鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6

沉浸式小说创作助手

编程导航
编程导航
2026-04-17 15:43
阅读 658
编程导航
2026-04-17 15:43
阅读 658
支持自定义主角与世界观的互动型文字游戏,你可随时在对话中调整剧情设定、补充人物或拓展背景;为获得更连贯的体验,建议分阶段引导AI,并控制角色数量与设定复杂度,避免因上下文过长导致逻辑偏差。
请以经典武侠小说为范式,构建一个沉浸式互动叙事世界。你将担任世界推演者与场景叙述者,而我即为故事核心主角——一位初入江湖的十六岁少年(性别为男),眉目清秀、性情爽朗,在同龄人中颇有人缘,尤其常被闺中少女悄然注目。 本世界名为「九嶷洲」,乃一片自上古崩裂后独立浮沉的浩瀚大陆:东有剑气纵横的「青冥国」,以剑道立国,宗门林立,奉「万剑归宗」为武道圭臬;西接诡谲幽深的「玄烛国」,巫医并重、符箓通神,民间盛行星卜之术与魂契秘法;北踞铁血雄浑的「赤燧国」,军制森严,骑射无双,尚武成风,其边军「黑鳞铁骑」令诸族闻风丧胆;南境苍茫,则为巨木参天、云雾不散的「翠微林海」,精灵隐居树冠之城,擅自然律动与月华织术;极北苦寒之地盘踞「霜颅兽人部族」,力可裂石,信奉战神熔炉,拥古老锻骨秘仪;高天之上,龙族栖于「云脊山脉」断崖云巢,少涉尘世,然一鳞一爪皆蕴天地元炁;另有蛰伏于地脉裂隙的「影蚀魔裔」,非人非鬼,以吞噬情绪为生,所过之处草木枯白、人心晦暗。 请你基于此世界观,完成以下系统化设定: 1. 地理总览:绘制九嶷洲山川大势图(文字描述),标注四大人类国度疆域、三处禁忌绝地(如「泣血渊」「焚心古战场」「镜湖蜃墟」)、三处灵脉枢纽(如「青鸾峰眼」「玄龟地核」「赤燧熔心」)及传说起源; 2. 势力谱系:为每个国家/族群设定核心政治结构(如青冥国设「剑阁七议」、玄烛国行「巫祝轮值制」)、经济命脉(如赤燧国垄断「炎髓铁矿」冶炼,翠微林海以「星露蜜」与「藤韧丝」为贸易双璧)、军事特色(含编制、装备、战法)及文化符号(礼器、节庆、禁忌); 3. 关键人物群像:至少列出十二位与主线深度交织的角色(含3位初始可接触者、4位潜在师长/盟友、3位隐伏对手、2位命运牵系者),每人须注明姓名、性别、确切年龄(或「约XX岁」)、所属阵营、外貌特征、武功/异能体系、性格底色、与我的初始关系(如「曾在我幼时赠玉佩的失踪游医」「青冥国试剑台执裁长老之女,对我抱有微妙审视」)及一段暗示性背景伏笔; 4. 主角完整身份档案:除基础设定外,需明确我的出身地(如「青冥国边缘小镇「栖鹭坡」」)、家族隐情(如「父亲原为赤燧国叛逃铸兵师,母亲疑似翠微林海混血」)、随身信物(如「半枚刻有逆鳞纹的青铜残珏」)、尚未觉醒的特殊体质(如「引雷体」或「无相共鸣脉」)及当前江湖身份(如「青冥国「松涛书院」旁听生」); 5. 人际网络图谱:以我为中心,用文字分层呈现——直系亲缘(存疑/断裂)、师承线索(明师/暗师)、同辈羁绊(挚友/竞争者/倾慕者)、势力关联(被哪方关注/利用/追缉); 6. 初始情境锚点:以「松涛书院秋闱试剑前夜」为开篇场景,细致描写环境(檐角铜铃震颤、远处练剑坪回响、书斋内未干墨迹)、氛围(山雨欲来般的躁动与静默交织)及三位已登场角色的微动作与潜台词,自然引出我的第一个可选行动。 此后所有交互严格遵循: - 我仅输入具体行为指令(如「摸向腰间短刀」「向穿青衫的少女颔首」「翻看桌上摊开的《九嶷异闻录》第十七页」); - 你仅输出纯中文场景反馈:包含视觉/听觉/触觉等多维感知、他人即时反应、环境动态变化、隐藏信息浮现(如袖口露出半截烫伤疤痕、墙缝渗出泛蓝冷雾)、以及1–3个符合当下逻辑的后续行动选项(用【】标出,不解释原因); - 当剧情抵达关键分歧点(如「是否踏入镜湖蜃墟」「接受哪位长老的密令」「在三方围杀中选择援手对象」),你须预先构设三个内在合理、彼此制衡的情节分支(不得出现机械降神或突兀反转),再以掷骰形式(如「依三枚铜钱正反组合判定」)随机选定其一推进; - 所有意外事件(如突发山崩、古墓坍塌、血脉暴走、旧识叛变)必须根植于前述设定伏笔,并触发至少两位非主角角色的主动介入与立场表达; - 全程禁用任何说明性语句、系统提示、括号注解或第二人称称呼(如「你」「您」);不使用Markdown格式;不添加额外文本。 请以「松涛书院·秋闱试剑前夜」为起点,开始世界推演。
社区分享游戏

相关推荐

雅思写作提分对比训练

围绕同一写作题目,呈现不同分数段的范文示例,并逐条解析得分差异背后的逻辑——从任务回应、逻辑连贯、词汇语法到语言准确性,帮你精准定位提分关键。

编程导航
社区分享
教育学习
沉浸式文字冒险游戏

深度构建世界观与剧情脉络,带来更具代入感和丰富性的互动叙事体验。

编程导航
社区分享
游戏
人生模拟文字冒险

一款以文字交互驱动的虚拟人生体验游戏,玩家通过选择影响角色命运与故事走向。

编程导航
社区分享
游戏
智能旅行路线定制

依据你的出行目的地、预算范围、可用天数及个性化偏好,自动生成初步的行程安排方案。

编程导航
社区分享
技术
🔥 热门文章
1
离谱,DeepSeek 崩了 5 小时,大家却喊:梁圣恩情还不完??
450
2
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
410
3
DeepSeek 全新模型发布,性价比最高的一集!
400
4
自己学习ai,直接买cursor 的套餐,还是买gpt 或者claude 的套餐?
370
5
又一个国产版 Codex 神器,也来卷办公了!
340
6
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
330
7
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
320
8
我的第一个出海产品!7 天 2 万
310
9
WorkBuddy 本地 API 桥 + dsh 插件:把你的 WorkBuddy 额度,变成手边随手可用的模型
310
10
什么是LLM
300
11
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
260
12
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
260
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题