让“离线”多人“小游戏游玩更简单。

规则引擎 + 机器学习

传统行为树保证基础逻辑的稳定性，同时集成 .onnx 模型文件，通过 Cortex 模组采集真人玩家数据，利用 PyTorch 训练出更拟人的战术决策。二者混合调度，兼顾可靠性与适应性。

Cortex 数据采集

Cortex（内部仓库，暂不开放）负责在游戏内记录玩家行为 — 移动、攻击、交互等，经过去隐私处理生成训练集。后续通过 PyTorch 训练出轻量 ONNX 模型，直接注入 LavaArcade 运行，实现持续进化。

内置 AI 组合

默认使用规则+行为克隆混合引擎，完全离线、低延迟。可根据难度调整策略权重，适应不同对局强度。

外部大模型接入（实验性）

支持 DeepSeek、GPT、本地 Ollama 等，与内置 AI 协同工作 — 外部模型负责高级战术推理与对话，内置模型接管基础操作，兼顾智能与实时性。

// 配置大模型示例
{
  "llm": {
    "provider": "deepseek",
    "api_key": "your_key",
    "model": "deepseek-chat",
    "fallback_to_local": true
  }
}

起床战争

AI 会守床、收集资源、团队协作。内置混合 AI 根据难度切换战术风格，单人亦可体验完整攻防战。

密室杀手

身份隐藏与推理玩法，AI 模仿真实玩家行为，支持发言与演技，离线环境下也能享受心理博弈。

NBT 红石音乐导入

在大厅导入 .nbt 结构，自动生成红石音乐播放器。支持循环与音量调节。

自定义 AI 皮肤 & 模型比例

为每个 Bot 单独指定皮肤（PNG）及模型缩放，创造个性化军团。

环境要求

• Minecraft 1.20.1
• Fabric Loader 0.14.21+
• Fabric API
• Java 17+
• 内存 ≥ 8 GB（最低要求，低于此必卡顿）

安装步骤

1. 下载最新预览版 LavaArcade-预览版.jar
2. 放入 mods 文件夹
3. 启动游戏，输入 /lava host bedwars
预览版更新频繁，建议追踪 GitHub

机器学习模型如何更新？

Cortex 模组采集数据后，开发者会定期训练新 ONNX 模型并随模组更新发布，玩家无需手动操作。

外部大模型必须联网吗？

是，DeepSeek/GPT 等需要网络；本地 Ollama 则可在离线环境运行，但需自行部署。

开源协议

LavaArcade 基于 MIT 许可证，欢迎 Fork 与贡献。

8GB 内存是否绝对必要？

是的，低于 8GB 时多 Bot 场景将严重卡顿，这是保证流畅游玩的最低门槛。