I built a local LLM NPC backend focused on NPC-to-NPC conversations

# TL;DR 一个本地运行的LLM NPC后端实现了NPC之间的自发对话，无需玩家介入。 ## 项目概述 作者开发了一个专注于NPC-to-NPC对话的本地LLM后端。视频标题直接点明了核心目标：让游戏中的非玩家角色（NPC）能够彼此自然交谈，而不是仅回应玩家。视频中展示了一段实际对话，来自一个谋杀案调查场景。 ## 工作原理 后端运行在本地机器上，使用大型语言模型驱动NPC的对话生成。与传统预写对话树不同，此系统允许NPC根据上下文、记忆和个性来实时推断和回应。NPC不仅能回答玩家的问题，还能在玩家不参与时继续对话，或主动提及彼此。 示例中的对话发生在两位NPC之间：**玩家角色**（玩家控制）与**保罗·亚当斯**（一位记者，也是派对宾客）。玩家询问派对当晚的情况，保罗讲述了死者大卫与奥莉薇亚的争执、大卫的异常行为以及保险柜的细节。随后，另一位NPC**丽莎**被提及，因为玩家听到保罗和丽莎之前也聊过保险柜，引发了NPC之间的意识链接。 ## 示例对话 以下是视频中出现的完整对话（保留原始中文，未翻译）： **玩家**：嘿，你能告诉我你是谁吗？ **保罗·亚当斯**：我是保罗·亚当斯，一名记者。大卫去世的那个派对上，我也是宾客之一。 **玩家**：天哪，很遗憾你的遭遇。能告诉我昨晚发生了什么吗？ **保罗**：老实说，今天真是漫长的一天。当时大卫和奥莉薇亚在厨房附近有点争执，场面挺激烈的。后来事情就失控了。一切都发生得太快了。大卫出去透了口气，回来的时候……唉，结果就变成了这样。 **玩家**：我没跟你说太多吧？关于我离开厨房后发生的事？ **保罗**：是的，你没提离开厨房后的事。你只提到大卫当时心不在焉，在保险柜附近徘徊，还听到他和奥莉薇亚后来吵了一架。 **玩家**：我觉得他是在试探我和保罗吵架的事。但这跟大卫的死有什么关系？ **玩家**：对了，我在厨房看到一个保险柜。能跟我说说吗？ **保罗**：嗯，就在这个柜子后面。大卫总把重要东西锁在里面。说实话，我现在连里面有什么都不知道了。 **玩家**：你碰巧知道密码吗？ **保罗**：不，当然不知道。我是说……不，应该不知道。我一直在回忆他是否告诉过我，或者我是否看到过他写在哪儿，但实在想不起来了。现在脑子里一片混乱。 **玩家**：别担心。 （对话中断？之后玩家注意到保罗与丽莎交谈的痕迹，并追问。） **玩家**：注意到了这点。我很好奇这是否和之前他们问的问题有关。你觉得我们该担心自己的秘密和大卫的死有关联吗？ **保罗**：侦探确实对保险柜密码很感兴趣。说起来，我看到大卫晚上离开前摆弄过那东西好几次。 **玩家**：嘿，你刚才跟丽莎聊天时提到了保险柜的事。什么？为什么你们要聊我？ **保罗**：我想是我说错话了。我们跟丽莎聊保险柜时没提任何关于你的具体事情。只是我注意到大卫经常围着它转，现在你一提，他确实对它很上心。 ## 技术实现要点（基于标题与对话推断） - **本地运行**：整个LLM推理发生在用户设备上，无需联网，保障隐私和低延迟。 - **NPC记忆与状态**：每个NPC有自己的记忆片段（如保罗记得自己与丽莎的交谈），并且能够主动引用过去聊天中的信息。 - **玩家感知**：玩家可以触发NPC间的对话，甚至“窃听”或追问NPC之间聊了什么，系统会正确回溯。 - **对话上下文连贯**：NPC能维持长达多轮的话题，理解“别担心”后的潜台词，甚至表现出困惑和情感（“脑子里一片混乱”）。 - **无需预设剧本**：对话走向自然，玩家可以自由询问保险柜密码、追问NPC间的互动，系统即时生成合理回应。 ## 应用场景 这种NPC后端特别适合侦探推理、角色扮演、开放世界模拟等需要复杂社交互动的游戏。NPC之间的闲聊、隐瞒、谎话或联盟关系可以动态形成，增强沉浸感。 ## 总结 通过一个轻量级本地LLM，作者实现了玩家视角外NPC之间的自然对话。视频中的示例揭示了后端如何支持上下文感知、多角色记忆和自发交流——这些正是游戏AI从脚本化走向真正“智能”的关键。 --- **Source**: [I built a local LLM NPC backend focused on NPC-to-NPC conversations](https://www.youtube.com/watch?v=Z-WZ-Prl8bI) (Ready_Director_2830)