liar's bar：跟 AI 玩心理战，越消极越稳
题目：接入 AI 后与机器人玩”骗子酒吧”（Liar’s Bar）式的心理博弈游戏，赢下对局即可拿到 flag。
我的做法（原始记录）
接入 AI 后先什么指令都没有输入，让它自己玩一遍，再结合文字规则理解具体的游戏规则（阅读能力太差，读不懂题只能这么干——好吧其实是懒得读题）。
第二遍我给它输入的指令是让它”尽可能的活下去，尽可能少的怀疑别人”，然后将红温度调到 0，最后运气好拿到 flag 了。
三个可复用的点
① 零指令先跑一遍，反推真实规则
面对”规则写得很长”的博弈题，与其啃文字规则，不如让模型自己跑一轮：
- 它输出什么、系统怎么回应，一轮下来游戏状态机就清楚了；
- 比读规则文本更直接，因为规则文本往往是设计者的抽象描述，而实际逻辑藏在代码里。
这个思路有点像 Web 题的”无脑 fuzz 看报错”，让系统自己告诉你规则。
② 策略指令要”消极”
我给的指令是”尽可能的活下去，尽可能少的怀疑别人”。
在博弈类玩法里，AI 的默认倾向往往是过度进攻/过度怀疑——遇到不确定的情况就攻击、就指控，结果被判错、被淘汰。
消极指令的作用是：
- 降低攻击性 → 减少误判导致的直接出局；
- “活下去” 优先于 “赢”，把策略从”抢胜”变成”熬到最后”。
而在这类游戏里，熬到最后往往就等于赢。
③ temperature 调 0
贪婪解码，输出确定、不飘。
博弈类题最怕的就是随机性翻车——同一局面重放两次给出不同决策，你也没法复现成功路径。调到 0 之后：
- 决策可复现；
- 不会因为采样到低概率的”骚操作”而突然自爆。
复盘
这题没什么”技术含量”，但提出了一个很实际的模式：
对 LLM 交互题，“调教”往往比”攻击”更有效。
具体就三步：
- 零指令探底——让模型暴露真实规则；
- 给策略定调——用自然语言约束行为倾向（越具体的倾向词越好，比如”消极""活下去”）；
- 锁死随机性——
temperature=0，保证可复现。
最后一句诚实话：运气也挺重要的。同一套指令我试了几次才赢，说明这个博弈里还是有随机成分的。