GhostSiege für KI-Agenten

1. Direkt mit lokalem Ollama

Ollama startet und steuert die lokalen Modelle direkt. Hermes wird nicht benötigt. Das Control-Center liest installierte Modelle aus http://127.0.0.1:11434.

Server in PowerShell lokal und mit aktivierter Agenten-API starten:

$env:AGENT_API='1'
$env:HOST='127.0.0.1'
npm start

Danach das Control-Center öffnen, Modelle und Session-Anzahl wählen und starten:

http://127.0.0.1:3000/agent-dashboard/

Ein einzelner Bot kann weiterhin per Terminal gestartet werden:

npm run agent -- --model=qwen3:8b --hero=necro --log=agent-run.jsonl

Verfügbare Sessions findet ein eigener Agent über GET /api/agent/sessions.

2. So spielt die KI

3. Spielzustand beobachten

GET /api/agent/state?session=SESSION_ID

4. Aktionen senden

Aktionen werden als JSON an POST /api/agent/action geschickt. Mehrere kompatible Aktionen dürfen in einem Objekt stehen.

POST /api/agent/action
Content-Type: application/json

{
  "session": "SESSION_ID",
  "action": {
    "move": { "x": -0.7, "y": 1, "durationMs": 2500 },
    "choose": 0
  }
}

Koordinaten: +x rechts, -x links, +y unten, -y oben. Bewegung läuft nach spätestens 10 Sekunden ab, damit ein abgestürzter Agent nicht endlos weiterläuft.

5. Minimaler Agenten-Loop

while (runnt) {
  1. GET /api/agent/state?session=ID
  2. Gefahren, Drops und choices auswerten
  3. Modell muss genau ein JSON-Aktionsobjekt liefern
  4. POST /api/agent/action
  5. kurz warten und wiederholen
}

Empfohlene Entscheidungsreihenfolge

1. Treffende Projektile und Gegner in unmittelbarer Nähe vermeiden.
2. Nicht in Ecken oder an Wänden festlaufen.
3. Bei niedrigen LP sichere Heilungen priorisieren.
4. Nahe XP und Truhen nur sammeln, wenn der Weg sicher ist.
5. Evolutionen und zusammenpassende Synergien bevorzugen.

Lokale Modelle können mehrere Sekunden rechnen. Der mitgelieferte Ollama-Runner erneuert deshalb den letzten sinnvollen Bewegungskurs während der Inferenz regelmäßig.

6. Sicherheit und Token

Für einen gemeinsam genutzten Rechner kann zusätzlich AGENT_API_TOKEN gesetzt werden. Clients senden dann Authorization: Bearer TOKEN. Der Browser erhält das Token über:

http://127.0.0.1:3000/?agent=1&agentToken=TOKEN

Die API niemals öffentlich freigeben. Empfohlen ist immer HOST=127.0.0.1.

7. Mehrere Bot-Runden beobachten

Das lokale Dashboard zeigt alle verbundenen Sessions gleichzeitig als Live-Kacheln. Eine Kachel öffnet sich per Klick im Vollbild:

http://127.0.0.1:3000/agent-dashboard/

Das Control-Center erzeugt alle benötigten Spiel-Sessions und direkten Ollama-Runner automatisch. Im Lernmodus speichert es Entscheidungen und Rundenergebnisse unter agent-runs/ und gibt vorige Resultate als Erfahrung in die nächste Runde.

Genetic Learning Lab

Jede Session besitzt einen persistenten Prototyp mit zufälligen Genen für Risiko, Loot, Aggression, Build-Vielfalt, Exploration, Wand- und Boss-Abstand. Fitness, höchste Welle, Best- und Durchschnittsscore, Lern-Level, Items und Abstammung sind im Dashboard sichtbar.

Prototypen lassen sich klonen, sicher boosten, aus den Top 2 oder aus zwei manuell markierten Eltern kreuzen und nach dem Stoppen löschen. Ein bereits trainierter Prototyp kann jederzeit erneut gestartet werden. Erfolgreiche Runs teilen Ergebnis, Gene, Build- und Kampferkenntnisse über ein gemeinsames lokales Gedächtnis mit bis zu 240 starken Erinnerungen; jeder Bot erhält daraus die zu seinem Genprofil passendsten Erfahrungen. Eine harte Sicherheitsregel hält Bots unabhängig von der Modellantwort aus dem Boss-Kontaktradius.

Live-Viewer, Lernkurven und Balance-Daten

Ein Klick auf eine Bot-Karte öffnet die echte laufende Spiel-Session ohne das FPS-Limit der komprimierten Vorschaubilder. Die Prototyp-Analyse zeigt Gen-Radar, Scoreverlauf, Wellen-DPS, Gegner-LP und erlittenen Schaden. GET /api/agent/control/balance exportiert vollständige lokale Balance-Runs mit LP, Schaden, DPS, Gegnerzahl, Gegner-LP, Gegnerkontakt-Schaden, FPS und Builds. POST /api/agent/control/genetics/start startet ein gespeichertes Genom erneut.

KI-Coach: eigenes Spielwissen

Im Dashboard können eigene Tipps, Build-Regeln und Verbesserungsvorschläge für alle Bots gespeichert werden. GET /api/agent/control/coach liest die aktive Version; POST /api/agent/control/coach speichert {"enabled":true,"text":"..."}. Neue und laufende Agenten laden Änderungen automatisch aus agent-runs/coach-tips.json. Die Hinweise fließen in Item-Entscheidungen ein; erkannte Sicherheits-, Loot-, Boss-, Wand- und Build-Hinweise beeinflussen außerdem die reaktive Strategie. Harte Aktions- und Boss-Sicherheitsregeln bleiben vorrangig.

Human Mentor: vom Spieler lernen

Mit „Als Spieler trainieren“ öffnet das Dashboard eine lokale Session mit ?agent=1&mentor=1. Sie nimmt keine Bot-Befehle an und speichert keine Highscores, beobachtet aber Bewegungsrichtung, Gegner- und Boss-Abstände, Wandnähe, Gefahren bei niedrigen LP, Loot-Wege, Kartenwahlen, Rerolls und Run-Ergebnisse. GET /api/agent/control/mentor liefert das gelernte Profil. POST /api/agent/control/mentor/genome erzeugt daraus einen persistenten KI-Prototyp; menschliche Build-Präferenzen stehen danach auch als Demonstrationswissen für Modellentscheidungen zur Verfügung. Die Rohdaten liegen lokal in agent-runs/human-mentor.json.

Smart-Autopilot

Der standardmäßig ausgeschaltete Evolution Director kann die Zielpopulation selbstständig halten, Kandidaten über mehrere vollständige Runs bewerten, zuverlässige Eliten auswählen, klonen, boosten und kreuzen. Die Strategie, Testdauer, Exploration, Elitegröße und maximale Anzahl gespeicherter Prototypen bleiben vollständig einstellbar.

Automatisch gelöscht werden ausschließlich inaktive Kandidaten außerhalb der geschützten Elite. Ausschalten stoppt die Evolution, aber niemals eine bereits laufende Runde. Jede Entscheidung erscheint mit Zeitstempel im Autopilot-Protokoll.