游戏 AI / 系统课时

从单个 NPC 扩展到整个世界

从单个 NPC 扩展到整个世界

当 AI 剧情从一个 NPC 扩展到多个角色、多个任务和长期存档时,真正困难的不是多调用几次模型,而是如何划清状态、记忆、任务与世界事件的边界,并让系统继续可验证、可恢复、可扩展。

学习目标

  • 识别多角色、多任务、长期存档场景中的主要扩展边界
  • 设计世界状态、角色状态、记忆与任务之间的职责关系
  • 判断哪些能力应集中管理,哪些数据应按角色或会话隔离

扩展时先稳定世界模型

单个 NPC 时,可以把当前状态直接拼进一次请求;进入整个世界后,这种做法会迅速失控。建议把世界事实作为权威来源,例如城门是否打开、任务处于哪个阶段、某个角色是否存活;NPC 的人格、关系和经历则作为角色层状态。模型只读取这些状态,并输出受约束的建议或结构化动作,而不是直接修改世界事实。

AI 剧情世界扩展的分层边界

这样分层后,多角色扩展的核心问题就从“如何给模型更多上下文”变成“当前请求需要哪些最小事实”。例如守卫只需要城门状态、玩家身份和相关历史,不应携带商人的全部记忆。上下文越精确,成本和串记忆风险越容易控制。

多角色并不等于共享全部记忆

每个 NPC 至少应有独立的 characterId,角色私有记忆还应绑定对应玩家、世界或会话范围。共享历史可以单独存放为世界事件,例如 eventId、事件类型、地点和时间;NPC 再依据自身视角把相关事件写入私有记忆。这样同一事件可以被多个 NPC 知道,但不要求它们拥有完全相同的记忆文本。

角色数量增加后,检索也应从“查这个 NPC 的所有记忆”改成“先按身份和范围过滤,再按相关性重排”。先从已认证会话解析租户、世界、存档、分支、玩家和 NPC 实例,再按记忆状态、当前授权及剧情阶段过滤。世界 ID 相同的两次分叉可以有不同结果,单靠世界和角色 ID 会串线。任何没有通过身份边界的记录,都不应进入当前模型上下文。

多任务要靠状态而不是模型记忆串联

单个任务可以由对话推动,但多个任务并发时,任务进度必须成为显式状态。任务定义可以共享,同一玩家的任务实例仍按存档和分支隔离,保存实例 ID、当前阶段、权威版本和必要条件。并发完成时提交前核对预期版本与条件,奖励与幂等回执一起提交。AI 可以负责生成对白、解释目标或提出剧情建议,而任务是否完成、是否解锁下一阶段,应由游戏规则判断。

例如玩家同时执行护送和城门任务,NPC 说“护送完成”不能直接让两个任务都进入完成态。系统应根据对应任务的事件和条件分别更新状态。任务状态机越明确,回归测试就越容易覆盖,也越不容易因为模型措辞变化而改变业务结果。

长期存档要区分事实、记忆与缓存

长期存档最容易出现两个问题:数据无限增长,以及历史事实被临时上下文覆盖。可以把数据分成三层:权威状态负责保存当前事实,持久记忆负责保存经过筛选的长期经历,瞬时上下文只服务于当前请求。缓存可以加速读取,但不应成为唯一事实来源。

持久化时还要保存来源信息,例如 sourceEventId、写入时间、有效状态和失效原因。这样当玩家发现 NPC 记错事情时,可以沿着事件、记忆写入、检索和生成链路定位问题,而不是只能重新跑一遍模型。

什么时候集中,什么时候隔离

共享任务定义和基础地图可以集中管理,世界事件与权威地图实例按世界、存档和分支路由。关系与私有记忆同时绑定角色实例和玩家。会话只保留当前交互所需的临时数据。分叉保存来源分支及切点版本,只继承切点前经规则允许的事实,后续变更分开写入。

例如城门关闭触发 30 个 NPC 更新。若对每个角色重跑一次世界生成,可能出现 30 次模型调用和相互矛盾的结果。先提交 1 条权威事件,再向获准角色投影轻量状态,只有实际有对话的 4 个角色才进入生成队列。验收时检查事件只写一次,重放不会重复投影,分叉后一个分支的开门事件不会修改另一分支,旧存档迁移失败还能从原版本读取。

扩展架构时,可以用一个简单判断:凡是会决定游戏规则结果的数据,应进入权威状态;凡是帮助 NPC 理解过去的数据,应进入记忆;凡是只为当前回答服务的数据,应停留在上下文层。 这个边界一旦稳定,角色数量、任务数量和存档时间的增长就主要转化为存储、检索与计算规模问题,而不会把业务规则一起拖进不可控的模型上下文。

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

从单个 NPC 扩展到整个世界

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