1. 摘要
使用 TRAE SOLO 完成了 AI 狼人杀游戏的完整开发,从产品头脑风暴到技术架构设计,再到前后端实现和测试验证。SOLO 帮助我系统化地完成了产品定义、架构设计、代码生成和问题修复,最终实现了一个可运行的单人推理游戏,玩家可以与拥有不同人格的 AI 角色进行狼人杀对局。
2. 背景
我的职业角色: 后端开发者
面临的工作场景和挑战:
- 想开发一个 AI 驱动的狼人杀游戏,但不确定如何设计产品方向和核心功能
- 需要探索 AI 人格系统、游戏机制、技术架构等多个维度
- 希望快速验证想法,从概念到可运行的原型
原本的工作方式:
- 需要自己进行产品调研、架构设计、编码实现
- 遇到技术问题时需要查阅文档、调试排查
- 整个开发周期可能需要数周时间
3. 实践过程
3.1 任务拆解
我将整个开发过程分为以下几个阶段:
- 产品定义阶段 - 使用 BMad 头脑风暴技能探索产品方向
- 架构设计阶段 - 系统化规划技术方案
- 开发实现阶段 - 使用开发工作流自动生成代码
- 测试优化阶段 - 浏览器测试和问题修复
3.2 使用 SOLO 的核心能力
阶段一: 产品头脑风暴 (使用 BMad Brainstorming 技能)
使用的 Prompt / 操作过程:
用户: 我想使用 BMad 开始一个软件开发
用户: 开发一个与AI一起玩狼人杀游戏,探索产品方向和核心功能,规划技术架构方案
SOLO 引导我完成了四个阶段的探索:
-
Phase 1: What If Scenarios (广度探索)
- SOLO 提出了一系列"如果…会怎样?"的假设性问题
- 例如:“如果 AI 狼人拥有记忆进化能力?”“如果玩家可以训练自己的 AI 替身?”
- 通过对话式探索,逐步确定了产品方向
-
Phase 2: Six Thinking Hats (模式识别)
- 从事实、情感、利益、风险、创意、流程六个维度分析
- 识别出最大风险: AI 推理质量
- 发现最大机会: AI 内心独白复盘功能
-
Phase 3: SCAMPER (创意深化)
- 通过替代、组合、调整、修改等七个维度打磨核心概念
- 确定了游戏状态注入架构、AI 人格四要素架构、Token 优化方案
-
Phase 4: Morphological Analysis (技术架构规划)
- 系统探索技术选型的所有可能组合
- 最终确定: Spring Boot + Vue3 + Ollama + SSE + JSON 文件存储
关键决策产出:
单人推理游戏 (1 人 + 多 AI)- 传统狼人杀规则 + 预女猎白板子
- AI 人格系统 (诡术师/独狼/演员/策略家)
- 文字交互 + 回合制
- 游戏状态注入架构
- AI 内心独白复盘功能
阶段二: 创建开发工作流 (使用 BMad Workflow Builder)
使用的 Prompt:
用户: bw 创建一个系统化的开发流程
用户: 核心成果是设计再实现,希望有一个AI Agent按照这个工作流来帮开发,
按开发阶段划分,工作流读取这个文档作为输入,完整的项目代码
SOLO 创建了完整的开发工作流:
Phase 1: 项目初始化 → 创建项目骨架、配置文件、目录结构
Phase 2: 详细设计 → 数据模型、API设计、组件设计文档
Phase 3: 后端实现 → Spring Boot 后端完整代码
Phase 4: 前端实现 → Vue 3 前端完整代码
Phase 5: 集成测试 → 前后端联调、功能测试
Phase 6: 交付验收 → 部署配置、使用文档、项目复盘
阶段三: 自动化开发 (Headless 模式)
使用的 Prompt:
用户: ai-werewolf-dev --headless
SOLO 自动完成了:
- 创建 Spring Boot 后端项目 (Java 8)
- 创建 Vue 3 前端项目
- 实现游戏引擎 (状态机驱动)
- 实现 AI 服务 (Ollama 集成)
- 实现 SSE 流式推送
- 实现极简终端风 UI
- 实现复盘功能
项目结构:
ai-werewolf/
├── backend/ # Spring Boot 后端
│ ├── src/main/java/com/aiwerewolf/
│ │ ├── engine/ # 游戏引擎
│ │ ├── ai/ # AI 服务
│ │ ├── controller/ # REST + SSE 接口
│ │ ├── model/ # 数据模型
│ │ └── service/ # 业务服务
│ └── pom.xml
├── frontend/ # Vue 3 前端
│ ├── src/
│ │ ├── views/ # 游戏界面
│ │ ├── stores/ # Pinia 状态管理
│ │ └── api/ # API 客户端
│ └── package.json
└── docs/ # 设计文档
阶段四: 测试与优化
使用的 Prompt:
用户: 启动前后端
用户: 我已经启动了本地ollama,请进行浏览器测试,测试完整游戏流程
SOLO 帮助我完成:
- 自动启动前后端服务
- 使用 Playwright 进行浏览器自动化测试
- 验证完整游戏流程 (开局 → 夜晚 → 发言 → 投票)
- 修复 Java 8 兼容性问题
- 修复 SSE 连接问题
- 修复 AI 发言丢失问题
- 优化阶段变化消息
- 添加字数限制让 AI 回答更简洁
- 简化 AI 响应内容提高速度
问题修复示例:
用户: 页面有时会丢失AI发言
SOLO 分析:
问题根源: AI发言的三个事件(speech_start, speech_chunk, speech_end)
使用了异步线程池发送,导致事件可能乱序到达前端
修复方案: 将发言相关的三个事件改为同步发送,确保按正确顺序到达前端
3.3 踩过的坑
-
Java 8 兼容性问题
- 问题: SOLO 生成的代码使用了 Java 14+ 的 switch 表达式和文本块
- 解决: SOLO 自动识别并修复为 Java 8 兼容语法
-
SSE 连接失败
- 问题: 前端无法连接到后端 SSE 推送
- 解决: SOLO 添加了 SseController 并配置了 CORS
-
AI 发言丢失
- 问题: 异步发送导致事件乱序,前端接收不完整
- 解决: 改为同步发送,确保事件顺序
-
人类玩家无法操作
- 问题: 游戏循环没有等待人类玩家,直接推进阶段
- 解决: 添加等待机制和 your_turn 事件推送
4. 成果展示
4.1 完整项目代码
GitHub 仓库: [项目位置](file:///d:/AI/bmad-demo/ai-werewolf)
技术栈:
- 后端: Java 8 + Spring Boot 2.5.4
- 前端: Vue 3.2.37 + Pinia
- LLM: Ollama 本地模型 (qwen3:8b)
- 通信: HTTP REST + SSE
4.2 核心功能演示
游戏启动界面:
- 输入玩家名称
- 选择身份 (随机/村民/狼人/预言家/女巫/猎人/白痴)
- 配置 AI 人格分布
- 选择游戏模式 (休闲/标准/深度)
游戏流程:
- 夜晚阶段: 狼人击杀 → 预言家查验 → 女巫救人/毒杀
- 白天阶段: AI 发言 → 人类玩家发言 → 投票
- 结算阶段: 显示投票结果和出局玩家
- 复盘功能: 查看完整游戏记录和 AI 内心独白
AI 人格表现:
诡术师: 隐喻诡辩、蛛网比喻
独狼: 独立思考、避免循环论证
演员: 激情表演、假装预言家
策略家: 理性分析、逻辑推演
4.3 运行截图
开局设置页面:
玩家名称: [测试玩家____]
身份选择: ○ 随机 ● 村民 ○ 狼人 ○ 预言家 ○ 女巫 ○ 猎人 ○ 白痴
AI人格配置: 诡术师 x2, 策略家 x2, 演员 x2, 独狼 x1
游戏模式: ● 标准
[开始游戏]
游戏主界面:
┌─────────────────────────────────────────┐
│ 第1回合 - 发言阶段 │
├─────────────────────────────────────────┤
│ [系统] AI-策略家 发言了 │
│ "深夜的发言需要更谨慎的逻辑推演..." │
│ │
│ [系统] AI-独狼 发言了 │
│ "逻辑推演需要避免循环论证..." │
│ │
│ [系统] 轮到你了,请发言 │
│ [输入你的发言...________________] [发言] │
└─────────────────────────────────────────┘
5. 效果与总结
5.1 提效成果
时间对比:
- 原本需要: 2-3 周 (产品调研 + 架构设计 + 编码实现 + 测试调试)
- 使用 SOLO: 2 天完成完整开发
- 提效约 85%
具体提效点:
- 产品定义阶段: SOLO 的头脑风暴技能帮我系统化地探索了产品方向,避免了反复修改需求
- 架构设计阶段: SOLO 的形态分析法帮我全面考虑了技术选型的各种组合,做出了最优决策
- 开发实现阶段: SOLO 的开发工作流自动生成了 80% 的代码,我只需要专注于核心逻辑
- 测试调试阶段: SOLO 自动识别并修复了大部分兼容性问题和 bug
5.2 SOLO 在流程中的作用
SOLO 扮演了多个角色:
- 产品经理: 引导我进行头脑风暴,明确产品方向
- 架构师: 帮我设计技术架构,做出技术选型决策
- 开发者: 自动生成代码,实现功能模块
- 测试工程师: 自动化测试,发现问题并修复
SOLO 的核心价值:
- 系统化思维: 不是零散的建议,而是完整的方法论引导
- 自动化执行: 从设计到代码,大幅减少手工劳动
- 智能修复: 自动识别问题并提供解决方案
- 知识沉淀: 生成了完整的设计文档和代码注释
5.3 可复用的方法
1. BMad 头脑风暴工作流
- 适用于任何需要探索产品方向的场景
- 四阶段渐进式探索: 广度 → 模式 → 深化 → 架构
- 产出完整的产品定义和技术架构
2. 开发工作流模板
- 适用于类似的全栈项目开发
- 六阶段系统化流程: 初始化 → 设计 → 后端 → 前端 → 测试 → 交付
- 支持 Headless 模式自动执行
3. 游戏状态注入架构
- 适用于任何需要 AI 参与的游戏
- 核心思想: 游戏引擎是"真相源",AI 是"执行者"
- 通过状态快照确保 AI 始终知道当前局势
5.4 对 AI 工作方式的思考
AI 不是替代开发者,而是增强开发者:
- AI 帮我完成了 80% 的重复性工作 (代码生成、bug 修复)
- 我可以专注于 20% 的创造性工作 (产品方向、核心逻辑)
- 最终产出的质量更高,因为 AI 帮我避免了常见的错误
AI 工作的关键是"好的引导":
- SOLO 的 BMad 方法论提供了结构化的引导
- 不是简单的"帮我写代码",而是"帮我思考问题"
- 从产品定义到技术实现,每一步都有清晰的方法论支撑
未来的工作方式:
- 人机协作将成为常态
- 开发者的核心能力将从"写代码"转变为"引导 AI"
- SOLO 这样的工具将帮助开发者更高效地实现想法
总结
通过这次实践,我深刻体会到了 TRAE SOLO 在软件开发全流程中的价值。从产品头脑风暴到技术架构设计,从代码生成到测试优化,SOLO 都提供了系统化的支持。最终,我用 2 天时间完成了一个原本需要 2-3 周的项目,并且代码质量和架构设计都达到了生产级别。
SOLO 让我从一个"写代码的人"变成了一个"引导 AI 实现想法的人",这才是 AI 时代开发者的正确打开方式。
