先建立世界
蜂巢、花朵、能量、天气和几只虚拟蜜蜂。季节结束后，统计蜂蜜、存活和无效动作。
开源多智能体 AI 实验室 / OPEN-SOURCE MULTI-AGENT AI LAB
训练一个蜂群，
让它在未知环境中生存。
这是一个确定性蜂群模拟器：策略在完全相同的世界中竞争，学习策略必须通过预先声明的安全门槛，失败实验也会永久留在记录里。
53项测试通过 / tests
6种审计场景 / scenarios
Apache 2.0开源许可 / open source
蜂群 COLONY / 042● 运行中 LIVE
⬡✦✦✦✦●●●●
蜂蜜 HONEY223.68+52.6%
存活 SURVIVAL100%6 / 6
无效动作 INVALID0.00%安全 SAFE
第一次来？先理解问题，再看术语
一个蜜蜂小游戏，
一个严肃的协作问题。
尝试不同思维
人工规则和学习策略解决同一个问题：各自行动，同时不浪费蜂群共享资源。
参加同一场考试
相同随机种子重建相同世界，策略不能仅仅因为拿到更简单的地图而获胜。
带着证据发布
预先声明的门槛、隔离的最终测试、模型哈希和失败记录，让晋级结果可追溯。
完整路线：蜂群模拟器 → 规则基线 → 学习策略 → 公平考试 → 有证据的发布。
蜜蜂之外，为什么有意义
用一个小世界，
训练高要求的工程习惯。
SweetGold 不是在销售蜜蜂策略。它用一个端到端系统，把协作、公平评测、模型晋级和审计证据变得可理解。工作流可能迁移，但每个行业声明仍需领域验证。
看懂完整 AI 生命周期
从模拟器和基线，到学习策略、隔离最终测试、经验证模型和可审计决策。
共享资源下的协作
仓储与机器人集群、无人机巡检、交通研究、游戏、AI 评测和技术教育。
教授、测试或治理 AI 的团队
大学、企业学院、ML 平台、治理团队、仿真研发团队和技术咨询机构。
优势证据本身就是产品
确定性比较、预先声明门槛、失败保留、模型完整性和双语解释形成一套连贯工作流。
限制当前领域仍是代理场景
尚无客户调研、付费试点、真实车队集成、多用户加固或经过衡量的业务结果。
01访谈
验证一个反复出现且紧迫的买方问题。
02迁移
接入一个外部或客户仿真器。
03试点
衡量时间、缺陷或审计成本下降。
04产品化
只标准化反复出现的核心。
最可信的第一条路径是教育与能力建设，其次是适配器式评测和晋级工具包。在出现领域证据前，直接工业控制仍然只是一个假设。
阅读完整客户、优劣势、商业化与路线分析 →竞争方式占据评测与晋级层
集成 PettingZoo、RLlib、Isaac Lab 和模型注册表，不竞争环境数量、算法广度、GPU 规模或通用跟踪。
开源现实代码可以被复制
Apache-2.0 允许合规使用、修改、再分发和商业复用。防御来自可信上游、品牌、适配器、证据、社区和客户上下文。
下一项特性先证明可迁移
客户访谈后，接入一个 PettingZoo 环境并发布稳定证据格式，再考虑更多算法或 SaaS 仪表盘。
产品工作流 · M15
输入实验依据，
输出可审计决策。
平衡 · 产量 · 安全
存活率 · 无效动作率
JSON · Markdown
明确推荐或明确拒绝
M15 从已有策略中做选择，不训练新策略；M16 是最新工程里程碑。
先问清问题，再理解结论
先从最重要的
几个区别开始。
SweetGold 只是蜜蜂游戏吗？
不是。蜂群是多智能体协作的参考环境，真正可复用的产品是可复现的评测与证据工作流。
一场 Arena 胜利能证明鲁棒性吗？
不能。小型联赛属于演示；正式结论需要预声明门槛、隔离最终种子和跨场景证据。
现在可以控制真实机器人吗？
不能。工作流可能迁移，但每个物理领域仍需自己的仿真、集成、安全和法规验证。
为访客、学习者、研究人员、工程人员、贡献者、合作伙伴和治理团队整理。
浏览常见问题 →最新晋级策略 · M14
最新策略的
正式性能结果。
148.47%蜂蜜中位数 / Assignment 基线
101.16%最差场景产量花蜜稀缺 scarce nectar
100%最低存活率所有场景
0%无效动作率所有场景
M14 · 每个场景 50 个从未使用的最终种子 · 只用相互隔离的验证种子选型 · M15 不改变这些结果
策略竞技场 / STRATEGY ARENA
同一个世界，
不同的思维。
让两个策略从同一随机种子出发，实时比较蜂蜜、存活率、效率和无效动作，并回放每一帧。
- 01 配对种子锦标赛 Matched-seed tournament
- 02 已验证模型注册表 Verified registry
- 03 可审计智能体建议 Auditable recommendation
比赛 MATCH 04 / SEED 202607季节 SEASON 86%
A分层 CTDE
218B任务分配 Assignment
146蜂蜜差 Δ HONEY+72所有蜜蜂存活
工程保障 / ENGINEERING GUARANTEES
把研究严谨性，
构建进系统。
确定性执行
种子化环境和配对回合让每次策略比较都能重复。
评测数据隔离
预检阻止训练、验证、选型和最终测试之间发生泄漏。
策略即代码的门槛
置信度、产量和安全阈值保存在有版本的实验配置中。
经验证的模型供应链
不可变发布、精确大小、SHA-256、许可证和原子安装保护检查点。
可追溯产物
JSON 运行包保存提交、环境、种子清单、指标和决策链接。
自动化回归防线
核心测试和端到端 ML 冒烟流水线进入 CI，失败审计保持可见。
采用企业级工程实践，同时明确边界：内置服务器是本地实验接口，不是经过加固的多用户生产服务。
最新工程里程碑 · M16CPU、Apple MPS 和 NVIDIA CUDA 都是显式执行目标。
在实测的小型行为克隆任务中，M1 Pro CPU 约比 MPS 快 6.4 倍，因为加速器开销超过了有效并行计算。决策依据是硬件证据，而不是“GPU 永远更快”。
阅读硬件基准 →15 个里程碑，一条完整审计轨迹
失败实验造就了最终策略。
模仿学习 Imitation
行为克隆 Behavior Cloning + DAgger
去中心化 Decentralize
局部行动者，全局评论家
诚实失败 Fail honestly
完整保留鲁棒性缺口
通过门槛 Pass gates
分层返航控制
循证决策 Evidence
可审计智能体工作流
M10–M12 没有通过预先声明的门槛；SweetGold 记录原因，没有事后降低标准。
M14 是最新晋级策略；M15 是最新完成的工作流，把 Arena 证据转化为受约束、可审计的策略建议。
零依赖启动 / ZERO-DEPENDENCY START
三条命令，
从源码进入蜂群。
sweetgold — zsh
$ git clone https://github.com/alanthssss/sweetgold.git
$ cd sweetgold
$ python3 main.py play --port 8080
✓ 策略竞技场已就绪：http://127.0.0.1:8080