游戏 AI / 系统课时

哪些 AI 请求应该放服务端

哪些 AI 请求应该放服务端

这一课要解决的核心问题是:哪些信息可以留在客户端,哪些 AI 请求必须经过服务端。最终形成客户端负责表现、服务端负责权威状态、AI 服务负责生成的边界,并让密钥和关键规则始终留在受控环境中。

学习目标

  • 区分客户端、游戏服务端和 AI 服务的职责边界
  • 设计不会暴露模型密钥的 AI 请求链路
  • 判断哪些上下文和输出必须经过服务端校验

先把三类职责分开

客户端最适合处理输入采集、动画、UI 和非敏感表现数据。服务端应保存任务进度、关系、库存、阵营、权限等权威状态,并决定一次 AI 请求允许看到哪些上下文。AI 服务负责生成文本、情绪或叙事建议,但不应直接成为游戏规则的最终裁判。

因此,“玩家一句话直接调用模型”通常不是完整架构。真正安全的链路应是客户端发送业务意图或对话输入,服务端读取权威状态并组装受限上下文,再由服务端调用 AI 提供商,最后把经过校验的结果返回客户端。

客户端、游戏服务端与 AI 服务的职责边界

为什么模型调用通常放服务端

最直接的原因是密钥安全。只要把模型 API Key 放进客户端包、网页脚本或可下载资源,攻击者就可以通过反编译、网络检查或运行时调试取得它。即使客户端代码经过压缩或混淆,也不能把它当作真正的密钥保护措施。

第二个原因是规则安全。服务端才能决定玩家当前真的拥有哪些任务、阵营和物品。客户端上报“玩家已经完成任务”不等于任务真的完成;客户端上报“NPC 应该信任玩家 100 点”也不应直接改变关系数据。

第三个原因是成本和速率控制。服务端可以统一限制请求频率、上下文长度、模型选择和超时策略,还能记录 requestId 与结果状态,便于定位一次异常生成来自哪里。

让客户端只发送必要输入

客户端不需要把完整世界状态全部发送给 AI。接口只接收业务需要的字段,例如 npcId 和当前对话文本。服务端从登录会话取得玩家身份,再判断该玩家在当前存档、分支和场景里能否与这个 NPC 交互。

下面是一个可独立运行的 Node.js 示例,用 HTTP 服务模拟这一职责边界。示例只绑定本机,采用每次启动随机生成的教学会话,并模拟模型回复。线上由真实登录中间件解析会话,模型适配器从服务端密钥存储取凭证。

js
const http = require("node:http");
const {randomUUID} = require("node:crypto");

const PORT = Number(process.env.PORT ?? 3000);
const demoSession = randomUUID();
const players = new Map([
  ["player-01", { nearby: new Set(["npc-01"]), escortCompleted: true }],
  ["player-02", { nearby: new Set(["npc-02"]), escortCompleted: false }],
]);
const sessions = new Map([[demoSession, "player-01"]]);

function send(res, status, payload, headers = {}) {
  res.writeHead(status, {"content-type": "application/json", ...headers});
  res.end(JSON.stringify(payload));
}

const server = http.createServer({requestTimeout: 5000}, (req, res) => {
  if (req.method !== "POST" || req.url !== "/ai/dialogue") {
    send(res, 404, {error: "not_found"});
    return;
  }
  const token = /^Bearer ([^\s]+)$/i.exec(req.headers.authorization ?? "")?.[1];
  const playerId = sessions.get(token);
  const state = players.get(playerId);
  if (!state) {
    send(res, 401, {error: "authentication_required"});
    return;
  }
  let size = 0;
  const chunks = [];
  req.on("data", chunk => {
    if (size > 4096) return;
    size += chunk.length;
    if (size > 4096) {
      send(res, 413, {error: "body_too_large"}, {connection: "close"});
      return;
    }
    chunks.push(chunk);
  });
  req.on("end", () => {
    if (size > 4096) return;
    let input;
    try {
      input = JSON.parse(Buffer.concat(chunks).toString("utf8"));
    } catch {
      send(res, 400, {error: "invalid_json"});
      return;
    }
    if (!input || typeof input.npcId !== "string" ||
        typeof input.playerText !== "string" || !input.playerText.trim() ||
        input.playerText.length > 500 ||
        Object.keys(input).some(key => !["npcId", "playerText"].includes(key))) {
      send(res, 400, {error: "invalid_input"});
      return;
    }
    if (!state.nearby.has(input.npcId)) {
      send(res, 403, {error: "npc_out_of_scope"});
      return;
    }
    const context = {playerText: input.playerText, escortCompleted: state.escortCompleted};
    // 本地模拟生成。真实模型密钥由服务端适配器加载。
    const reply = context.escortCompleted ? "守卫:谢谢你完成护送。" : "守卫:你找我?";
    send(res, 200, {reply});
  });
  req.on("error", () => { if (!res.headersSent && !res.destroyed) send(res, 400, {error: "read_failed"}); });
});

server.listen(PORT, "127.0.0.1", () => {
  console.log("Local demo port: " + server.address().port);
  console.log("Local demo session: " + demoSession);
});

预期输出

text
Local demo port: 3000
Local demo session: <每次启动生成的随机值>

保存为 dialogue.cjs 后用 node dialogue.cjs 启动。在本机用 POST 请求 /ai/dialogue,把日志里的随机值填到 Authorization: Bearer <会话值>,请求体使用 {"npcId":"npc-01","playerText":"你好"}。返回 JSON 只包含 reply。替换成 npc-02 应得到 403,增加 playerId 应得到 400。上线时应关掉教学会话输出,按真实身份限流,并把模型返回的文本或结构化建议送入业务校验。

哪些请求一定不要直接放客户端

凡是包含密钥、隐藏系统提示、完整受限世界状态或需要修改权威游戏状态的请求,都应优先放服务端。典型例子包括购买后剧情生成、阵营关系判断、任务奖励建议、受限 NPC 记忆检索以及任何会改变服务端数据的 AI 操作。

纯表现类请求则可以更灵活。例如客户端可以本地决定 UI 动画速度、输入框效果或已经缓存好的非敏感文本展示。判断标准不是“用了 AI 就必须上服务端”,而是这次请求是否涉及秘密、权威状态、计费资源或可被滥用的规则。

请求内容 推荐位置 原因
玩家输入、按钮点击、UI 状态 客户端 属于交互与表现
任务进度、库存、阵营、关系 服务端 必须保持权威
模型 API Key 服务端 不能暴露给客户端
允许检索的记忆 服务端 需要按权限筛选上下文
AI 生成对白 服务端或受控 AI 层 需要统一限流与校验
最终奖励与状态写入 服务端 客户端不能直接裁决

给 AI 的上下文也要经过边界控制

把请求放到服务端并不等于把整个数据库丢给模型。服务端仍需要执行最小权限原则,只提供本次生成确实需要的信息,例如当前 NPC 的身份、与玩家的关系阶段、最近几条相关记忆和当前剧情阶段。

尤其要把“模型可参考的信息”和“模型不可修改的事实”分开。模型可以根据 questProgress=completed 生成更自然的对白,但不能因为自己生成了“奖励已发放”就让服务端自动写入库存。涉及状态变更时,应由明确的业务 API 或规则层决定是否执行。

当游戏运行链路采用“客户端输入 → 服务端取权威状态 → 受限上下文 → AI 服务 → 服务端校验 → 客户端表现”这一边界后,密钥、规则与状态都有明确归属,后续才能继续加入限流、审计、缓存和故障降级,而不用重新拆架构。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

哪些 AI 请求应该放服务端

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通