训练一个能够游玩《杀戮尖塔》（StS）的AI智能体，首要难题是构建训练环境。与人类可以从指令和少量样本中学习不同，智能体需要经历数万局游戏，才能从结果中归纳出策略。

因此，第一步就是让游戏运行速度足够快，以便完成如此大量的对局。我面前有两条路：一是使用合成环境，如sts_lightspeed或decapitate-the-spire，然后补全缺失的功能（比如我想要的静默猎手角色）；二是基于ForgottenArbiter的spirecomm和CommunicationMod，直接与游戏引擎交互，并通过加速网关让游戏快速运行。

一个意外发现：编码智能体既无法估算工作量，也没有时间概念。我让Claude估计两条路的工作量，结果得到了第一个重要教训——它们对工时估算毫无头绪。事后看来这很合理：训练语料中虽然有大量将任务拆解、估算、汇总的例子，但那些估算是针对人类员工的，针对编码智能体完成特定任务所需时长的记录少之又少。更糟的是，Claude对时间毫无感知，它可能工作了约20分钟，却声称自己干了五个小时。

在几次试图纠正“不，那只花了20分钟”无果后，我意识到这是在缘木求鱼。于是我在会话开始和用户提示提交时加入了这样一个钩子：

date '+[%Y-%m-%d %H:%M] Always start every text response with [YYYY-MM-DD HH:MM] using the time shown here. This includes after code blocks.'

这个钩子虽然有些浪费（每轮对话约增加30个token），但至少让Claude不再用虚假时间误导我，也让我能基于实际耗时进行推算。