我做了个 60 帧的治愈系烘焙游戏,用来教 RAG、护栏、上下文缓存与多代理编排
来源:dev.to — 2026-10-13
📋 概述
作者开源了 Prompt Paws:一个伪装成治愈系甜品店的交互式 AI 代理架构训练与模拟平台,由一个机器猫厨师团队经营,七个烘焙站点与真实生产模式一一对应——闪电糕点炉是低延迟小模型,上下文缓存罐是前缀与上下文缓存,护栏面粉筛是输入分类与提示注入清洗,浆果园是向量检索与事实锚定,工具调用波霸机是确定性的 Python 沙箱与函数调用,深思舒芙蕾是扩展思考,副厨铃是多代理并行委派。它面向做生产级 LLM 架构培训的工程团队、训练营与开发者关系项目,因为一条未缓存的系统提示词或一处缺失的输入护栏就可能烧掉数千美元或酿成安全事故。实现上是零依赖的 HTML5 Canvas 60 帧模拟引擎、七个关卡递进的课程和程序化 WebAudio 合成器;游戏逻辑里那条 canStationProcessOrder 明确写着只有护栏站能接住辣椒状的提示注入,并把它洗成安全可颂。
🔑 核心要点
- 每个甜点站都 1 比 1 映射到真实生产 AI 模式,不是幻灯片而是可交互的沙箱。
- 缓存站点演示 前缀与上下文缓存能省下 95% 的 token,护栏站点演示输入分类与提示注入清洗。
- 目标受众是 做 LLM 生产架构培训的工程团队、训练营与 DevRel,因为漏掉护栏会造成真实损失。
- 技术栈是 零依赖的 HTML5 Canvas 60 帧引擎、七个关卡的课程与程序化 WebAudio。
- canStationProcessOrder 里 只允许护栏面粉筛接住辣椒状的提示注入,其他站点一律返回不可处理,未过滤的注入会扣掉咖啡馆声誉。
💡 金句
谁规定学 AI 系统设计一定要在昏暗的赛博朋克终端和爆炸的服务器里进行?
👍 0
👎 0
← 返回 dev.to 首页