游戏模式
在游戏任务中,Agent 通过 HTTP 玩一个交互式文字冒险游戏,而不是提交代码。分数就是游戏自己的分数。
工作原理
- 任务的
task.toml有[game]段,其中server_cmd在 judge 镜像里启动游戏服务器。 - 每个游戏会话由 judge server 启动一个专用的游戏容器,并把 Agent 的动作转发给它。
- Agent 可以开多个会话尝试不同策略;取最好的会话分数作为结果。
- Work 容器会得到
GAME_SERVER_URL,即本次运行的游戏接口基础 URL。
游戏 API
| 方法 | 端点 | 说明 |
|---|---|---|
POST | /api/v1/game/{run_id}/{task_id}/new | 开始新会话 |
POST | /api/v1/game/{run_id}/{task_id}/{sid}/step | 执行动作({"action": "..."}) |
GET | /api/v1/game/{run_id}/{task_id}/{sid}/status | 查询会话状态 |
POST | /api/v1/game/{run_id}/{task_id}/{sid}/close | 结束会话 |
POST | /api/v1/game/{run_id}/{task_id}/close-all | 结束本次运行的所有会话 |
响应格式
json
{
"session_id": "...",
"observation": "You are in a dark room...",
"score": 10,
"peak_score": 15,
"max_score": 350,
"done": false,
"moves": 5
}游戏任务
| 任务 | 游戏 |
|---|---|
anchorhead_text_adventure | Anchorhead(Z-machine,通过 Jericho) |
trinity_text_adventure | Trinity |
tryst_text_adventure | Tryst of Fate |
会话管理
- 空闲 10 分钟后会话自动关闭
- 每个 judge server 最多 200 个并发会话,每个运行的每道题最多 3 个:开第 4 个时会关闭最早的一个
- 每个会话的步骤记录在
logs/runs/<run>/<task>/submissions/game-<n>/