⚔️ CRUX ARENA

让 AI 先打一架，再给你答案。

一个像素格斗风的 AI 竞技场：Claude、GPT、Gemini、DeepSeek、豆包、Kimi……围着你的难题互相质疑、反驳、认输， 最后交给你一个打不倒的答案，以及谁、因为什么、说服了谁的完整战报。

▶ 在线试玩 · ⬇ 下载桌面版（Windows）

English · 完整方案 · 快速开始

---

🥊 为什么要让 AI 打架

一个模型会自信地犯错。多问几个模型？你得自己读五份答案、自己判断谁对。

Crux Arena 把这件事变成一场比赛：

• 有用：异构模型独立作答 → 只围绕真正的分歧交锋 → 带证据的反驳才能打出暴击 → 主席模型综合出冠军答案，附少数派意见和"需要你拍板的点"。设计依据来自 Debate or Vote（NeurIPS 2025）：光吵架没用，投票打底 + 证据纠错才有用。
• 好看：每个论点是一张有血条的卡片，质疑是攻击、反驳是格挡、认输时论点卡碎裂 K.O.。13 个 AI 各有一只原创像素吉祥物。
• 可追溯：每一次胜负都能追到具体哪一步、哪条理由。战报一行一个动作，短到可以直接贴进群里。
• 省 token：只在分歧上打、只传压缩状态、立场重复的选手轮空、观点一收敛就收工。Token 预算做成画面上的 MANA 条，花了多少一目了然。

🖥️ 桌面版：快捷键一按，小 AI 在桌面上打架

⬇ 下载 Windows 安装包（预览版，未签名：首次运行时 SmartScreen 会提示，点"更多信息 → 仍要运行"）

1. 按 Ctrl+Alt+Space（被占用时自动换成 Ctrl+Shift+Space，托盘里可以看到当前快捷键），弹出输入框。
2. 写问题，可选一个文件夹（只读）、模式、上场选手（2–6 名，会记住上次的选择）。
3. Ctrl+Enter 开打：小 AI 们站在任务栏上方的透明窗口里打架，空白处鼠标可以穿透，不挡你干活。
4. 打完弹出冠军答案卡片：复制答案、查看战报、打开存档、再看一遍。每场都存成 events.jsonl + battle-log.md。
5. 回放：输入框里的"回放"列出最近的比赛，托盘里也能"回放最近一场 / 打开存档回放"。
6. 设置：录制自定义快捷键、默认倍速、战报面板、存档位置、开机自启。

目前用的是演示大脑（规则驱动，还没接真实模型），所以对战内容是演示剧本；但文件夹会被真实地只读侦察，画面也完全由引擎事件驱动。接入模型时只替换"大脑"这一层。

🎮 看看效果

▶ 在线试玩：选人、选模式、开打，全程在浏览器里。也可以直接看一场演示赛。

画面目前是 design/ 里的可交互原型（脚本回放），本地用浏览器打开 design/mascots.html 也能玩，不需要任何构建。空格暂停，R 重来，右上角可调倍速。

🧠 一场比赛怎么打

flowchart LR
  Q[你的问题<br/>可附只读文件夹] --> R0[ROUND 0<br/>匿名盲答]
  R0 --> X[分歧提取<br/>共识 / 争议]
  X -- 没有分歧 --> F[FLAWLESS<br/>直接出答案]
  X --> R[ROUND 1..3<br/>攻 · 守 · 让 · 改]
  R -- 立场收敛 / 预算用完 --> C[冠军答案<br/>+ 少数派 + 待你判断]
  R -- 还有分歧 --> R
  C --> L[battle-log.md<br/>说服链 · 结论溯源]

机制	怎么做	借鉴自
盲答 + 匿名	选手互相看不到、也不知道对方是哪家模型	llm-council
先 steelman 再反驳	攻击必须先复述对方最强观点	Conclave
证据暴击	带证据且被裁判核实的攻击 ×1.5 伤害	Debate or Vote
立场重复者轮空	和别人立场完全一样，本回合不发言	S²-MAD
收敛即停	剩下的争议 ≤ 1 个就进入综合	ai-counsel
像素小人反映真实状态	生成中蓄力、搜索时举放大镜、认输时举白旗	Pixel Agents

📜 每一次胜负都可追溯

认输必须写明"被哪一步说服"（causedBy），否则会被标成无因认输（从众信号）。战报由事件流确定性生成，不额外花一个 token：

#A4  R1 攻 DEEPSEEK > C2  抽 1 人运维=砍 20% 研发 [web]     → -45 暴击｜证据成立  ←C4
     R2 略 DEEPSEEK 立场与 CLAUDE 重合，轮空                省 3.1k tok
#A5  R2 攻 CLAUDE   > C3  预留并发低流量下比 VM 贵 [web]    → -45 暴击｜证据成立  ←#A3
#A6  R2 让 CODEX    > C2  运维人力确实不够，有条件改投 C1   → C2 K.O.，改投 C1  ←#A4

## 说服链
DEEPSEEK => CODEX    C2  抽 1 人运维=砍 20% 研发           #A4 → #A6
CLAUDE   => GEMINI   C3  冷启动会击穿 p99 延迟             #A1 #A5 → #A7

## 结论溯源
C1 ✓ 85HP  扛住 #A2 · DEEPSEEK、CODEX、GEMINI 支持
C2 ✗ ← #A6 CODEX 认输 ← #A4

📁 文件夹模式：只读，只输出结论

让 AI 围绕你的代码仓库打架，例如"这个仓库该不该拆微服务？"。安全边界在工具层强制，不靠提示词：

• 只有 list_dir / read_file / grep，没有任何写入或执行命令的能力
• 路径沙箱：拒绝 ../、绝对路径、指向外部的符号链接和目录联接
• 默认屏蔽 .env、密钥、证书、node_modules、构建产物和 .gitignore 里的路径
• 每名选手有读取预算；同一个文件只读一次、所有人共享（证据柜）
• 每次读取都记进事件流，结果页显示"读取 N 个文件，写入 0 次"

👾 选手名单

海外		国内
CLAUDE	小螃蟹	DEEPSEEK	小鲸鱼
CODEX	终端机器人	DOUBAO 豆包	豆沙包
GEMINI	双子星	QWEN 千问	问号精灵
GROK	黑洞小怪	KIMI	登月小月亮
MUSE	眼镜精灵	YUANBAO 元宝	金元宝
MISTRAL	橘猫	GLM 智谱	光谱棱镜
		MINIMAX	小海螺

对战模式：FFA 混战 · TEAM 红 vs 蓝（已可玩）· KING 攻擂 · BRACKET 淘汰赛 · QUICK 速决 · BOSS 讨伐（设计中）

🚀 快速开始

用起来（Windows）

1. 到 Releases 下载 CruxArena-Setup-<版本>.exe 安装。安装包没有代码签名，Windows 会提示"未知发布者"，点"更多信息 → 仍要运行"。
2. 准备至少一条模型通道：
   • 登录 Cursor Agent：cursor-agent login。
   • 或者登录 Claude Code：claude auth login。
   • 或者在 channels.json 里接 OpenRouter / Ollama（见 docs/channels.md）。 一条通道都没有时会自动用演示模式。
3. 按快捷键（默认 Ctrl+Alt+Space）提问开打。
4. 想从 agent 里拉起对局：在桌面版 设置 → AGENT 里点"安装 crux 命令"，然后在终端运行 crux setup，给 Claude Code 装上 skill。

macOS / Linux：真实模型的通道查找已经支持，但还没有安装包，先按下面的"从源码运行"使用。

从源码运行

需要 Node ≥ 23.6（直接运行 TypeScript，无构建步骤）。

git clone https://github.com/Jason-Zhang-xiquan/crux-arena.git
cd crux-arena
npm install

npm run desktop            # 桌面版：托盘常驻，快捷键唤出
npm run desktop:selftest   # 自测：输入框 → 设置 → 开打 → 回放，全程截图
npm run desktop:dist       # 打 Windows 安装包（含打包好的 crux 命令），输出到 packages/desktop/release/
npm run build -w @crux/cli # 只打包 CLI：packages/cli/dist 是可以发布的 npm 包 crux-arena

npm run crux -- fight "该不该拆微服务？" --team claude,doubao,kimi --mode team --dir .

# 真实模型（本机已登录的 Cursor Agent / Claude Code；会消耗你的会员额度）
npm run crux -- fight "问题" --real --team claude,codex,grok,kimi --rounds 2 --budget 300000 --dir . --context PLAN.md:12-41
node packages/desktop/scripts/record.ts <存档文件夹>      # 把回放录成视频（Windows，需要 ffmpeg）
npm run demo               # 固定剧本演示赛（和网页原型同一场）
npm test                   # 引擎、文件夹工具、本地开打的测试
npm run typecheck

npm run crux -- log matches/demo-microservices/events.jsonl   # 从事件重建战报
npm run crux -- ws . map                                       # 只读：仓库地图
npm run crux -- ws . grep "WHY_LIMIT"                          # 只读：搜索

🤖 从任何 agent 拉起对局

在 Claude Code 里说一句"跟 codex、gemini 和 deepseek 讨论一下这套代码的 bugs 和可行性"，它就会在后台开一场对局：画面缩在屏幕角落（也可以设成完整竞技场或纯后台），打完把冠军答案、少数派和"谁说服了谁"带回对话。

cd packages/cli && npm link     # 全局 crux 命令
crux setup                      # 安装 Claude Code skill
crux fight "这套代码有哪些 bug？" --team claude,codex,gemini,deepseek --dir . --detach
crux result latest --wait

Cursor、Codex 等其他 agent：把 docs/agents.md 里的一段说明加进它们的规则文件即可。

🧩 接自己的 AI、画自己的形象

• 自定义通道：在 channels.json 里接任何模型，支持三种方式：兼容 OpenAI 的 API（OpenRouter、Ollama、各家平台）、命令行模板、脚本协议。也可以改自带选手走哪条通道，或指定裁判、主席用什么模型。见 docs/channels.md。
• 自定义形象：每个 AI 是一张 24×20、四个姿势的像素表。crux mascot export claude 把自带形象导出来改，crux mascot new 给新 AI 画，crux mascot preview 出预览图。见 docs/mascots.md。

在 Claude Code 里直接说"把我的 ollama 接进竞技场""给我的 llama 画个形象"即可；crux setup 会装好对应的 skill。

🗂️ 项目结构

packages/
  engine/      事件 schema · 状态推导 · 引擎状态机 · 规则 · battle-log 生成器 · 演示大脑
  workspace/   只读文件夹工具（沙箱、屏蔽、预算、证据柜、审计）
  channels/    模型通道（Cursor Agent、Claude Code、自定义：API / 命令行 / 脚本）+ LLM 大脑
  cli/         crux 命令行 + 本地开打（CLI 和桌面版共用）
  desktop/     Electron 桌面版：托盘、全局快捷键、输入框、任务栏上方的竞技场
  sprites/     13 个吉祥物的像素精灵（网页原型和桌面版共用）
design/        像素竞技场原型、选人界面、吉祥物精灵（纯 HTML，打开即用）
PLAN.md        完整方案：调研、机制、日志规范、视觉、路线图

🗺️ 路线图

• Phase 0：引擎状态机、事件 schema、battle-log 生成器、只读文件夹工具、CLI、测试
• 桌面版：快捷键唤出、任务栏上方的事件驱动竞技场、冠军答案卡片、文件夹只读侦察、存档、自测截图
• 真实模型（第一批）：Cursor Agent 里的 8 名选手 + Claude Code；每次调用记进 calls.jsonl；回放录屏脚本
• 从 agent 拉起：crux fight --detach / crux result --wait、Claude Code skill、角落小窗；裁判每回合一次裁决、立场视角、选手按需读文件
• 桌面版回放、设置页（自定义快捷键）、Windows 安装包
• 安装包代码签名、自动更新、macOS 版
• 接入真实模型（OpenRouter / 各家直连 / Ollama）+ 评测：单模型 vs 多数投票 vs 竞技场
• Phase 2：精修精灵与音效、攻擂 / 淘汰赛 / 速决 / 讨伐 BOSS、跨比赛"说服力"排行榜
• Phase 3：npx crux-arena 一行启动、在线回放站、Claude Code / MCP 插件

⚠️ 声明

所有吉祥物都是本项目原创的像素同人形象，非官方、与各厂商无关联；涉及的产品名和商标归各自所有者。原型里的对局是脚本回放，证据来源是演示数据。

---

🌐 English

Crux Arena — let AIs fight before they answer.

A pixel-art fighting-game arena where Claude, GPT, Gemini, DeepSeek, Doubao, Kimi and friends debate your hardest question. Every claim is a card with an HP bar; challenges are attacks, rebuttals are blocks, and evidence-backed hits land as critical strikes. You get a champion answer that survived the fight, plus a traceable battle log of who convinced whom, and why.

• Useful: blind drafts from heterogeneous models, fights only on real disagreements, evidence-weighted judging, minority opinions preserved.
• Traceable: concessions must cite the action that caused them (causedBy), otherwise they are flagged as herding. The log is generated deterministically from the event stream.
• Token-aware: compressed board state instead of full transcripts, redundant fighters sit out, early stop on convergence, hard budget shown as a MANA bar.
• Folder mode: debate over a local repo with strictly read-only tools (sandboxed paths, secret files blocked, per-fighter read budgets, full audit).

npm install && npm run demo && npm test

▶ Play the live demo — pick fighters and watch a scripted match in your browser (or open design/mascots.html locally). Mascots are original fan art, not affiliated with any vendor.

License

MIT © 2026 Jason Zhang