作者 | 崔皓

审校 | 重楼

摘要

本文作者受到一位国外博主的启发，决定尝试使用大语言模型创建一个地下城文字游戏。通过大语言模型生成富有创意和连贯性的游戏内容。他的游戏灵感主要来源于经典的桌面角色扮演游戏“龙与地下城”（D&D）。该游戏通过对话驱动，包括两个主要角色：故事描述者和主人公。故事描述者负责下达任务和推动故事，而主人公负责完成任务。作者设计了一个对话模拟器，用于处理角色之间的互动和游戏进程。此外，作者还考虑了游戏设计中的两个关键问题：记忆机制和发言规范。

开篇

自从在短视频平台上看到一位国外博主通过AI创建了一个模拟经营游戏，我就被深深吸引了。在他的虚拟小镇上，众多的NPC人物因AI的赋能而拥有了各种独特的性格，使得他们之间的互动充满了趣味和惊喜。这让我有点心痒痒，一直对游戏情有独钟的我，为什么不尝试借助AI的力量，创造一个属于自己的地下城文字游戏呢？然而，缺乏游戏开发经验成了我面前的一道障碍。不过转念一想，最近正在从事大语言模型开发的工作，而大语言模型本身就具备生成文字的能力。 我看到有人利用提示词和大模型可以玩文字的冒险游戏。带着这个想法，我查找了一些资料，发现通过prompt的方式真的可以“催眠”大模型，让它帮我创建一个游戏世界。

探索与尝试

有了上面的想法就要付诸行动了，说干就干，不过在开干之前需要对游戏进行构思，同时还要对实施的可行性进行评估。我的探索开始于ChatGPT，通过手动输入的方式，我和ChatGPT玩起了文字游戏。很快，我发现它与流行的龙与地下城游戏有异曲同工之妙—一个基于角色扮演的奇幻世界，玩家通过解决棘手的问题、勇敢的探险和激烈的战斗来推进故事。

龙与地下城(Dungeons & Dragons, 简称D&D)是一款源于1974年的桌上角色扮演游戏，它允许玩家在一个奇幻的中世纪环境中探险和战斗。玩家可以选择不同的角色，如战士、法师或盗贼，并通过掷骰子来决定行动的结果。游戏由一名地下城主（Dungeon Master, DM）来引导故事和管理游戏规则。D&D不仅创造了桌上角色扮演游戏的标准，也影响了后来的电子游戏和奇幻文学的发展。它的核心是集体讲述故事、解决问题和角色扮演，为玩家提供了一个丰富多彩、想象力驱动的游戏体验。

我可以通过龙与地下城游戏的玩法蓝本，来设计我的文字游戏。由于我没有任何的游戏设计经验，因此将游戏规则设计得简单明了，主要通过角色间的对话来推进游戏进程，以降低新手玩家的入门门槛。这里对话角色分为两个，分别是故事描述者和主人公，通过对话交互，玩家能够逐步深入游戏的核心，挑战和完成各种任务，同时享受与虚拟角色交流的乐趣。

趁热打铁，我们来设计一下文字游戏具体完成的任务。如下图所示，在文字游戏初始化的时候需要定义参与者，包括：主角（主人公）和故事的讲述者，故事的讲述者负责下达任务，而主人公负责完成任务。当然他们之间通过文字完成任务的交互，这里需要定义一个发言的规则。故事讲述者下达任务之后，主角会接着发言，推进故事，接着通过轮流发言的方式完成所有的任务。

准备出发

有了思路以后就要准备开发所需要的模型和工具了。模型方面，我选择了OpenAI 的GPT-3.5-Turbo的版本，另外也考虑了使用百度千帆模型库中提供的ChatGLM2-6B-32K模型，不过在输入字符长度上前者比较有优势，因此还是选择了GPT，不过后面代码的部分，我会把ChatGLM2版本的代码以remark的方式呈现给大家，如果大家有兴趣可以自行尝试。

有了游戏背景，接着就需要考虑文字游戏都会遇到的两个问题：

记忆机制

在地下城游戏中，保持对话的连贯性和角色身份的一致性至关重要。为解决这个问题，我们设计了一个消息系统，它可以保存参与者的背景信息，包括：身份，发言的方式，以及哪些事情应该做，哪些事情不能做。每次提供提示给大模型时，都会利用该系统强化模型的记忆，确保游戏的流畅进行。刚好可以利用LangChain中的System Message 机制完成。

LangChain的`SystemMessage`是一个特殊的消息类型，它用于在与大语言模型的交互中提供上下文或指令。通过`SystemMessage`，可以向模型传达关于游戏的背景信息或其他重要指示，帮助模型生成更符合场景的回应。它是在构建交互式应用时，提供上下文和指导信息的有效方式。

发言规范

为保证游戏的有序进行，我们需要设定明确的发言顺序。在这个简单的场景中，我们选择了轮流发言的规则。为了未来能够轻松扩展到更多玩家或更复杂的交互规则，我们将发言规则独立为一个模块，从而为游戏提供了更多的灵活性。在实施的时候，也就是通过一个取模的函数就能够轻松搞定。如果遇到多人参与，或者存在交叉发言，玩家互相提问的场景，也可以设计更加负责的发言规则。总之需要将规则的部分独立出来，做到高内聚低耦合。

程序设计

有了游戏设计思路，接着我们对基本的程序进行设计。如下图所示，在入口的Main函数中我们会进行对话参数的初始化，例如：人物基本信息，背景信息的定义。然后，调用DialogueSimulator 添加玩家，同时设置发言规则，以及发起任务。接下来就是通过DialogueAgent 类进行文字消息的处理，这里只需要处理发送消息和接受消息。由于，本例中只有两个参与者，故事描述者和主人公所以发送和介绍消息会在两者之间轮流进行。

代码实践

完成了基本的设计工作，就是写代码了。这里我们使用Colab作为IDE工具，以及如何在此环境中配置和使用Langchain和GPT-3.5 Turbo。

Colab，即Google Colaboratory，是一个免费的Jupyter笔记本环境，无需进行任何设置就可以在浏览器中使用。它不仅提供了可靠的计算资源，还配备了GPU和TPU，可以加速机器学习或深度学习项目。Colab的特点包括实时多人协作、免费GPU资源、易于分享和集成Google Drive等。使用Colab的主要原因是它的便捷性和高效性。它省去了配置环境的麻烦。

首先，通过如下代码在colab中安装包和相关依赖：

!pip install openai langchain