当前位置: 网站首页 >AI教程资讯 >正文

NobodyWho – AI游戏引擎插件,本地运行 LLM 实现互动小说创作

来源:爱论文 时间:2025-03-19 11:18:09

NobodyWho是什么

NobodyWho是为 Godot 游戏引擎设计的插件,通过本地运行的大型语言模型(LLM)实现互动小说创作。支持 Windows、Linux 和 macOS 平台,用户无需联网即可使用高性能的 LLM 功能,如对话交互和文本生成。插件通过简单的节点系统(如 NobodyWhoModel 和 NobodyWhoChat)实现与模型的无缝对接,让创作者可以快速构建动态叙事内容。

NobodyWho

NobodyWho的主要功能

本地运行:支持在本地运行 LLM,无需联网,避免了隐私问题。高性能推理:通过 GPU 加速(Linux/Windows 使用 Vulkan,MacOS 使用 Metal),确保快速的推理性能。多上下文支持:可以同时维护多个独立的“对话”或叙事线程,适用于不同角色或游戏状态。流式输出:生成文本时逐字输出,使游戏对话更具动态性和实时性。采样器功能:根据上下文动态调整生成参数(如温度、种子等),以控制对话风格。嵌入功能:通过 LLM 比较自然文本的语义内容,不仅是关键词或字面内容。工具调用:支持 LLM 与游戏内的功能或系统交互,例如访问库存、触发事件等。记忆功能:为 LLM 提供长期记忆,以便在叙事中引用过去的事件,确保故事连贯性。

NobodyWho的技术原理

本地运行与 GPU 加速:NobodyWho 支持用户在本地运行 LLM,无需联网即可实现快速推理。通过 Vulkan(Linux/Windows)或 Metal(macOS)技术实现 GPU 加速,确保高性能。节点系统集成:插件通过 Godot 的节点系统实现功能集成。用户需要在场景中添加 NobodyWhoModel 节点来加载 LLM 模型文件(如 GGUF 格式),通过 NobodyWhoChat 节点实现与模型的交互。

NobodyWho的项目地址

Github仓库:https://github.com/nobodywho-ooo/nobodywho

NobodyWho的应用场景

互动故事创作:NobodyWho 可以让玩家与游戏中的角色进行实时对话,推动故事发展。例如,在一个科幻游戏中,玩家可以通过与空间站船员的对话来解开事故的真相。动态对话系统:通过本地运行的 LLM,开发者可以为游戏中的非玩家角色(NPC)创建自然、动态的对话系统。NPC 可以根据玩家的输入生成实时回应,游戏对话更加流畅和真实。多角色和多线叙事:NobodyWho 支持多上下文功能,支持开发者在同一游戏中维护多个独立的对话或叙事线程。
上一篇:PIKE-RAG – 微软亚洲研究院推出的检索增强型生成框架
相关资讯 更多+
  • NobodyWho – AI游戏引擎插件,本地运行 LLM 实现互动小说创作
    NobodyWho – AI游戏引擎插件,本地运行 LLM 实现互动小说创作

    NobodyWho是为 Godot 游戏引擎设计的插件,通过本地运行的大型语言模型(LLM)实现互动小说创作。支持 Windows、Linux 和 macOS 平台,用户无需联网即可使用高性能的 LLM 功能,如对话交互和文本生成。

    AI教程资讯 2023-04-14

  • PIKE-RAG – 微软亚洲研究院推出的检索增强型生成框架
    PIKE-RAG – 微软亚洲研究院推出的检索增强型生成框架

    PIKE-RAG(sPecIalized KnowledgE and Rationale Augmented Generation)是微软亚洲研究院推出的检索增强型生成框架,能解决传统RAG系统在复杂工业应用中的局限性。PIKE-RAG基于提取、理解和应用专业知识,构建连贯的推理逻辑,引导大型语言模型(LLM)生成准确的回答。

    AI教程资讯 2023-04-14

  • Collaborative Gym – 支持人与AI代理实时交互协作的评估框架
    Collaborative Gym – 支持人与AI代理实时交互协作的评估框架

    Collaborative Gym(Co-Gym)是专注于人机协作(Human-Agent Collaboration)的框架,支持人类与AI代理之间的实时交互与协作。通过模拟和真实两种实验条件,支持开发者在受控环境中进行迭代开发,同时能在真实场景中部署和评估协作效果。

    AI教程资讯 2023-04-14

  • TIGER – 清华大学推出的轻量级语音分离模型
    TIGER – 清华大学推出的轻量级语音分离模型

    TIGER(Time-frequency Interleaved Gain Extraction and Reconstruction Network)是清华大学研究团队提出的轻量级语音分离模型,通过时频交叉建模策略,结合频带切分和多尺度注意力机制,显著提升了语音分离的效果,降低了参数量和计算量。

    AI教程资讯 2023-04-14

最新录入 更多+
确定