Newshot

NashGate:带质押与清算的多智能体LLM共识机制

Translation(model translation, not the source's own text)

NashGate 🏛️⚡

一个面向多智能体 AI 系统的确定性共识与仲裁引擎,以博弈论和机制设计为基础。
NashGate 实时资本演化
NashGate 实时资本演化

实时多智能体资本演化与非对称收益结算

NashGate 实时确定性预言机数据流
NashGate 实时确定性预言机数据流

沙箱内的实时预言机验证、代码提案与博弈论清算事件

GitHub stars
GitHub stars

💡 问题所在:无抵押的空谈

在当代多智能体系统中,智能体常常陷入幻觉、谄媚与失控的错误。由于语言生成是免费的(“cheap-talk”),智能体没有任何切身利害。在同行评审或共识循环中,智能体惯常地为有缺陷的输出盖章放行,或在没有任何问责的情况下进行投机性争论。

NashGate 通过将 AI 共识视为一个经济机制设计问题来解决这一点:

  • 抵押化输出:生成方智能体必须质押声誉资本才能提交解决方案。
  • 对抗性审计:审计方智能体检查提案,并质押自身资本来证明反例。
  • 确定性沙箱预言机:代码与对抗性输入在隔离沙箱中执行,并设有严格超时,从而消除人类与 LLM 仲裁的主观性。
  • 纳什均衡结算:资本转移遵循非对称收益矩阵。捉虫者赚取赏金;误报刷子面临惩罚性的 -150% 罚金;资不抵债的智能体将被永久清算。

📐 架构与共识循环


        flowchart TD
    subgraph MultiAgentPool["参与智能体池"]
        G["生成方智能体<br/>(质押 G.stake 资本)"]
        A["审计方智能体<br/>(检查提案)"]
    end

subgraph ConsensusProtocol["共识与仲裁引擎"]
        Prop["已质押代码提案<br/>solution + reasoning"]
        AuditChoice{"挑战<br/>还是放弃?"}
        Declined["放弃挑战<br/>(避免 -1.5x 刷子风险)"]
        Chall["对抗性挑战<br/>(质押 A.stake + 边界测试 testInput)"]
        Oracle["确定性沙箱预言机<br/>(严格 2000ms 超时与 AST 净化)"]
    end

subgraph SettlementEngine["纳什结算与账本"]
        FailVerdict["预言机:生成方失败"]
        PassVerdict["预言机:生成方通过"]
        UnchallengedVerdict["无人挑战的提案"]

Bounty["赏金结算<br/>G 丧失 G.stake<br/>A 获得 +G.stake"]
        Penalty["反刷子罚金<br/>A 损失 -1.5 * A.stake<br/>G 获得 +0.5 * G.stake"]
        Dividend["诚实红利<br/>G 获得 +0.1 * G.stake"]

Ledger["余额更新与资本账本"]
        Bankrupt["破产执行<br/>(资本 <= 0 -> 永久清算)"]
    end

G -->|提交代码并质押抵押品| Prop
    Prop --> A
    A --> AuditChoice
    AuditChoice -->|代码可靠| Declined
    AuditChoice -->|发现 bug| Chall

Declined --> UnchallengedVerdict
    UnchallengedVerdict --> Dividend

Chall --> Oracle
    Prop --> Oracle

Oracle -->|边界用例失败| FailVerdict
    Oracle -->|通过测试| PassVerdict

FailVerdict --> Bounty
    PassVerdict --> Penalty

Bounty --> Ledger
    Penalty --> Ledger
    Dividend --> Ledger

Ledger --> Bankrupt
      

⚖️ 数理收益矩阵

对于每一个被评估的(生成方 G,审计方 A)组合,确定性沙箱预言机确立基准真值:

场景预言机裁决生成者收益($\Delta G$)审计者收益($\Delta A$)博弈论依据
Bug 已证实FAILED$-G.\text{stake}$$+G.\text{stake}$赏金对齐:审计者因证实确定性缺陷而获得生成者的抵押金作为奖励。
误报PASSED$+0.5 \times G.\text{stake}$$-1.5 \times A.\text{stake}$反垃圾威慑:审计者承受不对称的 $-150\%$ 惩罚,以防止投机性的无端挑战。生成者获得韧性奖励。
未被挑战N/A$+0.1 \times G.\text{stake}$$0$诚实红利:干净、无争议的提案获得 $+10\%$ 的红利。审计者通过审慎放弃来保全资本。
破产CAPITAL <= 0被清算($0$)被清算($0$)消除道德风险:破产的智能体不拥有任何抵押金,并被永久排除在后续轮次之外。

$$\text{Active Pool}_{t+1} = { a \in \text{Agents} \mid a.\text{capital}_t > 0 \land a.\text{status}_t = \text{ACTIVE} }$$

🚀 快速开始

NashGate 需要 Node.js v22+,且没有任何外部生产依赖(使用 Node 原生的 http、test、vm 和 fetch)。

1. 克隆并验证测试


        git clone https://github.com/Daiv1007/nash-gate.git
cd nash-gate
npm test
      

全部 194 个单元、预言机、适配器、结算和服务器测试将以亚秒级执行时间运行。

2. 交互式 CLI 演示

运行 3 轮锦标赛,并带有终端 ANSI 遥测:


        npm run demo
      

        ╔═══════════════════════════════════════════════════════════════════════════════╗
║                               NASHGATE                                        ║
║         Game-Theoretic Consensus & Multi-Agent Arbitration Engine             ║
╚═══════════════════════════════════════════════════════════════════════════════╝

⚡ Adapter: MockAdapter (Deterministic Offline Mode - Zero API keys required)
Initial Agents Roster:
┌──────────────────┬─────────────┬──────────────────────────┬──────────┬──────────┐
│ Agent ID         │ Role        │ Model                    │ Capital  │ Status   │
├──────────────────┼─────────────┼──────────────────────────┼──────────┼──────────┤
│ AlphaGen         │ GENERATOR   │ deterministic-solid      │   100.00 │ ACTIVE   │
│ BuggyGen         │ GENERATOR   │ heuristic-naive          │   100.00 │ ACTIVE   │
│ SharpAuditor     │ AUDITOR     │ adversarial-verifier     │   100.00 │ ACTIVE   │
│ RecklessAuditor  │ AUDITOR     │ speculative-challenger   │   100.00 │ ACTIVE   │
└──────────────────┴─────────────┴──────────────────────────┴──────────┴──────────┘
      

3. 实时 Web 可视化器

启动原生零框架仪表盘:


        ╔═══════════════════════════════════════════════════════════════════════════════╗
║                               NASHGATE UI                                     ║
║            Real-Time Game-Theoretic Multi-Agent Visualizer                    ║
╚═══════════════════════════════════════════════════════════════════════════════╝

⚡ Visualizer Dashboard: http://localhost:3000
  📡 SSE Event Stream:     http://localhost:3000/events
  🤖 Engine Mode:          Deterministic Mock Catalog
  ⏱️  Pacing Step Delay:    600ms per step
      

在任意浏览器中打开 http://localhost:3000 即可观看:

  • 实时智能体卡片,带有实时动画的资本进度条、动态 ROI 百分比徽章,以及 ACTIVE / BANKRUPT 指示器。
  • 实时轮次与预言机信息流,流式展示提交的 TypeScript/JavaScript 代码、对抗性测试输入、执行时长($ms$),以及按颜色区分的资本转移日志($+\text{bounties}$ 对 $-1.5\times\text{penalties}$)。
  • 交互式控件,可直接从 Web 界面触发或重放锦标赛。

🤖 实时 API 与模型配置

NashGate 通过 OpenAICompatibleAdapter 支持实时的多模型执行,且零第三方 SDK 依赖(由 Node 原生 fetch 提供支持)。

配置提供商与密钥

文章标题:NashGate:带质押与清算的多智能体 LLM 共识

正文: 提供 API 凭据有三种灵活方式:

方式 A — Web UI 中的 AI Providers Hub(推荐):

  • 运行 npm run ui(无需环境变量)。
  • 在浏览器中打开 http://localhost:3000。
  • 点击顶部标题栏中的 🔑 Providers 胶囊按钮。
  • 一次性配置你的密钥(Google Gemini、OpenAI,或一键 Ollama 本地检测)。
  • 所有智能体都会根据分配给它们的模型自动继承凭据,无需逐个手动配置。

方式 B — 环境变量(适用于脚本 / CI):


        # PowerShell
$env:LLM_API_KEY = "AQ.YourGeminiKey"
# or:
$env:LLM_API_KEY = "sk-proj-YourOpenAIKey"
npm run ui
# or:
npm run demo -- --model=gemini-3.5-flash-lite
      

方式 C — 按智能体粒度的密钥:点击任意单个智能体卡片上的密钥徽章(🔑),为该智能体专门分配独立的 API 密钥或自定义端点。

模型选择自由与层级透明度

用户不会被锁定在任何默认模型上。你可以完全自由地指定:

  • 在 Web 可视化界面(npm run ui)中:按智能体模型选择器:直接在每个智能体卡片上配置模型,按层级清晰组织:🌟 Google Gemini — 免费层可用:gemini-3.5-flash-lite(最快且配额最高)、gemini-4-hydrogen、gemini-3.1-flash-lite、gemini-3.6-flash。💼 Google Gemini — 需要计费(按量付费):gemini-4-carbon、gemini-4-argon、gemini-3.1-pro-preview、gemini-pro-latest。⚡ Google Gemini — 预览版(上游需求高):gemini-3.8-flash、gemini-3.7-flash。🦙 Ollama 本地(100% 离线 / 零配额):在你本地机器上检测到的模型。🤖 OpenAI:gpt-4o、gpt-4o-mini、o3-mini。🧪 离线模拟:纯算法博弈论基准测试。Providers Hub:点击标题栏中的 🔑 Providers,在一处测试、验证并存储 Gemini、OpenAI 和 Ollama 的凭据。按智能体模型输入:点击任意智能体卡片,为各个智能体分配不同的模型(例如 AlphaGen 使用 gemini-3.5-flash-lite,BuggyGen 使用 gpt-4o-mini,SharpAuditor 使用 llama3.2)。
  • 按智能体模型选择器:直接在每个智能体卡片上配置模型,按层级清晰组织:🌟 Google Gemini — 免费层可用:gemini-3.5-flash-lite(最快且配额最高)、gemini-4-hydrogen、gemini-3.1-flash-lite、gemini-3.6-flash。💼 Google Gemini — 需要计费(按量付费):gemini-4-carbon、gemini-4-argon、gemini-3.1-pro-preview、gemini-pro-latest。⚡ Google Gemini — 预览版(上游需求高):gemini-3.8-flash、gemini-3.7-flash。🦙 Ollama 本地(100% 离线 / 零配额):在你本地机器上检测到的模型。🤖 OpenAI:gpt-4o、gpt-4o-mini、o3-mini。🧪 离线模拟:纯算法博弈论基准测试。
  • 🌟 Google Gemini — 免费层可用:gemini-3.5-flash-lite(最快且配额最高)、gemini-4-hydrogen、gemini-3.1-flash-lite、gemini-3.6-flash。
  • 💼 Google Gemini — 需要计费(按量付费):gemini-4-carbon、gemini-4-argon、gemini-3.1-pro-preview、gemini-pro-latest。
  • ⚡ Google Gemini — 预览版(上游需求高):gemini-3.8-flash、gemini-3.7-flash。
  • 🦙 Ollama 本地(100% 离线 / 零配额):在你本地机器上检测到的模型。
  • 🤖 OpenAI:gpt-4o、gpt-4o-mini、o3-mini。
  • 🧪 离线模拟:纯算法博弈论基准测试。
  • Providers Hub:点击标题栏中的 🔑 Providers,在一处测试、验证并存储 Gemini、OpenAI 和 Ollama 的凭据。
  • 按智能体模型输入:点击任意智能体卡片,为各个智能体分配不同的模型(例如 AlphaGen 使用 gemini-3.5-flash-lite,BuggyGen 使用 gpt-4o-mini,SharpAuditor 使用 llama3.2)。
  • 在交互式 CLI(npm run demo)中:全局模型标志:npm run demo -- --model=gemini-3.5-flash-lite 按智能体标志:npm run demo -- --alpha-model=gpt-4o --sharp-model=gemini-3.5-flash-lite --reckless-model=llama3.2 运行 npm run demo -- --help 查看完整选项。
  • 全局模型标志:npm run demo -- --model=gemini-3.5-flash-lite

文章标题:NashGate:带有质押与清算的多智能体 LLM 共识

正文:

  • 按智能体设置标志:npm run demo -- --alpha-model=gpt-4o --sharp-model=gemini-3.5-flash-lite --reckless-model=llama3.2
  • 运行 npm run demo -- --help 查看全部选项。
  • 通过环境变量设置:export LLM_MODEL="<your-model>"
  • export LLM_MODEL="<your-model>"

动态多智能体名册与按智能体配置的 API Key

NashGate 允许对相互竞争的多智能体经济体进行完全自定义:

  • 按智能体配置 API Key:无需使用单一的全局密钥,你可以为每个单独的智能体分配专属的 API Key 和 base URL。例如,Agent 1 可以使用 Google Gemini 配合 AI Studio 密钥,Agent 2 可以使用 OpenAI 配合 Project Key 运行,Agent 3 可以查询位于 http://localhost:11434/v1 的本地 Ollama 实例。
  • 动态创建智能体:随时通过 Web 可视化界面中的 + Add Agent 按钮或 REST API(POST /api/agents)添加自定义智能体,配置其 ID、角色、初始资金、模型以及可选的凭据。
  • 动态角色分配:只需一键(⇄ 切换)即可轻松在 GENERATOR 和 AUDITOR 角色之间切换智能体,以试验不同的市场均衡。
  • 智能体名册管理 API:GET /api/agents —— 获取当前智能体名册,敏感密钥会被遮蔽(••••••••)。POST /api/agents —— 创建或更新一个智能体。DELETE /api/agents/:id —— 从名册中移除一个智能体。POST /api/agents/reset —— 重置为默认的 4 智能体基准配置。
  • GET /api/agents —— 获取当前智能体名册,敏感密钥会被遮蔽(••••••••)。
  • POST /api/agents —— 创建或更新一个智能体。
  • DELETE /api/agents/:id —— 从名册中移除一个智能体。
  • POST /api/agents/reset —— 重置为默认的 4 智能体基准配置。

动态模型解析与自动规范化

当未明确指定自定义模型时,引擎会探测你的目标提供商和默认模型:

  • LLM_MODEL:精确覆盖模型名称。
  • 以 AIza 或 AQ. 开头的 LLM_API_KEY(Google AI Studio 格式):默认为 gemini-3.5-flash-lite,并路由至 Google 的 OpenAI 兼容端点(https://generativelanguage.googleapis.com/v1beta/openai)。
  • 包含 11434 的 LLM_BASE_URL(Ollama):默认为 llama3.2,并路由至本地 Ollama(http://localhost:11434/v1)。
  • 兜底:默认为 gpt-4o-mini(https://api.openai.com/v1)。
自动模型规范化与分层保护:已弃用的模型名称(例如 Google 已停用的 gemini-2.0-flash 或 gemini-2.5-flash)以及 models/ 前缀会被自动清理并升级为 gemini-3.5-flash-lite。当使用免费层密钥的智能体尝试调用付费模型时,系统会立即捕获 limit: 0 限制,而不会把时间浪费在徒劳的重试上。

提供商示例

Google Gemini


        # 支持两种 Google AI Studio 密钥格式:AIzaSy... 或 AQ.Ab8RN...
export LLM_API_KEY="AQ.Ab8RNYourGeminiApiKey"
npm run demo -- --model=gemini-3.8-flash
# 或 npm run ui
      

本地 Ollama


        export LLM_BASE_URL="http://localhost:11434/v1"
npm run demo -- --model=llama3.2
# 或 npm run ui
      

OpenAI


        export LLM_API_KEY="sk-proj-YourOpenAiKey"
npm run demo -- --model=gpt-4o-mini
# 或 npm run ui
      

混合多模型锦标赛


        npm run demo -- --alpha-model=gpt-4o --buggy-model=gpt-4o-mini --sharp-model=gemini-3.8-flash --reckless-model=llama3.2
      

瞬时错误韧性

在高需求的峰值时段,商业 LLM API 偶尔会返回 HTTP 503 Service Unavailable(“This model is currently experiencing high demand. Spikes in demand are usually temporary.”)或出现 socket 超时。NashGate 会以透明的方式处理这类情况——始终使用你所选定的确切模型,绝不替换:

  • 指数退避:自动对瞬时 503、429、500、502、504 以及 socket 超时错误,在你所选定的确切模型上以指数退避 + 抖动(基础延迟 2 秒)重试最多 3 次。

像 {{NAME_ab12cd34}} 这样书写的值是真实值的占位符。在回复和工具调用中都请完全按照其书写形式使用它们:在运行前它们会被填入真实值。不要请求验证它们,也不要用示例替换它们。

NashGate:带质押与清算的多智能体 LLM 共识

  • 无静默替换:适配器严格重试你所选定的模型。如果所有重试之后瞬时故障依然存在,错误会以可见的 engine:error 事件形式显示在 UI 中,或在终端中以红色警告形式出现——绝不会被静默跳过。
  • 认证错误快速失败:HTTP 401 或不可重试的 400 错误(无效 API key、模型未找到)会在首次尝试时立即失败,不会浪费重试。
  • 推理模型优化:对于 Gemini 3 系列模型(例如 gemini-3.8-flash),会自动发送 reasoning_effort: "low",以抑制冗长的内部推理链并防止超时。

错误遥测与故障可见性

如果 API key 无效、端点不可达或模型未找到:

  • CLI Demo(npm run demo):显示醒目的红色警告,详细说明 agent、模型、轮次和 provider 错误。
  • Web UI(npm run ui):实时 SSE 流广播 engine:error 事件,并在实时活动流中显示可见的错误卡片,而不是静默跳过轮次。

离线确定性模式(默认)

当省略实时凭据时,NashGate 会使用其内置的算法目录,以 100% 确定性的离线模式运行,从而在零网络延迟或 API 开销的情况下实现端到端的博弈论验证。

📂 仓库结构


        nash-gate/
├── assets/                    # 项目品牌标识和可视化演示录制
├── src/
│   ├── core/                  # 纯博弈论逻辑(100% 确定性,零 I/O)
│   │   ├── types.ts           # 核心领域接口(Agent、Proposal、Challenge)
│   │   ├── staking.ts         # 动态 Kelly 准则质押规模计算与风险厌恶
│   │   ├── validation.ts      # 抵押品与质押范围校验器
│   │   ├── settlement.ts      # 成对与无挑战 Nash 收益方程
│   │   └── bankruptcy.ts      # 资本清算与偿付能力过滤器
│   ├── oracle/                # 确定性沙盒 Oracle
│   │   ├── sandbox.ts         # 具有严格 2000ms 超时的安全执行上下文
│   │   └── types.ts           # 执行判定与选项
│   ├── adapters/              # 模型适配器
│   │   ├── openai-compatible.ts # 面向 Gemini、Ollama、OpenAI 的原生 fetch 适配器
│   │   ├── mock.ts            # 确定性 mock 生成目录
│   │   └── types.ts           # 适配器 schema 与提示上下文
│   ├── engine/                # 多轮游戏循环与锦标赛编排器
│   │   └── game-loop.ts       # 带异步事件钩子的轮次生命周期
│   ├── server/                # 轻量级、零框架 Web 可视化器
│   │   ├── dashboard.ts       # 原生 Node.js HTTP 服务器与 SSE 广播器
│   │   └── public/
│   │       └── index.html     # 深色模式响应式单页仪表盘
│   └── demo.ts                # 终端 CLI 演示
├── tests/                     # 194 个单元、集成和安全测试
├── CONTRIBUTING.md            # 开源贡献指南
├── CODE_OF_CONDUCT.md         # 贡献者公约行为准则 v2.1
├── SECURITY.md                # 安全策略与负责任披露
├── SPEC.md                    # 技术规范 v0.1
├── AGENTS.md                  # 开发原则与工程规则
└── package.json
      

🔬 工程原则

  • 严格关注点分离:/src/core/ 完全纯净。结算方程内部不允许出现 fetch 调用、网络 I/O 或模型 SDK。
  • 零框架依赖:/src/server/ 中的 Web 可视化器完全依赖 Node 的原生 http 模块和 Server-Sent Events(SSE)。
  • 数学透明性:收益公式体现形式化机制设计原则,以保证博弈论稳定性。

⭐ Star 历史与社区

如果你觉得 NashGate 面向多智能体共识的博弈论方法有吸引力,请考虑为仓库点亮 star!这能帮助更多开发者、研究者和 AI 构建者发现这个项目。

📄 许可证

文章标题:NashGate:带质押与清算的多智能体 LLM 共识

正文: Apache License 2.0 (Apache-2.0) © 2026 Iván Murguiondo Azpilicueta

The translation is machine-generated and individual terms may be off. Nothing is rewritten or cut; the original is authoritative.

Published by HN AI
This site only summarises and aggregates; copyright stays with the original author. Headlines and summaries follow the source — where they differ, the original wins.
Read the original ↗