说句“给我建个房子“，AI 真的去砍树了：AIRI 的 Minecraft 游戏 Agent 本地部署完整指南-二趣网

说句"给我建个房子"，AI 真的去砍树了：AIRI 的 Minecraft 游戏 Agent 本地部署完整指南

【免费下载链接】airi💖🧸 Self hosted, you-owned Grok Companion, a container of souls of waifu, cyber livings to bring them into our worlds, wishing to achieve Neuro-sama's altitude. Capable of realtime voice chat, Minecraft, Factorio playing. Web / macOS / Windows supported.项目地址: https://gitcode.com/GitHub_Trending/ai/airi

你在聊天框里敲下"build me a house"，屏幕另一头的角色真的转过身，走向最近的树，开始挥镐。砍完还会自己合成木板，然后搭起第一排墙。背后干活的，是开源项目 AIRI 的 Minecraft 游戏 Agent：它以玩家身份真正登录你的服务器，听懂自然语言指令，被打了还会本能反击。这篇文章讲清如何在本地把它跑起来，再顺着一条指令的旅程，拆开它"听、想、动"的完整链路。

AIRI 的 Minecraft 机器人到底是什么

AIRI 是一个自托管的 AI 虚拟伙伴项目（自称 "Grok Companion"），有网页版，也有 macOS / Windows 桌面端，支持实时语音聊天。Minecraft 集成模块放在 integrations/minecraft/ 目录，相当于给这个伙伴在游戏世界里装了一副"身体"。

它和"调个 API 拿结果"的方案不同：基于 mineflayer 协议库（Node.js 实现的 Minecraft 协议）以普通玩家账号登录你的服务器，在世界里真实存活——看到的东西、受到的伤害、做出的动作，全发生在真实协议层。同时它通过 WebSocket 与 AIRI 主体保持双向通道，把游戏状态和剧情摘要同步给桌面端角色，让两边的"她"始终在一个频道上。

和同类"AI 玩 Minecraft"演示相比，它的差异点可以压缩成四条：

🗣️ 理解自然语言：不是固定指令表，"帮我收点木头"这种说法就能听懂
🧠 LLM 驱动决策：兼容任意 OpenAI 协议的接口地址，模型可换
🍖 生存反射不经过 LLM：血少自动吃、被打自动还手，零 token 消耗
🔌 与 AIRI 主体双向互通：游戏内事件能作为头条推回桌面端角色

模块的核心是一套四层认知引擎，命名借自认知科学：感知、反射、意识、行动，每层只管一件事，靠事件总线松耦合。

本地跑通机器人：四步走完

前置条件：Node.js 环境、pnpm，以及一个你能访问的 Minecraft 服务器（Java 版 1.20 最佳，最省事的方式是本地起一个）。

📦 克隆仓库：git clone https://gitcode.com/GitHub_Trending/ai/airi，然后cd airi
📚 安装工作区依赖：pnpm i
📝 复制环境变量模板：cp integrations/minecraft/.env integrations/minecraft/.env.local，再按下面表格填写
🚀 启动：pnpm -F @proj-airi/minecraft-bot dev

启动成功后，机器人会同时连上 AIRI 服务与 Minecraft 服务器两端。

环境变量配置表

所有变量由 composables/config.ts 里的 Zod Schema 严格校验，写错会在启动时报错并指出具体字段。常用项如下：

变量	作用	默认值
`OPENAI_API_KEY`/`OPENAI_API_BASEURL`	LLM 密钥与接口地址，兼容任意 OpenAI 协议服务	无，必填
`OPENAI_MODEL`/`OPENAI_REASONING_MODEL`	对话模型 / 推理模型	`deepseek-chat`/`deepseek-reasoner`
`BOT_USERNAME`/`BOT_HOSTNAME`/`BOT_PORT`	游戏内昵称、服务器地址、端口	`airi-bot`/`localhost`/`25565`
`BOT_AUTH`	认证方式：`offline`/`mojang`/`microsoft`	未设置（等同离线）
`AIRI_WS_BASEURL`	AIRI 服务端 WebSocket 地址	`ws://localhost:6121/ws`
`AIRI_CLIENT_NAME`	向 AIRI 上报时使用的客户端名	`minecraft-bot`
`ENABLE_DEBUG_SERVER`/`ENABLE_MCP_SERVER`/`ENABLE_MINECRAFT_VIEWER`	三个调试开关	均为`false`

两条安全提醒，官方 README 里写得很直白，这里原样保留：不要把这个机器人连到不受信任的公开服务器——它会执行 LLM 生成的动作脚本，恶意服务器可能诱导它做出损害你本地环境的行为；MCP Server、Debug Server、Prismarine Viewer 三个调试端点完全没有鉴权，暴露到公网等于交出远程控制，务必保持三个开关默认关闭。

一条指令的旅程："建房子"是怎么被执行的

四层架构听着抽象，跟着"build me a house"这句话走一遍就清楚了。

感知层先听到：给事件"打标注"

一句话职责：把 mineflayer 的原始信号翻译成类型化的事件与信号，上层只消费信号。流水线是三段：事件定义绑定原始回调 → 事件注册表向总线发出raw:事件 → YAML 规则引擎评估后发出派生signal:信号。

最有意思的设计是规则用声明式 YAML 写，而不是硬编码逻辑。看 danger/damage.yaml：它规定"500ms 窗口内受到任意伤害"就产生一条高显著性信号，伤害量、来源、距离由模板变量自动填进元数据。规则按 attention（注意）、danger（危险）、social（社交）三类组织，想加一种新的感知，丢一个 YAML 文件进去就行。

反射层先动手再想：肌肉记忆式的生存本能

反射层用有限状态机实现——可以把它理解成身体的"肌肉记忆"：不经过 LLM，靠条件反射快速响应。建房子期间它全程站在旁边待命，但一旦发生状况，它比谁都快：血量 ≤6 且饥饿值 <18 时，auto-eat.ts 立刻吃下手里最好的食物。有个细节我觉得很聪明——饥饿度 ≥18 时身体本来就在自然回血，这时吃东西纯属浪费，所以被刻意排除。同类行为还有被攻击自动还手、逃离致命威胁，生存反射的优先级分被设为 1000，压过一切待机动作，因为活着比什么都重要。

另一个关键机制叫"抑制"：反射层处理完一件事后，会向意识层发出 Inhibition 信号，相当于说"这事我接手了，你不用管"，LLM 就不会为同一件事再被白白叫醒一次。

意识层执笔：LLM 写的是脚本，不是 JSON

感知层把"建房子"事件递上来后，brain.ts 里的 Brain 接管：它编排事件队列、管理 LLM 轮次生命周期，还守着安全与预算的护栏。

最出格的设计是 JavaScript Planner：LLM 不输出传统的工具调用 JSON，而是直接写一段可执行 JavaScript，在 isolated-vm 沙箱（一个把代码关进"隔离房间"里运行的环境）中执行，表达能力远超 Function Calling。系统提示词 prompts/brain-prompt.md 要求 Agent 在投入长任务前先核实关键假设——先看清，再动手，避免"想当然"操作。沙箱里还配了 Query DSL：只读的世界查询运行时，可以链式查询方块、实体、物品栏，甚至调query.map()生成一张 ASCII 俯视图，让 AI 用字符"看"到周围地形。

行动层只管做：最后一公里

行动层把"想"和"做"物理隔开：Task Executor 逐条执行规范化动作指令并发出生命周期事件，Action Registry 负责参数校验与工具分发，工具目录则绑定 src/skills/ 下的原子技能——挖矿（collect-block.ts）、伐木（gather-wood.ts）、合成（crafting.ts）、战斗（combat.ts）、寻路移动（movement.ts，基于 mineflayer-pathfinder 寻路插件）。砍树 → 合成木板 → 砌墙这个建造循环，全程由 Task Executor 驱动。

整条链路简化下来就是这样：

聊天"build a house" → 感知层给事件打标注 → 意识层 Brain 规划结构、生成沙箱脚本 → 行动层跑建造循环（伐木 → 合成 → 搭建）→ Brain 确认完成，用notifyAiri把"房子建好了"这条头条推给桌面端 AIRI。

三个观察窗口：让 AI 当众思考

debug 目录（src/debug/）内置了三个观察窗口，一一对应 .env 里的三个开关：

Debug Dashboard（ENABLE_DEBUG_SERVER=true）：打开本地网页，能实时看到认知状态、对话记录与动作执行，相当于全程围观的旁听席。
MCP REPL（ENABLE_MCP_SERVER=true）：手动往 Brain 里注入一段 JavaScript 脚本，相当于亲自扮演"上帝之手"，观察 Agent 接下来会做什么。
Prismarine Viewer（ENABLE_MINECRAFT_VIEWER=true）：在浏览器里打开机器人的第一人称视角，它看到什么，你看到什么。

再啰嗦一遍：三个窗口都没有鉴权，只在可信的本地网络里开。仓库的codex-skills/minecraft-debug-mcp/目录还沉淀了一套 MCP 调试工作流文档，卡住的时候先翻它，省不少时间。

Mineflayer 方案的走向，以及你可以做什么

最后说点实话：官方 README 明确标注 Mineflayer 这条路线处于弃用过渡期，未来的主要 Minecraft 集成形态将是 Fabric Mod 运行时。所以如果你有长期项目规划，别把架构押注在这个运行时上。

但这不妨碍这套四层设计的参考价值：感知、反射、意识、行动各管一段，事件松耦合，新增能力靠"加文件"完成。对任何想做游戏 Agent 的人，"让 AI 有感官、有本能、有理性、有手脚"已经是一张现成的施工图纸。把仓库克隆下来，本地起个服务器，对它说句"build me a house"——比看一百张架构图都直观。

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析