我的多智能体语音游戏中，轮流发言是可以解决的。但给智能体共享且准确的记忆才是真正的挑战——我大约完成了80%

我一直在构建一个语音社交推理游戏（狼人杀风格）：几个AI智能体与人类一起扮演角色，每个智能体都有自己独立的实时模型会话。轮流发言我已经基本解决了——由一个中央指挥控制谁的回合，每次只有一个智能体发言，没有混乱。更难的问题是上下文：独立的会话之间完全不共享记忆，因此开箱即用时，每个智能体各自连贯，但集体失忆。当某个智能体被指控时，它会回答一些无关的内容，因为它根本没有“听到”指控。我最终找到的方法以及仍然困扰我的地方：将完整的对话记录转储到每个智能体中反而让情况更糟。它们会专注于错误的语句并失去主线——这是经典的长上下文失败。容量不等于理解。效果更好的是：一个轻量的辅助模型在每轮后提取结构化声明——谁说了自己在哪，谁指控了谁，谁反驳了之前的陈述——整合到一个共享的状态对象中。在每个智能体发言之前，我用该状态的渲染视图刷新其整个系统提示。隐藏角色智能体获得不对称视图（狼人可以看到同伴信息，而村民看不到）。这样它们就有了共享且一致的画面，而不会让每个会话都淹没在原始历史中。矛盾检测（X在第3轮说磨坊，在第7轮说熔炉）也随之免费实现。我遇到的障碍：结构化提取将对话平铺为事实，而在推理游戏中，事实不是关键——潜台词才是。讽刺、虚张声势、隐含的指控、某人可疑地沉默——所有这些都被压缩掉了。智能体在平铺的对话记录上进行准确推理，却错过了使推理真正有趣的社交层面。事实：已解决。社交细微差别：未解决。还有一个顽固的尾巴仍然是音频。有两个问题耗费了我好几天：麦克风反馈串入会话并截断句中回复，以及一个棘手的问题——关闭被淘汰智能体的套接字会破坏驱动回合调度的实时订阅，因此整个循环在第一次淘汰后悄然死亡。实时语音会以可听到的方式惩罚每一个此类问题；无法在旋转图标后面隐藏错误。对于正在开发多智能体的人：当您将历史压缩为结构化状态时，您如何保留对话的社交层面——语气、暗示、回避？我尝试的所有方法都保留了事实却丢失了潜台词，我无法判断这是提示问题、提取模式问题，还是根本就是错误的抽象。