Agent による自律反復

LLM で Bot を書く では、「1 試合動かす → 現象を見る → モデルに伝える」というステップをあなたが担当していました。コマンドを実行できる Coding Agent（Claude Code、Codex、Cursor の Agent モードなど）なら、このステップも引き受けてループを閉じることができます。

  コードを直す ──► 1 試合回す（無人）──► 対局レポートを読む ──► 結果に最も効く 1 か所を探す ──┐
    ▲                                                                                         │
    └─────────────────────────────────────────────────────────────────────────────────────────┘

このループを実際に収束させるには、Agent に 3 つのものが必要です。

1. 無人で実行できるコマンド

python tools/play.py --bot brains/my_bot.py --speed 200 --minutes 10 --fair

• --minutes で試合が必ず終わるようにします（実時間の分）。Agent が 1 試合に張り付いたままになりません。
• --speed 200 で 2 倍速にして時間を節約します —— ただし Bot 内ではゲームクロックで待ち（g.clock()）、実時間での sleep は使わないでください。
• --fair で最初からアリーナのルールに沿って書かせます。視界内のものしか見えません。
• 実行が終わると、ターミナルに終了理由が表示されます。例：我方没有单位了（自軍のユニットがいなくなった）、到时间了（時間切れ）。Bot 自身が print した内容もターミナルに出ます。

2. 構造化された対局レポート

ターミナル出力は人間向けです。Agent に見せるべきなのは、何が起きたか、何ができなかったか、それはなぜかをまとめた JSON です。SDK はすでに材料をそろえています —— レシートには理由コードが、イベントストリームには生産完了と損害が含まれています。それらを集めるだけです。

import collections, json, time
from openwar3 import Bot

class Recorder(Bot):
    """Bot に対局レポートを追加する。これを継承し、自分の on_start / on_event の中で super() を呼ぶ。"""

    def on_start(self, g):
        self.rejects = collections.Counter()   # "train hfoo: rejected（人口不够）" -> 回数（人口不够 = 人口不足）
        self.timeline = []                     # [ゲーム秒, 種別, 4 文字コード]：訓練 / 研究 / 建設 / アップグレードの完了
        self.lost = collections.Counter()      # 自軍が失ったもの
        self.killed = collections.Counter()    # 自軍が倒したもの

    def check(self, r, what):
        """コマンドを包んで拒否理由を記録する：self.check(g.train(b, "hfoo"), "train hfoo")"""
        if r is not None and not r:
            self.rejects[f"{what}: {r.reason}"] += 1
        return r

    def on_event(self, g, ev):
        me = g.me()
        if ev.kind == "production.done" and ev.owner == me:
            self.timeline.append([round(ev.clock), ev.done_kind, ev.done_code])
        elif ev.kind == "unit.died":
            (self.lost if ev.owner == me else self.killed)[ev.type] += 1

    def on_end(self, g, reason):
        report = {"reason": reason, "timeline": self.timeline, "lost": self.lost,
                  "killed": self.killed, "rejects": self.rejects.most_common(10)}
        try:                                   # ゲームがすでに終了しているかもしれない。読めなければ諦める
            report |= {"clock": g.clock(), "resources": g.resources(),
                       "army": len(g.my_army()), "workers": len(g.my_workers())}
        except Exception:
            pass
        with open(f"run_{int(time.time())}.json", "w", encoding="utf-8") as f:
            json.dump(report, f, ensure_ascii=False, indent=1)

このレポートで答えられる問い：

シグナル	出どころ	分かること
最も多い拒否理由	レシートの reason / verdict	人口でずっと詰まっている（3）、資源が足りないのに命令し続けている（8 / 9）、霧の中のターゲットを攻撃しようとしている（1001）、ヒーローが死んでいるのに訓練しようとしている（221）
生産タイムライン	production.done イベント（かかったゲーム秒数付き）	何秒で最初のヒーローが出たか、何秒でティアアップしたか、Barracks が兵を出し続けているか。プロの序盤と比較できる
双方の損害	unit.died イベント	兵を献上し続けていないか、ヒーローが何回死んだか、クリープ狩りで得をしたか
終了理由	on_end(g, reason)	我方没有单位了 = 負け。到时间了 = まだ勝敗がついていない
最終的な兵力と資源	on_end 時にスナップショットを 1 回読む	ゴールドを使わずに貯めている = 生産が追いついていない。ワーカーが少なすぎる = 経済が立ち上がっていない

3. 明確な目標といくつかの制約

以下を Agent に渡し、目標に合わせて書き換えてください。

目標：brains/my_bot.py が Echo Isles で「Easy」難易度のコンピューター（ヒューマン対ランダム種族）に安定して勝てるようにする。

各ラウンド：
1. python tools/play.py --bot brains/my_bot.py --speed 200 --minutes 10 --fair を実行する
2. ターミナル出力と最新の run_*.json を読む：終了理由、生産タイムライン、最も多い拒否理由、双方の損害
3. 結果に最も影響している問題を「1 つ」見つけ、その 1 か所だけを直す。変更理由と根拠にしたデータをコードのコメントに書く
4. ステップ 1 に戻る。3 試合続けて改善がなければ止まり、レポートとあなたの判断を私に伝える

制約：
- docs/api.json にあるメソッドだけを使い、API をでっち上げない
- 同じユニットに毎ティック同じコマンドを出し直さない。命令は手が空いているユニットにだけ出す
- --fair を維持する（視界内に見えている敵だけを使う）
- コードを変更する前に python tools/run_tests.py を実行し、サンプルを壊していないことを確認する

ループを早く収束させるための習慣

• 一度に直すのは 1 か所だけ。 3 か所同時に直すと、勝ってもどれが効いたのか、負けてもどれが原因なのか分かりません。
• 比較には十分な試合数を。 同じ局面でもランダム性は大きく、2 試合で分かるのは大きな差だけです。「改善したか」の判断には、少なくとも数試合の傾向を見てください。
• 戦略の調整より先に「拒否」を直す。 レシートで最も多い拒否理由が、たいてい Bot の最大のバグです。
• 判断をコメントに書く。 次のラウンドの Agent（あるいは次の会話）がコメントからなぜそう書いたかを知ることができ、直した箇所を元に戻さずに済みます。
• オフラインテストで下支えする。 重要なロジックには、ゲームを起動せずに動く単体テストを書きます（サンプル Bot のテストは brains/examples/tests/ にあります）。Agent には変更のたびにまずそれを実行させます。