Light · 光

问题与目标

传统 RPG 的叙事依赖预编写的剧本树：NPC 全知却假装不知，任务由策划手工编排，失败等于读档重来。Light 的目标是验证另一条路径——让叙事从资源流动、权力博弈和信息不对称中自然涌现。

当前阶段目标：完成 15–25 分钟的可运行 Demo（“第一班岗”），验证 AI 驱动闭环的可行性。

世界设定

Light City（光之城）—— 2305 年建成的三层地下城市，人类在地表灾难后唯一幸存的文明。玩家扮演农业层的设备维修员 Extro Martinez，在日常工作中逐步揭开封闭社会的层层真相。

三层结构：信息层（200–500 人，真正的权力中心）、工业层（3,000–5,000 人）、农业层（30,000–50,000 人，玩家主舞台）。

核心系统

• AI 任务生成：感知世界状态（资源、区域、NPC 关系），实时生成有因果关系的任务，非预设池抽取
• 动态对话：每句话由 LLM 基于 NPC 性格、记忆、情绪与信息范围实时生成
• RAG 世界观锚定：设计文档分块向量化，运行时按保密等级检索注入 Prompt
• NPC 信息范围：空间感知 ∩ 社交渠道 ∩ 官方渠道 ∩ 个人经历 = 有界知识，NPC 可以说谎、遗忘、误解
• 后果推演：玩家行为写入世界状态，AI 在后续所有交互中引用变化
• 世界自愈：被杀 NPC 有人接替、被破坏设施被修复、安保等级响应升级

技术架构

五层管线：设计师预设框架 → RAG 知识库层 → 叙事仲裁层 → NPC 信息范围过滤 → AI 动态生成层，最终汇入世界反馈环。

AI 网络子系统异步调用 Gemini 3.0 Flash（经 OpenRouter），不阻塞游戏线程；AI 响应解析为结构化 JSON，自动更新态度、记忆与行为。

失败与约束

失败不是 Game Over，而是世界参数的永久偏移。所有 NPC 皆可攻击、皆可死亡——但一切行为都有系统性后果。

成果

• 主模块 C++ 32,139 行 / 全仓库 120,486 行，379 次提交
• 4 个核心子系统已实现：世界状态、AI 网络通信、任务生成管线、NPC 系统
• 自动化测试 32 个文件，测试代码占主模块 24%
• 自研 McpAutomationBridge 插件：以 MCP 协议远程控制 UE 编辑器