游戏 AI 与交互式叙事

这条方向实际解决什么问题

游戏AI与交互式叙事解决“角色如何在可玩世界规则内做出可解释、可重复、对玩家有响应的行为”。生成模型可以写对白、概括记忆或提出候选计划，但世界状态、物理规则、任务进度、资源消耗和不可逆结果应由确定性系统裁决。

典型失败：

NPC对白声称拿到钥匙，世界状态没有钥匙；
生成计划要求穿过锁门或使用不存在的道具；
两个角色同时占用唯一资源，没有冲突裁决；
玩家重载存档后行为完全不可解释地变化；
长期记忆无限增长，旧事实和已撤销事实继续影响行为；
行为树卡在Running节点，角色永久不再响应；
叙事生成绕过内容边界或泄露系统状态；
作品只展示一段精彩对话，没有系统性可玩性测试。

方向目标是分层：世界模拟是真相，决策系统选择合法动作，生成系统只在受约束槽位提供文本或候选，所有结果能回放和验证。

所需共同前置模块

状态事件用于世界与任务状态；Evidence用于种子、输入和Replay；ML/LLM基础用于模型边界；Agent状态工具用于有限步行为与工具契约；安全评测用于内容和动作权限；生产综合项目用于Artifact、版本、预算和回归。

典型系统边界

World Simulation (authoritative)
  ├─ entities/components
  ├─ rules/invariants
  ├─ time/ticks
  └─ events
       ↓ observation
Decision Layer
  ├─ Behavior Tree / Utility / Planner
  ├─ blackboard / working memory
  └─ action proposal
       ↓ validate
World Action Executor
       ↓ committed event
Narrative Layer
  ├─ dialogue realization
  ├─ summary/memory compression
  └─ bounded generation
       ↓
Player-visible text / animation

生成文本不能直接修改World State。它提出结构化Action或填充已批准内容槽位。

必会机制

1. 确定性世界状态

实体、位置、资源、关系、任务和时间以结构数据保存。每个Tick有Seed/输入事件和版本。世界不变量：资源不能负数、唯一道具只有一个Owner、锁门需钥匙、终止任务不可重复完成。

2. Observation

角色只看到允许范围：视野、已知事实、听闻信息。不要把完整World State塞给模型。Observation带时间和来源，旧观察可能失效。

3. 行为选择

行为树（Behavior Tree）行为树Behavior Tree用层级控制节点组合可复用动作，并根据成功、失败或运行中状态选择行为。打开术语条目 →、Utility或规划器各有边界：

Behavior Tree：可视化控制流、Reactive，复杂树维护成本高；
Utility：按特征评分，需调权重并防抖动；
Planner：从前置/效果搜索动作，需限制状态空间与时间；
LLM Proposal：处理开放语义，但必须经过动作合法性验证。

可组合：确定性高层状态机 + Behavior Tree + 受限对白生成。

4. Action Contract

interface WorldAction {
  actorId: string;
  type: 'move' | 'take' | 'give' | 'speak' | 'wait';
  targetId: string | null;
  parameters: Record<string, string | number>;
  expectedWorldVersion: number;
}

Executor检查范围、前置条件、资源冲突和版本。成功产生World Event；失败返回稳定原因，决策层重新规划。

5. Blackboard与记忆

Blackboard是当前行为共享状态，长期角色记忆是有来源和时间的事实/摘要。区分：亲眼观察、传闻、推断、已撤销。记忆压缩不能把猜测升级为事实。

6. 叙事约束

对白输入由角色知识、语气、当前目标和允许事实构成。输出Schema可包含 utterance, referencedFactIds, intent。Validator检查引用事实属于角色知识、没有改变世界、长度和内容边界。

7. Fallback

模型不可用或输出无效时，系统使用模板、已有对白或安全动作 wait/ask-for-clarification。可玩核心不能依赖每次生成成功。

8. Replay

保存初始世界Snapshot、玩家输入、Seed、World Events、决策版本和生成Artifact身份。Replay首先验证确定性世界轨迹；自然语言若来自外部模型，可使用录制输出或只比较结构约束。

9. 测试

单元：动作前置条件与不变量；
Simulation：数千固定Tick检查死锁、资源和终止；
Scenario：玩家动作序列与任务结果；
Narrative：事实引用、角色知识和禁止内容；
Playtest：节奏与体验，保留结构事件和反馈分类。

可验证作品建议

构建一个小型“封闭房间NPC Lab”：

3个房间、2个角色、1把钥匙、1扇锁门、1个任务；
World State与事件日志；
一个Behavior Tree或Utility决策器；
一个受限Planner Fixture，可替换为模型但默认离线；
对白只引用角色已知Fact；
保存/加载与Replay；
注入锁冲突、道具竞争、无效计划、生成失败和记忆过期；
Fallback保证任务仍可继续。

作品需要留下哪些 Evidence

world-schema.json
invariants.md
action-contracts.json
behavior-tree-or-utility-config.json
scenario-fixtures/
world-events.ndjson
replay-manifest.json
fact-memory-ledger.json
narrative-validation-report.json
simulation-failure-report.json
playtest-observation-template.md

常见“看起来会、实际不会”的缺口

看起来会	实际缺口
NPC对白自然	世界事实与对白不一致
接了LLM做NPC	没有Action Schema、预算和Fallback
有行为树	没有Running/失败/中断测试，树会卡死
NPC有记忆	所有对话永久保存，无来源与撤销
有规划	动作前置条件不完整，计划不可执行
支持存档	不保存Seed、版本和事件，无法Replay
有内容过滤	只检查最终文本，动作仍可越界
有精彩Demo	没场景矩阵、Simulation和失败Evidence

学习顺序

世界Schema、Tick和不变量。
Action Contract与版本冲突。
固定规则/Behavior Tree基线。
Observation、Blackboard和角色知识。
Scenario Test与Replay。
受限Planning或LLM Proposal。
叙事生成、Fact Citation和Fallback。
Simulation、故障注入和Playtest。

抽象岗位能力映射

能力	可观察产物
游戏系统建模	ECS/World State、Tick、事件和不变量
决策AI	Behavior Tree、Utility、Planning取舍
Agent边界	Observation、Action Proposal、Validator
叙事系统	角色知识、Fact Memory、受限生成
测试与回放	Scenario、Simulation、Seed和Event Replay
安全与Fallback	动作权限、内容边界、无模型可玩路径
体验分析	Playtest事件、失败分类和节奏证据