Omniscient Agent：AI 驱动的 IPL 板球选手猜测游戏

Omniscient Agent是受Akinator启发的AI驱动游戏，专门用于猜测IPL印度超级板球联赛选手。项目结合Groq API和LLaMA模型，通过智能提问、球员数据分析和上下文推理，可在8个问题内精准锁定目标球员，并配有毛玻璃风格界面和幽默的印度英语（Hinglish）交互体验。

Akinator是经典在线猜谜游戏，依赖预定义规则和固定决策树；Omniscient Agent则将这一概念带入AI时代，针对IPL设计，利用大语言模型推理能力，分析球员数据、昵称、俚语和上下文线索，替代传统固定决策树机制。IPL作为印度乃至全球最受欢迎的板球联赛之一，为项目提供了广泛的用户基础。

技术栈：前端采用Streamlit框架构建交互式Web界面；AI推理后端通过Groq API调用LLaMA 3.1-8B Instant模型（以低延迟著称）；数据存储使用Excel/CSV格式，通过Openpyxl库读写。推理机制：利用LLM语义理解能力动态调整提问策略，声称通过"高级二分搜索逻辑"在8个问题内缩小范围，快速识别球员关键区分特征（国籍、球队、角色等）。

视觉设计：借鉴Apple Music美学，采用毛玻璃（Glassmorphism）风格，深色模式配合动画渐变球体和半透明玻璃卡片。交互体验：AI助手使用Hinglish表达，融入板球俚语（如称呼CSK球迷为"Whistle Podu Gang"、调侃RCB为"Royal Chokers"）；猜对时显示"Sahi Pakde Hai!"（印地语"猜对了！"）的庆祝信息。

部署步骤：克隆仓库→安装依赖→配置Groq API密钥→运行Streamlit命令。API密钥可通过环境变量或应用界面输入，配置灵活。项目不仅是娱乐应用，还可作为学习Streamlit和LLM集成的教学示例，帮助开发者了解如何整合大语言模型到交互式Web应用。

项目将AI技术融入IPL这一文化现象，创造新的互动娱乐形式；本地化元素（Hinglish表达、球队俚语、文化梗）体现AI应用本土化的重要性——成功的AI产品需理解并融入目标用户的文化语境。

Omniscient Agent是大语言模型技术应用于娱乐领域的有趣案例，展示了如何利用现代AI API和开源工具快速构建兼具技术深度与娱乐价值的应用，为探索AI应用开发的开发者提供了参考。