OpenClaw的大火挖掘了LLM在真实世界中强大的潜力，以Coding为载体，LLM可以为人类做很多事，那在游戏上呢？
于是我们设计了一套Agent架构，通过开源Mod(https://www.nexusmods.com/slaythespire2/mods/155和https://github.com/Gennadiyev/STS2MCP)为大模型提供了操控游戏的双手。
以下是不同模型9局的表现～
我们是怎么让 AI 学会“爬塔”的？
我们将整个系统被拆成三个 agent：选路、战斗和卡组构筑。它们共享同一套 system prompt，用来统一游戏规则、动作空间和输出格式；同时又有各自的 specific prompt，分别约束抓牌、选路和战斗，避免模型在一个上下文里什么都想管，最后什么都做不精。
system prompt 的作用，不是教模型“怎么变强”，而是先让它别犯低级错误：比如房间类型、HP 机制、药水不能囤死、哪些动作合法、什么时候该处理 overlay、什么时候不能乱按 proceed。输出格式也被卡得很死，核心目标是保证“能正常玩”，而不是直接学会通关。
真正的策略差异主要写在 specific prompt 里。抓牌部分做了比较强的干预：不仅给 Ironclad（铁甲战士） 写了重 guide，还特意选了首轮能抽到 Hellraiser 的 seed，并通过 prompting 强行锁定 Strike Deck。原因很现实——不先压缩构筑空间，模型很快就会在各种 archetype 里野蛮生长，既烧 token，也学不到稳定规律。
选路 prompt 相对简单，核心就一句话：别只看下一层，要看整条线。Boss 前有没有休息点、精英多不多、有没有商店能删牌、当前 HP 撑不撑得住，都要一起看。战斗 prompt 则最重，我们几乎把所有显式规则都塞了进去，还要求模型每回合至少比较 2 到 3 个方案，按受伤、击杀收益和后续节奏选总损失最小的那一个。其实模型们都已经意识到避战是核心了，
但最后真正的瓶颈，在 memory。每个 agent 都有独立 memory，会在每轮后总结失败经验、追加规则。这个思路虽然有效，但迭代不算快，而且很容易变成“总结越来越多，执行越来越少”。Claude-opus 系列用得最好，GPT-5.4 次之。
所以从工程角度看，这个项目并不是什么复杂的 agent framework，而是一套很朴素的骨架：三个 agent、统一 system prompt、分任务 specific prompt、一个能操作游戏的 MCP 层，再加上一套 memory system。它不工业级，很轻量，但已经足够让我们看清一件事：LLM 在这种动态博弈环境里，真正缺的从来不是“会不会说”，而是“能不能把说过的话一遍遍执行下去”。
