您好，Aigamedev,

我是一个学校心理学家，自学编程并构建了一个开源平台名为 AlloFlow（约 6.5 万行代码）。平台的大部分是教育领域的 AI powered 内容创作工具，但我要在这里谈的部分是 游戏引擎层，因为它利用生成性 AI 的方式，我相信这个社区会对它们感兴趣。

有三个游戏系统：一个 在AI驱动交互式小说引擎（冒险模式），一个 80+ 画布基建模（STEM实验室），以及一个 多人在线答题系统，具有竞争性模式。所有都是开源。

冒险模式：AI as 游戏主持人

冒险模式会将任何来源的文本转换为一个 AI 驱动的交互式故事，玩家会根据自己的选择改变故事的发展。设想一下一个 AI 主持人，被约束在教导有特定内容的世界中。

挑战：

  • 叙事连贯性跨越回合。每个回合要进行一次新的 Gemini API 呼叫。系统提示包含了全叙事历史，当前游戏状态，以及内容限制。 我将故事状态序列化为一种压缩格式，捕捉关键情节重点，当前角色状态以及未解决的线索，而不需要重现每一句对话。
  • 受 AI 控制的状态机。 游戏会跟踪 XP，能量，健康量，士气，黄金，以及自定义派系关系等。这些会在 AI 运作模式（模型决定资源后果）或手动模式（教育工作者预先定义规则）。 我将一个“资源哲学”注入系统调用的参数中，设定界限而不具有任何强制性。
  • D20 概率引擎。 风险行动会触发一个筛子抖动机制。系统将一个概率界限生成，并将一个筛子抖动，同时叙事会根据是否成功或失败分叉。AI会产生内容和困难程度评估，但最终结果是确定性的。这是关键创新： 让 AI 写故事，但让数学决定结局。
  • 多种输入模式：每个回合有 4 个由 AI 生成的选项，自由回应（玩家输入任何内容，AI相应改变），以及辩论模式（玩家辩论一项立场，AI评估辩论质量和移位动态表）。
  • 民主模式（全校多人模式）。冒险故事被投影到荧幕上，学生们投票选取故事的发展方向。用 Firebase 导致的实时投票聚合。 AI 必须生成的选项都要是叙事可行的，所以没有一项是明显正确的。

相关的 Imagen + 形象转换视觉流水线：

这里是最让我觉得与众不同的一部分，而且我觉得对于任何人在 AI 驱动交互式小说领域都很有价值。

冒险模式使用一个 三阶段形象生成流水线：

  1. 角色头像生成（Imagen）。当玩家创建一个角色时，他们定义一个名字，一个角色，和一个外型描述（ “高，银色头发，蓝色袍子”）。系统会生成一个艺术风格知的提示并将其发送给 Imagen。头像在冒险界面上呈现为像素艺术缩略图，但可以以任何 5+ 预设风格生成：
  2. 故事集（柔水彩，温暖色调，生动）
  3. 像素艺术（16 位老派，干净精灵）
  4. 电影艺术（戏剧性光照，真实主义）
  5. 动漫（干净线条，漫画风格）
  6. 蜡笔画（儿童手绘，生动）
  7. 自定义（用户描述任何风格为自由文字）
  8. 图像转换编辑（Gemini 图像编辑）。在生成头像后，玩家可以通过自然语言一一迭代的更改它。输入 “添加绿色眼镜” 或者 “红罗装饰” 等内容，系统会将其传递给图像转换 API。这个过程对于玩家创造力非常有价值：孩子们爱好自定义其角色外型，并且这种迭代过程可以让他们了解 AI 形象模型的工作原理。
  9. 故事集导出（AI 画图）。当冒险模式结束时，系统可以将整个故事作为一个 AI 画图故事集导出。在每个主要叙事动态时，每个场景图像都会生成提示，从叙事文本中，Imagen 会以选择的艺术风格绘制场景图案。最后会生成一个可以携带的图像故事集，这里包含了整个冒险的图像画作。

在视觉一致性方面，我费力地对相关内容进行了优化。每个图像生成呼叫包含了一个艺术风格标头，一个“无字，无法标志，无法字母”的警告语（Imagen 爱好在图像中添加字母）。每张图像生成呼叫也包含了一些背景：对于角色头像，我将外型描述复制。对于场景图画，Gemini 将一段约 80 文字的文本作为图像提示发到 Imagen。这两步方式（文本模型将图像提示写来，图像模型绘制图像）产生了比直接将叙述文本发送给 Imagen 所获得的结果要好的结果。

玩家也可以上传自己的相片作为角色头像，然后使用 AI 编辑将其风格化，从而会产生真正令人惊叹的合成图像。

问答模式：

  • BOSS 战斗： 学生们联手战斗一个 AIboss。当答对答案时，能造成伤害。AI 必须生成 BOSS 的性格和攻击描述。

  • 逃生间隔： 有主题的谜题间隔，包含密码和提示令牌（数量有限）。AI 必须生成主题以及不可预知的代码来处理谜题机制。

  • 团队斗争： AI会对难度进行自适应调整，根据团队对比动态修改题目难度。

游戏引擎技巧挑战性的特殊内容：

  1. 区分叙事和机制。让 AI 写故事，而使用确定性的代码管理转移和获胜条件。每次我让 AI 直接运作一个机械结果时，都会有不一致。 D20 系统是关键的突破。
  2. 将游戏状态注入结构体数据，而不只是描述。早期的提示含有状态的自然语言（“玩家有 45 XP…………”）而不是将其序列化为 JSON 状态块（“xp“： 45，“health“： 80，“factions“： {“north“： “allied“}】）对结构一致感有了质的不同。
  3. 约束选项质量。对于多选模式，明确生成选项，保证其“都能有叙事可行性，而没有哪个显而易见正确或者死亡”。
  4. 背景窗口是你的敌人。我压缩叙事历史，排除非决定性内容，保留关键故事阶段和角色状态，从而避免描述性文字的重复。

统计数字：

*约650,000 行的代码
* 264+ 个 AI 生成呼唤
* 80+ 个交互式 STEM 模拟器
* 有 100+ 支持的语言
* 5+ 个预设风格，自定义风格支持

链接：

  • Canvas 链接： https://gemini.google.com/share/8325b98d429b
  • 促销网站（链接到GitHub仓库）：https://apomera.github.io/AlloFlow/

我是什么样期望得到的：

  • 对视觉流水线的反馈。双步方式（文本模型写图像提示，图像模型绘制图像）的工作方式看起来像一个补偿手段。是否有更加优雅的模式？
  • 叙事一致性在规模上。对于 20+ 回合的冒险，历史压缩方式会丢失细腻。期待看到更好的模式。
  • 混合 AI 和 硬盘模式。其他人如何处理“AI 写叙事，代码构建机制”。
  • 研究协作。我想在 AI 工具可以为教育实践带来影响的任何背景中试点 AlloFlow。

在游戏架构，图像流水线，提示技巧或打开代码查看的内容欢迎有任何问题或疑虑！代码都是开源的。如果您有更好的实践或想法欢迎与我沟通。