我把一个猜词小游戏做成了 AI Skill

前两天我无意间刷到一个很小的猜单词游戏。

玩法很简单。系统先藏一个词，你来猜。每猜一次，它不会直接告诉你答案，只会给你一个百分比，像是“你这个词和答案有 72% 接近”“这个只有 18%”。你就顺着这个百分比，一点点往答案靠。

我当时想到的不是“这游戏挺好玩”，而是：这种东西，是不是很适合用 LLM 来实现？

你仔细想一下，这个游戏最关键的部分，不是界面，不是状态管理，甚至也不是出题。难点只有一个：当用户扔出一个词时，系统要判断“这个词和隐藏答案到底有多接近”。而这个“接近”不是字符串相似，也不是传统规则能轻松写清楚的东西。它更像一种人脑里模糊、但又大致稳定的语义感觉。

比如答案如果是“海洋”，那“鲸鱼”通常会比“宇航员”更近，“沙滩”会比“螺丝刀”更近。人对这种判断几乎是直觉式的，但如果你让普通程序用一堆硬规则去模拟，事情很快就会变得很笨重。

于是我就写了这个玩意。

我是怎么把这个游戏做成一个 skill 的

我一开始就没打算做一个完整小游戏，也没想先搭什么前端页面。我脑子里的想法很直接：这种奇怪的小东西，能不能直接做成一个 skill，让大家在 terminal 里也能玩。

所以我最后做的是一个 AI skill，名字叫 guess-the-word-game。我还专门为这种东西开了一个仓库，叫 weird-skills-lab。这个名字很应景：就是专门收一些不太正经、但又确实可以在 terminal 里玩起来的奇怪 skill。

我想验证的也很具体：这种玩法能不能直接交给 AI 来主持。如果可以，那它就不一定非得做成网页游戏，一个 skill 就够了。用户只要让模型使用这个 skill 来开始玩，AI 自己选一个词、记住它、接收每一轮输入、给出相似度排序、处理退出和猜中逻辑，整个回合就能跑起来。

这种游戏为什么和 LLM 很搭

如果把这个游戏拆开来看，它至少有四个要求：

• 系统得暗中选一个词，而且整个会话里不能换。
• 用户每次可以猜一个或多个词。
• 猜错以后，系统要给出一个“像人一样”的语义接近度分数。
• 历史猜测要合并、去重、排序，还要维持稳定输出格式。

这里面第 1、2、4 条，传统程序都不难。麻烦的是第 3 条。

“鲸鱼”和“海洋”到底该是 88% 还是 76%？“沙滩”和“港口”谁更近？“自由”这种抽象词和“鸟”到底算不算有关？这不是一个特别适合硬编码的问题。

你当然可以做一套词库，给词做 embedding，再算向量相似度，最后再加一层规则去修正结果。但这里还有个问题：embedding 能解决一部分“词和词接不接近”，却不一定能给出这种游戏真正想要的那种人脑直觉。

比如“宇宙”和“外星人”，人会觉得它们显然有关，放在这种猜词游戏里，分数通常也不会低。但如果你只是把问题交给 embedding，它未必会稳定给出你想要的结果。它算得出相似度，不代表它算得出这种游戏里那种“你是不是猜对方向了”的感觉。

所以如果你只是想先做一个能玩的版本，LLM 直接来当裁判会更顺手。

它很像你找了一个脑子里装了很多常识的朋友来主持游戏。这个朋友不一定每次都绝对客观，但他对“这个词离那个词近不近”通常有一种还不错的直觉。对于这种轻游戏来说，这种直觉已经够用了。

而且这个主持人本来就会说话，所以它不只是在算一个分数，还能顺手处理多语言输入、模糊表达，甚至识别用户是不是想结束游戏。这些如果全自己写规则，也不是不能做，只是很容易从“有趣的小东西”，变成“一个要认真处理很多边角逻辑的小产品”。

难的地方，是把模型管住

这种东西看起来很适合 LLM，但它也有一个明显风险：模型太聪明，往往也太爱发挥。

你如果不给它足够硬的约束，它很容易一边主持，一边开始热心解说，甚至不小心把答案给你喂出来。那游戏就直接废了。

所以我后来做的事情，就是把它关进一个很窄的框里。

我在这个 skill 里写的核心规则，大概长这样：

- Secretly choose one hidden word before the game starts and keep it fixed for the entire session.（在游戏开始前悄悄选一个隐藏词，并在整个会话里保持不变。）
- If none of the guessed words is correct:（如果这一轮猜的词都不对：）
  Score each guessed word from 0 to 100 using human-like semantic relatedness.（按照接近人类直觉的语义相关性，给每个猜测打 0 到 100 分。）
- Merge all historical guesses with the current turn.（把历史猜测和当前这一轮合并。）
- Remove duplicates.（去重。）
- Sort all guesses by score descending.（按分数从高到低排序。）
- Show at most the top 10 guesses.（最多只显示前 10 个猜测。）
- Do not explain the reasoning（不要解释为什么这么打分。）
- Do not give hints（不要给提示。）
- Do not reveal the answer（不要泄露答案。）

这段约束比“做一个猜词游戏”还重要。因为这里麻烦的不是把功能堆出来，而是让模型在很多轮对话里始终扮演同一个规则稳定的主持人。你要让它记住隐藏词不能变，又要让它每轮输出格式稳定，还要阻止它话痨。这些都不是传统业务代码里的难点，但在 skill 设计里反而是正题。

写到这里，guess-the-word-game 对我来说也不只是一个小游戏，它也顺手成了一个 prompt engineering 的小实验。

它不一定只能用 LLM 做，但第一版很适合用 LLM 做

如果严格回答最开始那个问题，这种游戏当然不是只能用 LLM 来实现。

你完全可以走一条更传统的路：词库、向量表示、相似度计算、再加一层规则修正。真要把它做成一个公平性要求高、结果可重复的正式产品，这条路可能反而更靠谱。

但我当时想的是，怎么最快验证这个玩法是不是成立，不是先把它做成一个最完整、最工程化的版本。在这个前提下，LLM 的优势就很明显了。它几乎帮我跳过了最麻烦的一层：怎么把“语义接近”这件事，先做出一个接近人类直觉的版本。

所以这种游戏不是“只能”用 LLM 做，但如果目标只是先做出第一版，LLM 会顺手很多。

我后来想到的是，agent 在 terminal 里是不是也能玩这些小东西

我后面越想越觉得，既然 agent 本来就在 terminal 里工作，那这里面是不是也能顺手放一些这种小玩法进去。

以前一提到小游戏，大家第一反应通常还是网页、App，或者至少得有个界面。可放到 agent 这里，事情突然就变简单了。它本来就在对话里，本来就能记住上下文，本来就会回合式地接收输入、给出反馈。像猜词、问答、扮演、甚至一些很轻的互动玩法，天生就能塞进这个壳里。

这样想以后，guess-the-word-game 对我来说就不只是一个单独的小 skill 了。它也在验证另一件事：既然大家已经在 terminal 里和 agent 打交道了，那这里面是不是也可以容纳一些不那么正经、但确实很好玩的东西。

这也是我会专门开 weird-skills-lab 这个仓库的原因。它不是为了做一堆“有用”的工具，而是想试试看，这种环境里到底还能不能放进一些奇怪的小 skill。

我这次也只是先把最小的一版做出来

我这次没有想排行榜、分享功能、漂亮 UI，也没有去想数据库。我先盯着最小的那几件事：

1. 固定一个隐藏词，确保多轮对话中不漂移。
2. 把输出格式锁死，不给模型自由发挥。
3. 准备几个自己能判断好坏的测试词，看看它的语义排序是不是基本像人。

只要这三件事成立，这个玩法大概率就已经能玩了。剩下那些工程化工作，后面再说。我这次写这个 guess-the-word-game，也是这么干的。它足够小，所以我可以很直接地验证这个想法。

最后

这个 skill 做完以后，我留下来的想法很简单。

我只是刚好看到这么一个游戏，然后顺手试了试，看看它能不能被放进 terminal、放进 skill、放进 agent 这种使用场景里。

这次试下来，我会觉得 LLM 游戏是一个挺不错的方向。它不一定都要做成正式产品，有时候就这样做一个小 skill，让人随手玩一下，也已经很有意思了。

如果这篇东西能给别人一点灵感，我觉得就够了。

如果你也想试试，或者想看看这种奇怪的小 skill 还能怎么长，我把项目开源到了 GitHub：https://github.com/zmofei/weird-skills-lab。