# text_JSQL **Repository Path**: mouxuezha/text_jsql ## Basic Information - **Project Name**: text_JSQL - **Description**: 核心是适配决胜千里智能博弈推演平台的规则层。 - **Primary Language**: Unknown - **License**: Not specified - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 3 - **Forks**: 33 - **Created**: 2026-08-11 - **Last Updated**: 2026-11-15 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # 协同决策部分 by XXH ## 概述 基于劳动竞赛公开场景的人机协同决策工程:把"想定(.SCN)→ 作战方案(任务 JSON)"或"人类实时指令", 经规则层/大模型转化为推演指令,通过 gRPC 驱动"决胜千里"推演平台。本工程不单独运行,需先启动平台。 远程仓库:git@github.com:mouxuezha/text_JSQL.git 2026-09 起,主入口重写为统一的命令行流程(见"快速开始"),核心链路: 想定.SCN ──scene_transfer──▶ 想定.yml(修剪) ──(远端百炼 LLM 生成 / 本地读取)──▶ 任务 JSON │ 决胜千里平台 ◀──(sim_runner 逐帧 gRPC 驱动)──────┘ 目录说明: - scene_transfer: .SCN 想定 → 单文件 YAML(人类/LLM 友好);主流程再从中修剪出关键信息喂给远端 LLM - plan_interface: 作战方案接入。PlanInterfaceMission 读取任务 JSON 并翻译成任务层指令(旧版 plan_interface.py 已废弃留档) - model_communication: 大模型接口。model_comm_dashscope.py 对接阿里云百炼应用;model_comm_langchain.py 为本地直连 - agent_guize: 关键规则层(任务层 + 抽象状态层)。红蓝方现都用 enemy_AI,me_AI 虚位以待 - grpc_communication / mqtt_communication: 与推演平台 / MQTT 总线的通信 - examples: 预制的想定与决策 JSON(examples/decisions),以及面向平台的智能体示例(examples/agents) - config: 网络与模型配置 - auto_test: 运行输出(不入版本管理):scene_yml/(想定 YAML 与修剪版)、decision_gen/(远端生成的任务 JSON)、run_log_*.jsonl - .env: 环境变量(百炼 app_id / API Key 等) - main.py: 主入口(参数解析 + 串联 decision_provider 与 sim_runner) - decision_provider.py / sim_runner.py: 任务 JSON 获取层(含想定修剪)/ 推演驱动层 - bak/main.py: 旧入口(含 GUI / 联机 / 复盘 / 实时大模型交互),保留为 legacy - main2.py: (不用管)结合 IntelligentCommandSupportSystem 前端界面演示用 ## 运行环境 合理使用AI,不熟悉的操作、忘记了的命令,均可问豆包、Deepseek等。 - 需要 python,可用 VScode+Anaconda(或 UV),VSCode 需安装 python 插件。 - 安装 requirements.txt 里面的包(若使用UV,则可以通过`uv sync`一件安装环境)。 - 配置 VSCode,使其识别到 python 虚拟环境。 ## 快速开始 先启动"决胜千里"平台,然后在工程根目录执行: # 1) 双方都用本地方案,跑满默认 2000 帧 python main.py # 2) 只跑红方(蓝方 none),推演 1500 帧 python main.py --blue-decision-mode none --duration 1500 # 3) 红方用指定的本地 JSON,蓝方不启动 python main.py --blue-decision-mode none --red-json examples/decisions/decision_LDJS2026_red.json # 4) 红方任务 JSON 由远端百炼平台基于想定 YAML 生成,蓝方用本地方案 python main.py --red-decision-mode remote --app-id --api-key sk-xxxxxxxx # 5) 不连平台,仅自检:想定转换 + 任务 JSON 获取/校验 python main.py --dry-run ## 常用命令 # ---- 推演主流程(需先启动平台)---- python main.py # 双方都用本地方案(默认) python main.py --blue-decision-mode none # 只跑红方(蓝方不启动) python main.py --red-decision-mode none # 只跑蓝方(红方不启动) python main.py --red-json my_red.json --blue-json my_blue.json # 用自定义本地方案 python main.py --scn examples/Scene/xxx.SCN # 换想定(仅 remote 模式需要) python main.py --duration 3000 # 改推演时长 python main.py --jsql-ip 192.168.1.115 --red-port 30001 --blue-port 40001 --control-port 50005 # 换平台地址/端口 # ---- 远端百炼生成方案(--red-decision-mode / --blue-decision-mode 可独立设 remote)---- python main.py --red-decision-mode remote # 红方远端生成、蓝方本地(从 .env 读 BAILIAN_APP_ID/API_KEY) python main.py --red-decision-mode remote --blue-decision-mode remote # 双方分两步生成 python main.py --red-decision-mode remote --app-id --api-key sk-xxxx # 命令行显式传 python main.py --red-decision-mode remote --remote-timeout 300 --remote-retries 5 # 超时/重试 # ---- 自检(不连平台)---- python main.py --dry-run # 想定转换 + 两侧方案校验 python main.py --dry-run --red-decision-mode remote # 验证远端生成链路(含重试/落盘) # ---- 想定转换(独立工具,同时输出修剪版)---- python -m scene_transfer.scn2yaml examples/Scene/Scenario_LDJS2026.SCN -o examples/SceneYML/Scenario_LDJS2026.yml python -m scene_transfer.scn2yaml examples/Scene --all -o examples/scene_yml --appendix python -m scene_transfer.scn2yaml examples/Scene/Scenario_LDJS2026.SCN -o out.yml --no-trim --no-summary # ---- 平台侧脚本 ---- python examples/agents/code/validate_decision.py examples/decisions/decision_LDJS2026_red.json # 校验任务 JSON # ---- 帮助与回归 ---- python main.py --help # 查看全部参数 python plan_interface/test_plan_interface_mission.py # plan_interface 单测 ## 参数说明(main.py) | 参数 | 含义 | 默认值 | |---|---|---| | `--scn` | 想定 .SCN 文件位置(仅 remote 模式需要) | `examples/Scene/Scenario_LDJS2026.SCN` | | `--duration` | 推演持续时间(帧 ≈ 秒) | `2000` | | `--red-decision-mode` / `--blue-decision-mode` | 该方决策来源:`local`(读本地 JSON,不解析想定)/ `remote`(远端百炼生成)/ `none`(不启动) | `local` | | `--red-json` / `--blue-json` | 该方本地方案路径(local 模式,缺省用内置默认) | 空 | | `--remote-timeout` | 远端生成单次调用等待时间(秒) | `900` | | `--remote-retries` | 远端生成最多调用次数(含首次;返回非法 JSON 也算失败并重试) | `3` | | `--app-id` / `--api-key` | 百炼应用 ID / API Key(留空则取环境变量,见下) | 空 | | `--jsql-ip` | 决胜千里平台 IP | `127.0.0.1` | | `--red-port` / `--blue-port` / `--control-port` | 红/蓝/控制 gRPC 端口 | `30001` / `40001` / `50005` | | `--dry-run` | 只做想定转换与任务 JSON 获取/校验,不连平台 | 关 | **每方独立驱动**:`--red-decision-mode` 与 `--blue-decision-mode` 各自独立—— `local` 读取本地方案(缺省用 `examples/decisions/decision_LDJS2026_{red,blue}.json`,可用 `--red-json/--blue-json` 覆盖); `remote` 由远端百炼平台基于想定生成;`none` 则该方完全不启动(不建 agent、不下发任务、每帧上报空动作)。 双方都为 `none` 时无可行推演,直接报错退出。 ## 任务 JSON(作战方案)格式 任务 JSON 是一个子任务数组,每个元素是一条子任务(示例见 examples/decisions/decision_LDJS2026_red.json): | 字段 | 必填 | 说明 | |---|---|---| | `id_str` | 是 | 子任务标识,如 `"侦察-西"` | | `type_str` | 是 | 子任务类型:`前出 / 搜索 / 射击 / 隐蔽 / 回撤`(兼容旧版 `前出侦打 / 避免交战`) | | `target_str` | 否 | 目标描述,无则 `"none"` | | `force_arrange` | 是 | 中文兵力名,如 `导弹发射车 / 无人机群 / 引导快艇群 / 海上无人舰群 / 巡洋舰和驱逐舰 / 旗舰 / 舰载机 / 预警机` | | `force_arrange_id_list` | 否 | 显式编队:该子任务实际派出的单位 ID 列表(与态势求交集) | | `time_arrange` | 是 | `[开始帧, 结束帧]`(`结束帧 > 开始帧`),权威时间 | | `space_arrange` | 否 | `[左上经度, 左上纬度, 右下经度, 右下纬度]` | | `config_json` | 否 | 附加信息:类型 / 参加单位 / 出击方向 / 弹药类型 / 开始时间 / 持续时间 / 备注 等 | `PlanInterfaceMission` 把子任务翻译成任务层指令(兵力名→单位ID、出击方向→任务区域、类型+兵力→任务类型), 详见 plan_interface/plan_interface_mission.py 与 llm_notes.md。 ## 远端 LLM 生成作战方案(--red/blue-decision-mode remote,阿里云百炼) 某方 `--red-decision-mode remote`(或 `--blue-decision-mode remote`)时,decision_provider.py 会: 1) 用 scene_transfer 把 --scn 想定转成 YAML,并修剪出关键信息(落盘 auto_test/scene_yml/*.yml 与 *.trim.yml); 2) 通过 **biz_params** 把两个 str 参数发给阿里云百炼应用: SceneYML :修剪后的想定 YAML 文本 REDorBLUE :扮演方 "RED" / "BLUE" 双方都设 remote 时**分两步**分别生成红方、蓝方任务 JSON; 3) 从返回文本中提取 JSON 数组并校验;失败(超时 / 非法 JSON)按 --remote-retries 重试(共最多 3 次,每次受 --remote-timeout 约束); 4) 校验通过的任务 JSON 落盘 auto_test/decision_gen/decision__<时间戳>.json,作为本次推演的输入; 全部重试失败则报错退出,可改用 local 模式或 --red-json/--blue-json 指定已生成的方案。 local / none 模式不解析想定、不调用远端。 提示词与流程编排全部在百炼平台侧完成,工程侧只发参数、收文本。底层走官方 dashscope SDK 的 Application.call(见 model_communication/model_comm_dashscope.py)。 环境变量(也可用 --app-id / --api-key 覆盖,优先级:命令行 > 环境变量): BAILIAN_APP_ID / BAILIAN_API_KEY # 通用 BAILIAN_APP_ID_RED / _BLUE 及 BAILIAN_API_KEY_RED / _BLUE # 红蓝分应用 DASHSCOPE_API_KEY # api_key 兜底 ### 在阿里云百炼上搭建"想定→任务 JSON"智能体 - examples/agents/promote/plan_agent_red.md、plan_agent_blue.md:**红/蓝方分支的系统提示词**。 在百炼"工作流应用"里用条件分支节点按 REDorBLUE 硬分支(==RED 走红方、==BLUE 走蓝方), 分别粘贴对应提示词;也可建红蓝两个应用,用 _RED/_BLUE 环境变量区分。 - examples/agents/code/validate_decision.py:校验智能体输出的任务 JSON(纯标准库,可作平台代码节点,校验不通过触发重试)。 ## 运行和调试 - 先启动"决胜千里"平台(平台启动后还要点几下,不要用自启动)。 - 运行 `python main.py`(默认本地双方方案)。 - 若 grpc 连接失败:确认平台已启动、IP/端口一致;仍失败就全关了重来一次。 ## 修改 - base_agent.py 里面可改具体的实现 - plan_interface_mission.py 可改对作战方案的处理(翻译映射表都在文件头部的 DEFAULT_*_MAP 里) - scene_transfer/ 可改想定解析与 YAML 修剪(trim.py 控制喂给远端 LLM 的信息) - 详细的架构和开发说明见 llm_notes.md - 其他部分理论上不用大改 - 比较理想的是改成红蓝方动作统一发到仿真总线,另外整个 text_JSQL_server 进程从总线收数据再转发给平台: 好处是红蓝方彻底解耦(只需框架一致),坏处是略增复杂性;目标是既支持仿真总线跨电脑连,又支持单机操作。 ## 比赛注入钩子(选手须知) - 红蓝双进程对战由"调度程序"(agent_interface/jsql_match)拉起两份选手代码:各自仓库目录、各自解释器, 经环境变量把调度器自带的 shim Env 注入本进程,使选手进程"自以为直连平台",实际所有 Env 调用 被转发给调度器;调度器独占平台三端口,是唯一发 Reset/Step 的时钟持有者。 - 注入缝在 sim_runner.py 的 SimRunner._build_env() 开头(读环境变量 TEXT_JSQL_ENV_FACTORY 的分支)。 请勿改动该分支,也勿改动 sim_runner.run() 开头"Reset() + 3 次空 Step 热身"的结构 (这 3 次热身会被 shim 吸收为 no-op,数量以调度器 warmup_steps 为准,默认 3)。 - 选手自调(不设任何 TEXT_JSQL_* 环境变量)即原 standalone 行为,注入逻辑完全不介入。 - 对战时结算/时序以调度器的 match_log 为准;判负规则(帧超时/缺席)由调度器统一执行。 ## 旧入口说明(legacy,见 bak/main.py) bak/main.py 保留旧的多模式入口(GUI 人机交互 / server-client 联机 / 复盘 / 实时大模型指控 / 纯规则 / MQTT 规划等), 新 main.py 只承载"想定 → 任务 JSON → 推演"这一条主链路。旧模式与"实时指控"能力仍以 bak/main.py 为准。 ## 低代码/百炼平台接入(实时指控,legacy 链路) 实时指控(把运行期态势发给大模型、拿回任务文本)走的是 bak/main.py 这条 legacy 链路,实现见 model_communication/model_comm_dashscope.py 的 ModelCommDashscope(阿里云百炼专有,官方 dashscope SDK 的 Application.call),接口与 ModelCommLangchain 对齐,主流程切换零改动。 使用步骤: 1. 在百炼平台创建"智能体应用",编排好提示词并发布,拿到应用 ID;再准备 API Key。 2. 复制 .env.example 为 .env,填写(.env 不入库,别手滑提交): BAILIAN_APP_ID="" BAILIAN_API_KEY="sk-xxxxxxxx" 分红蓝方部署两套应用时,用 BAILIAN_APP_ID_RED / _BLUE 与 BAILIAN_API_KEY_RED / _BLUE 区分(未配则回退通用变量)。 3. 在 bak/main.py 里把 self.LLM_model 改成 "dashscope"(或 "bailian"),之后 run_one_step_2025 的调用链不变。 新 main.py 的"任务 JSON 生成"链路不涉及此处,直接配 --red-decision-mode/--blue-decision-mode remote 即可(见"远端 LLM 生成作战方案"一节)。 本链路与平台应用的通信接口: - 请求:biz_params 携带结构化业务参数(运行期把态势等拆成若干 str 变量传入);prompt 为本轮输入。 - 响应:取 response.output.text;失败(status_code != 200)自动重试,最终失败返回空文本,不崩主流程。 - 智能体输出文本须为符合格式的任务 JSON(解析链路见 llm_notes.md 第 4.3 节),否则叙述性文字会被丢弃。