AI导哈

AI游戏平台

一个基于浏览器的AI游戏平台，融合复古游戏玩法、区块链数据结构和机器学习，提供自适应AI对手和实时学习功能。

  • by polydeuces32
  • HTML
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 polydeuces32/satoshis-arcade-mcp

使用说明

Satoshi的街机MCP（多用户控制系统）

一个能从你身上学习的街机游戏——你的每一个操作都会让它变得更聪明。

一个基于浏览器的人工智能街机游戏，展示了复古游戏玩法、受区块链启发的数据结构与机器学习的融合。在这里，你可以体验到如乒乓球和俄罗斯方块等游戏，与会根据你的游戏模式进行适应和学习的人工智能对手一决高下。

特点/功能

人工智能驱动的游戏玩法

  • 自适应人工智能对手会从你的动作中学习并调整难度
  • 强化学习人工智能通过游戏数据得到提升
  • 模型上下文协议用于上下文性能的人工智能内存层
  • 实时学习AI在游戏过程中调整策略

复古游戏

  • 乒乓球经典拍球游戏，配备AI对手
  • 俄罗斯方块带AI分析的积木堆叠谜题
  • 低音轰鸣使用Web Audio API打造史诗级音效
  • PWA就绪在手机和电脑上均可游玩

沉浸式设计

  • 霓虹包豪斯采用IBM Plex Sans字体的发光用户界面
  • 响应式布局适用于iPhone、台式机和平板电脑
  • 运动效果流畅的动画和视觉反馈
  • 深色主题长时间游玩也不伤眼

人工智能架构

  • 模块化智能易于添加新游戏进行扩展
  • SQLite 数据库轻量级存储玩家数据
  • 会话管理跨会话追踪游戏进程
  • 性能分析详细的人工智能学习指标

快速入门

先决条件

  • Python 3.8及以上版本
  • 现代网络浏览器
  • Git（一种分布式版本控制系统）

安装

  1. 克隆仓库
git clone https://github.com/polydeuces32/satoshis-arcade-mcp.git
cd satoshis-arcade-mcp
  1. 安装依赖项
pip install -r requirements.txt
  1. 启动服务器
python3 -m uvicorn api.main:app --host 0.0.0.0 --port 8000 --reload
  1. 打开你的浏览器
http://localhost:8000

如何玩

乒乓球

  • 移动鼠标 控制你的桨
  • 击球 得分
  • 人工智能学习 从你的桨的动作中
  • 先得5分者胜 赢了！

俄罗斯方块

  • 方向键 移动和旋转棋子
  • 空间 用于硬着陆
  • P 暂停
  • AI进行分析 你的方块放置效率

建筑

satoshis-arcade-mcp/
├── ai/                    # AI intelligence engine
│   └── difficulty_agent.py   # Reinforcement learning agent
├── api/                   # FastAPI backend
│   ├── main.py              # Application entry point
│   └── routes/              # Game API endpoints
│       ├── pingpong.py      # Ping-Pong game logic
│       ├── tetris.py        # Tetris game logic
│       └── leaderboard.py   # Score tracking
├── frontend/              # Web interface
│   ├── arcade/              # Main menu
│   ├── pingpong/            # Ping-Pong game
│   ├── tetris/              # Tetris game
│   ├── manifest.json        # PWA configuration
│   └── service-worker.js    # Offline capabilities
├── database.py            # SQLite database management
├── render.yaml            # Deployment configuration
└── requirements.txt       # Python dependencies

人工智能学习系统

强化学习

该人工智能采用了一种自定义的强化学习算法，该算法：

  • 观察（者） 玩家行为模式
  • 适应；调整 基于表现的难度
  • 学习 随时间变化的最优策略
  • 记得 跨会话的上下文

模型上下文协议（MCP）

  • 内存层存储游戏玩法上下文和性能数据
  • 回放分析分析成功策略
  • 跨会话学习AI在游戏之间记得你
  • 性能指标追踪学习进度

音响系统

低音轰鸣效果

  • **Web Audio API（网页音频应用程序编程接口）**高级音频合成
  • 多个振荡器丰富、层次分明的低音效果
  • **深频（或深层频率）**40Hz至200Hz的范围，以达到最大冲击效果
  • 失真与混响宏大的、开阔的声音设计

声音映射

  • 打击音效有力的球拍击球
  • 得分音效深沉的庆祝声隆隆作响
  • 消行史诗级俄罗斯方块通关音效
  • 升级胜利的号角声，包含多种频率

部署

Render.com（推荐）

  1. 将您的GitHub仓库连接到Render
  2. 该 render.yaml 文件将自动配置部署
  3. 您的街机游戏将在 https://your-app.onrender.com

手动部署

# Install dependencies
pip install -r requirements.txt

# Start production server
uvicorn api.main:app --host 0.0.0.0 --port 8000

发展

添加新游戏

  1. 创建游戏逻辑于 api/routes/
  2. 添加前端 frontend/
  3. 与AI系统集成 ai/difficulty_agent.py
  4. 更新主菜单中的 frontend/arcade/

人工智能定制化

  • 修改 ai/difficulty_agent.py 针对不同的学习算法
  • 调整游戏路线中的难度曲线
  • 在数据库架构中添加新的性能指标

性能指标

人工智能追踪各种指标：

  • **胜率/败率（或胜/负比率）**整体表现
  • 反应时间玩家响应速度
  • 策略模式常见的动作序列
  • 难度渐进学习曲线分析

做出贡献

  1. 为仓库创建分支（或：克隆仓库）
  2. 创建一个特性分支（git checkout -b feature/amazing-feature）
  3. 提交您的更改（git commit -m 'Add amazing feature')
  4. 推送到分支（git push origin feature/amazing-feature）
  5. 提交一个拉取请求

路线图

第一阶段（已完成）

  • [x] 部署乒乓球游戏和俄罗斯方块游戏
  • [x] 实施人工智能学习系统
  • [x] 添加音效
  • [x] 创建PWA功能

第二阶段（进行中）

  • [ ] 集成比特币/Stacks代币化功能
  • [ ] 添加更多游戏（加密打砖块、哈希拼图竞技场）
  • [ ] 实现全球排行榜
  • [ ] 添加多人游戏功能

第三阶段（计划中）

  • [ ] 发布Satoshi的街机网络（SAN）
  • [ ] 去中心化人工智能游戏协议
  • [ ] 跨平台移动应用
  • [ ] 成就的NFT集成

许可证

这个项目采用MIT许可证授权——详见 许可证 文件中有详细信息。

致谢

  • IBM Plex Sans（IBM普莱克斯无衬线体） 为了精美的排版
  • FastAPI 用于强大的后端框架
  • Web Audio API（网络音频应用程序编程接口） 为了打造史诗级音响系统
  • SQLite 用于轻量级数据存储

链接

满怀热情地打造 詹卡洛·维兹纳伊

“你写的代码让你成为程序员。你删除的代码让你成为优秀的程序员。你没写的代码让你成为伟大的程序员。”

相关 MCP