游戏 AI / 系统课时
事件怎样更新角色关系
事件怎样更新角色关系
NPC 的关系状态不应随着一句随机对白漂移,而应由可追踪的游戏事件驱动。把帮助、欺骗、攻击和承诺转换成结构化关系增量,再经过边界和规则校验,角色才能稳定地记住玩家做过什么,并在未来互动中表现出一致反应。
学习目标
- 把世界事件映射为可计算的关系变化
- 区分不同事件对信任、好感等维度的影响
- 实现带边界检查的关系状态更新
先定义关系状态而不是直接改对白
关系状态最好拆成少量稳定维度,例如 trust 表示是否相信玩家,affection 表示亲近程度,fear 表示威胁感受,factionStanding 表示玩家在群体中的立场。事件先改变这些数值或离散状态,再由运行时系统决定 NPC 如何说话和行动。
例如“玩家帮助 NPC”通常增加信任与好感;“玩家欺骗 NPC”可能降低信任,但未必直接降低好感;“玩家攻击 NPC”可能同时降低信任、增加恐惧;“玩家兑现承诺”则可以恢复信任。这样做比直接让模型生成“他现在更信任玩家”更可控,因为变化来源明确、可以审计和回放。

用事件映射关系增量
本例只处理 Scope 所指定的“NPC 对玩家”关系。每个已确认事件按规则版本得到一个多维增量,再逐步裁剪到 0–100。裁剪会使顺序影响结果。例如信任从 97 先加 8 再减 15 得 85,先减 15 再加 8 得 90。记录服务器确定的应用顺序,遇到晚到且尚未应用的旧事件时按明确规则重放或隔离。
将代码保存为 relation_projection.py,与上一课的 memory_events.py 放在同一目录后运行 python relation_projection.py。此例从可信事件序列构建同一关系的快照。重复 ID 只有完全相同的事件与发行者才能忽略。不同关系之间的序号允许不连续,单个关系的输入顺序必须递增。
from dataclasses import dataclass
from memory_events import Event, Scope, can_remember
RULE_VERSION = 1
DELTAS = {
"helped": (8, 4, 0),
"deceived": (-15, -3, 0),
"attacked": (-25, -10, 12),
"kept_promise": (6, 2, -2),
}
@dataclass(frozen=True)
class Relation:
trust: int = 50
affection: int = 50
fear: int = 0
def replay(scope, initial, evidence):
if any(type(value) is not int or not 0 <= value <= 100
for value in (initial.trust, initial.affection, initial.fear)):
raise ValueError("invalid relationship baseline")
state = initial
seen = {}
applied = []
last_seq = 0
for event, issuer in evidence:
if not can_remember(event, scope, issuer) or event.kind not in DELTAS:
raise ValueError("unverified relation event")
item = (event, issuer)
if event.event_id in seen:
if item != seen[event.event_id]:
raise ValueError("conflicting event id")
continue
if event.seq <= last_seq:
raise ValueError("out-of-order event")
seen[event.event_id] = item
last_seq = event.seq
before = (state.trust, state.affection, state.fear)
change = DELTAS[event.kind]
state = Relation(*(max(0, min(100, value + delta)) for value, delta in zip(before, change)))
applied.append((event.event_id, event.seq, RULE_VERSION, before, change, state))
return state, applied
if __name__ == "__main__":
scope = Scope("save-01", "main", "player-42", "npc-elias")
helped = Event(scope, "evt-help", 10, "helped", "escort-1")
lied = Event(scope, "evt-lie", 15, "deceived", "trader-2")
state, audit = replay(scope, Relation(97, 50, 0), [(helped, "quests"), (lied, "quests"), (helped, "quests")])
print(state)
print("events:", [row[0] for row in audit])Relation(trust=85, affection=51, fear=0)
events: ['evt-help', 'evt-lie']replay 用于重建和验证,返回的变更记录同时含规则增量与实际应用结果。生产增量更新沿用第 02 章的事务示例,在同一事务追加事件回执、比较关系版本并更新当前值。每次配置变化都保留对应规则版本;历史重放使用当时规则或已应用增量。SQLite 事务 · Event Sourcing
关系变化什么时候不应直接执行
不是所有事件都可以马上修改关系。客户端自行上报的“我帮助了 NPC”不能成为权威事实;应先由游戏服务端或任务系统确认事件确实发生,再提交关系更新。重复投递同一 eventId 时也不应重复扣减或增加,否则一次攻击可能因为消息重试被计算多次。
因此,一条可靠的关系更新链路应满足:权威事件确认 → 规则映射 → 边界校验 → 记录变更 → 生成后续行为上下文。模型可以利用最终关系状态生成自然对白,但不应该负责决定关系数值本身。