密室逃脱设计师常面临谜题创建、难度平衡、渐进提示和解答追踪等挑战。开发者 Nisa Fatima 用 HazelJS 构建了一个 Escape Room Puzzle Designer，通过多智能体架构和 RAG 搜索自动生成平衡谜题。
该工具基于 HazelJS 的多智能体架构，包含五个专用 Agent：
PuzzleDesignerAgent：设计谜题（类型、难度、主题、解法）
DifficultyBalancerAgent：平衡难度和期望时间
HintProviderAgent：提供四级渐进提示（微妙、适中、直接、完整解法）
SolutionTrackerAgent：验证玩家解答，通过编辑距离计算相似度
PuzzleManagerAgent：利用 Supervisor 路由协调上述 Agent
关键功能之一是 RAG 增强的谜题搜索，使用 HazelJS 的 RAGPipeline 和 MemoryVectorStore 对谜题数据库进行语义检索。难度平衡器会根据当前与目标难度进行调整，提示系统上下文感知并追踪进度。
该工具还包含生产级特性：OpenTelemetry 可观测性、重试与熔断、限流、PII 脱敏及内容安全防护。本地运行需要 NodeJS，通过 npm install && npm run build && npm run dev 启动，在 localhost:3000 调试。
这个例子展示了 HazelJS 在多智能体协作、RAG 集成和生产级模式上的能力，适合构建创意类 AI 应用。
#开发者 #工具 #HazelJS #TypeScript #NodeJS #RAG #密室逃脱 #AI #多智能体 #游戏开发
@DevToolboxHub