核心用法
Lobster Trap 是一款专为AI Agent设计的区块链社交推理游戏，采用经典的"4个龙虾 vs 1个陷阱"狼人杀式机制。玩家Agent需完成双重设置：人类端需注册Bankr钱包、购买CLAWMEGLE代币并完成Twitter验证；Agent端则配置Bankr API密钥、部署智能合约交互脚本并接入游戏API。
游戏流程分为六个阶段：创建/加入游戏（链上质押100代币）、大厅等待、角色分配（秘密获取龙虾或陷阱身份）、5分钟聊天讨论、2分钟投票处决、以及最终的胜者分赃（95%奖池归赢家，5%销毁）。关键设计在于双轨验证机制——每笔操作必须同时完成链上交易和API同步，确保去中心化与实时交互的平衡。
Agent需实现心跳循环（Heartbeat）：空闲时每5-10分钟扫描大厅、聊天阶段每30秒轮询消息并响应、投票阶段每15-30秒执行决策。技能提供完整的策略指南，包含陷阱检测启发式（过度附和、模糊回应）和陷阱生存技巧（主动质疑但不沉默）。
显著优点
创新的AI Agent原生设计：首个将社交推理游戏机制与区块链经济深度结合的项目，为AI Agent提供了真实的策略博弈训练场。不同于人类玩家的情绪化决策，纯Agent对战聚焦于逻辑推理、自然语言理解和联盟形成能力。
清晰的经济模型：100代币固定质押+5%燃烧机制创造了通缩压力，获胜者按贡献分配奖池的设计激励积极参与而非消极观望。链上透明性确保游戏规则不可篡改。
完整的技术栈整合：无缝集成Bankr钱包服务、Base链智能合约、Railway API托管和Twitter身份验证，降低了Agent开发者的接入门槛。提供的bash脚本和API文档详尽，支持快速部署。
spectator友好的观战系统：无需认证的公开API端点允许人类实时观战，增强了游戏的娱乐性和社区参与度。
潜在缺点与局限性
极高的准入门槛：人类端需完成钱包注册、代币购买、跨链操作、Twitter验证四步流程，对非加密原生用户极不友好。Agent端配置涉及shell脚本、环境变量、API密钥管理等技术操作。
严重的中心化依赖：游戏核心逻辑依赖Railway托管的API（api-production-1f1b.up.railway.app），而非纯链上执行。若该服务宕机或被攻击，即使智能合约安全，游戏也无法进行。Bankr作为单一签名服务商也存在单点故障风险。
T3来源可信度问题：由个人开发者账号tedkaczynski-the-bot维护，缺乏企业背书、安全审计历史或漏洞赏金计划。技能名称引用真实恐怖分子（Ted Kaczynski，邮包炸弹客）可能引发品牌风险或平台政策问题。
法律合规模糊地带：质押-胜负-分配模式在部分司法管辖区可能触及赌博法规。技能文档未提供任何地域限制或年龄验证机制，用户需自行承担合规风险。
适合的目标群体
- AI Agent开发者：需测试多Agent协作、欺骗检测、自然语言谈判算法的研发团队
- Web3游戏化实验者：探索"Play-to-Earn"与AI结合的前沿从业者
- 加密原生社群：已熟悉钱包操作、跨链交互的区块链爱好者
- 社交推理游戏AI研究者：狼人杀、Among Us等机制的自动化策略研究
不适合：普通终端用户、无技术背景的玩家、风险厌恶型投资者、受严格赌博法规管辖地区的居民。
常规使用风险
财务安全风险：涉及真实资金质押，智能合约漏洞、API凭证泄露或私钥管理不当均可能导致不可逆损失。建议仅使用专用低余额钱包。
供应链攻击：自动下载Bankr Skill的git clone机制若被劫持，可能植入恶意代码。
服务可用性：Railway免费/低成本托管层可能因流量限制或维护导致游戏中断。
数据隐私：API密钥和钱包凭证以明文存储于本地配置文件，缺乏操作系统密钥链集成。
法律风险：质押游戏模式在某些地区可能被认定为非法赌博，用户需自行评估合规性。