时的良好实践。六、步骤 4启动游戏6.1 找到 ROM 文件路径在 macOS 环境中ROM 文件通常位于/Users/你的用户名/Desktop/code/llm-colosseum/.diambra/rom记住这个路径我们称之为your_roms_absolute_path即 ROM 的绝对路径后面启动命令会用到。6.2 启动游戏在终端中执行diambra -r your_roms_absolute_path run -l python script.py命令各部分的含义参数作用diambraDiambra CLI 客户端管理游戏环境-r your_roms_absolute_path指定 ROM 文件所在目录的绝对路径run启动一个游戏实例-l python script.py指定用 Python 解释器加载并运行script.py首次运行时系统会提示你输入 Diambra 账号的用户名和密码认证通过后游戏镜像开始自动下载之后只需等待镜像拉取完成、游戏窗口弹出即可。终端中执行 diambra 相关命令输出依赖环境与启动信息.png)左侧为街霸三对战画面右侧终端实时输出模型决策与动作指令日志.png)七、运行原理与进阶调优7.1 决策闭环如何工作从运行日志可以看到系统以游戏状态 → LLM 决策 → 动作指令 → 游戏响应的闭环持续运转终端实时打印模型生成的动作指令如角色移动、出招等以及调用 Yi API 的 HTTP 请求记录。这意味着整个对战过程并非预设脚本而是每一帧都由yi-large根据当前战况动态生成这正是大语言模型作为通用决策器而非硬编码规则在游戏 AI 领域的核心价值。7.2 换用其他 Yi 模型项目默认使用yi-large你可以尝试修改配置或代码中的模型名改用其他 Yi 模型如yi-medium来对比不同模型的决策风格与出招质量。由于模型名统一由 API 参数指定切换成本很低平台也针对不同模型提供了对应的调用配额TPM每分钟 Token 数档位可根据实际需求选择。开放平台不同模型yi-large、yi-medium 等对应的 TPM 配额信息.png)7.3 调整 Prompt 改变 AI 行为同样的模型通过调整喂给 LLM 的系统提示Prompt可以让角色呈现完全不同的打法——例如激进压制、防守反击等风格。建议在修改 Prompt 时保留游戏状态描述的最小必要信息并用结构化格式组织观察数据以帮助模型稳定输出合法的动作指令。7.4 注意 API 频率限制调用 Yi API 时可能遇到请求频率限制Rate Limit。如果对战过程中出现大量请求被拒绝、决策中断的情况可以考虑升级 API 计划以获取更高的 TPM 配额或适当降低决策频率、在动作指令中复用前一帧结果。八、常见问题与排查建议现象排查方向diambra命令找不到确认已pip install -r requirements.txt且虚拟环境已激活首次启动卡在登录确认 Diambra 账号已注册输入的用户名/密码无误提示找不到 ROM核对-r参数是否指向your_roms_absolute_path对应目录游戏无 AI 决策检查.env中YI_API_KEY是否已正确填写、密钥是否有效决策频繁失败多为 API 频率限制升级 API 计划或降低调用频率结语至此你已经成功搭建并运行了一个由 Yi 大模型控制的《街霸三》AI 对战系统——这个项目直观展示了大语言模型在游戏 AI 领域的潜力。你可以继续沿着三条主线深入更换不同规模的 Yi 模型yi-large/yi-medium观察决策差异、调整 Prompt 塑造不同战斗风格、或参考本仓库 Cookbook 中 基于LlamaIndex和Yi-large构建智能问答系统.md 等文档把 Yi API 的能力扩展到更多应用场景。英文版对应教程见 Mastering Street Fighter III with the Yi Language Model。继续探索享受 AI 带来的无限可能吧【免费下载链接】YiA series of large language models trained from scratch by developers 01-ai项目地址: https://gitcode.com/GitHub_Trending/yi/Yi创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考