笔记
0工具
0此页用于记录用户反馈问题后的每一次改进
关于
“写笔记”支持四种格式——Word 文档、Excel 表格、Markdown、纯文本，起稿或二次编辑时都能随时切换，同一篇笔记想用哪种形态来记，都由你说了算。
md、txt、csv、json 这类纯文本则原样载入，不做多余加工。拿一张现成的表倒进来、改几笔、再导出去，等于白用一台免费的格式转换器。
要带走就在右上角点“下载”，可导出 PDF、Word、Markdown、Excel、TXT 等格式；列表卡片“⋯”菜单里，也有同样的下载入口。
在“工具”页点“＋ 上传工具”即可发布：填好名称与链接，再用 Markdown 把使用方法写清楚——能解决什么问题、怎么装、怎么用，比堆介绍实在。
要分发安装包就一并上传压缩包（ZIP、RAR、7Z、TAR.GZ，最大 35MB），别人在详情页一键下载；只放链接不带附件也可以。
工具按大家的收藏热度排序，好用的自然会被顶上来。发布后可在详情页或卡片菜单里编辑、下架。
写笔记时勾上“隐藏”，这篇就只存在于你自己的账号里：不进列表、不进搜索、不上首页精选，也不会出现在任何公开的页面，链接发给别人同样打不开。
适合放密码、草稿、日记这类只给自己看的内容；想公开，去“发布”打开它，把“隐藏”的勾去掉再保存，之后编辑会默认保持原状态，不会悄悄变回公开。
不想公开、只想临时给人看：点“分享”生成一条带密码和有效期的链接，到期自动失效，你也能随时撤销。
你的内容会同时保存在多个副本上，系统定期做备份与完整性校验，再配合异地容灾机制：就算某台机器出问题，数据也不会丢，可以长期放心存放；特别重要的资料，仍建议你另外再留一份备份。
全站跑在容器化、模块化的现代架构上，更新、部署、回滚都很快，扩展性和稳定性都按长期运营的标准来设计（Built for reliability, designed to scale）。
这个网站最早只是一个人的笔记仓库，后来慢慢长成现在的知识中枢。设计上很克制——没有广告、没有追踪、没有推荐算法，只是干干净净地存放一些东西；既然做好了，就公开出来，万一有人用得上呢。
不做大而全，不做平台梦，保持简单、保持克制、保持好奇。所有内容都由用户贡献、由用户维护：不会突然冒出付费墙，不会在角落塞广告位，也不会把你的数据卖给第三方。
产品会持续迭代，站内日志页记录着每一次改动，改了什么都有迹可循；想了解这个站是怎么一步步走到今天的，翻翻日志就能看到来龙去脉。
如果在这里看到涉嫌违规的内容，点对应卡片右侧的“举报”按钮就能提交，我们会尽快核实处理；也谢谢你花一点时间，一起把这里维护干净。
趋势
AI-drama-pound：用AI重构剧本杀创作与体验的开源引擎
AI-drama-pound：一个将大语言模型与剧本杀机制深度融合，支持自动生成剧本、动态推理和多人互动的开源创作与游玩框架。
一、项目定位：不只是“AI写剧本”，而是“AI驱动剧本杀”
在AI生成内容（AIGC）赛道拥挤的今天，绝大多数项目聚焦于“文本生成”——让AI写出小说、诗歌、营销文案。但剧本杀（Murder Mystery / Interactive Drama）有其独特的复杂性：它不仅是线性叙事，而是由角色动机、线索链、时间线、玩家自由决策共同构成的非线性交互系统。
POUND0423/AI-drama-pound（以下简称ADP）正是瞄准这一空白：它不仅仅用AI生成剧本文本，而是构建了一套完整的剧本杀运行时——AI既作为编剧（生成故事框架、人物小传、线索卡），又作为主持人（动态响应玩家行动、推进剧情、判定胜负），甚至可以作为NPC（扮演任意角色并保持性格一致性）。
项目GitHub Stars达493（截至撰写时），虽不算爆款，但社区活跃度与讨论深度表明其在垂直领域有真实需求。
二、解决的痛点：传统剧本杀的“三座大山”
- 创作门槛极高：一个合格的剧本杀需要数周乃至数月打磨，涉及逻辑闭环、伏笔回收、角色平衡性。ADP通过提示词工程与结构化输出，让创作者在数小时内产出可游玩的初稿。
- 主持人数稀缺：线下剧本杀高度依赖DM（主持人）的临场发挥，线上文字房则常因DM精力有限导致体验下降。ADP将DM角色完全AI化，实现7×24小时不间断主持。
- 重复可玩性差：传统剧本杀一旦玩家知道真凶，便失去价值。ADP支持动态剧情分支，每次游玩都会生成不同的线索分布与结局，极大延长了内容生命周期。
三、快速上手：从安装到第一个AI剧本
环境要求
- Python 3.9+（推荐3.11）
- 一个可用的LLM API（OpenAI兼容接口，如OpenAI、Claude、本地部署的vLLM等）
安装步骤
bash
git clone https://github.com/POUND0423/AI-drama-pound.git
cd AI-drama-pound
pip install -r requirements.txt
配置模型
编辑config.yaml，指定你的模型端点与密钥：
yaml
llm:
provider: "openai" # 或 "vllm" / "ollama"
base_url: "https://api.openai.com/v1"
api_key: "sk-xxx"
model: "gpt-4o"
temperature: 0.8
启动一个AI主持的剧本杀
bash
python run.py --mode host --scenario examples/murder_at_mansion.json
此时AI会扮演主持人，向玩家发送开场白，并等待玩家输入行动指令。
代码示例：自定义一个简单场景
在scenarios/目录下创建my_scene.json：
{
"title": "密室窃案",
"roles": [
{"name": "侦探", "description": "冷静理性，擅长推理"},
{"name": "嫌疑人A", "description": "紧张，隐瞒了关键事实"}
],
"initial_prompt": "你是侦探，接到报案来到一间密室。请描述现场环境，并开始调查。",
"win_condition": "找出真正的窃贼并找到赃物"
}
然后运行：
bash
python run.py --mode play --scenario my_scene.json
ADP会调用LLM，自动生成开场描述、分配角色、等待玩家轮流行动。
四、核心亮点深度解析
1. 动态剧情引擎（Dynamic Plot Engine）
这是ADP的灵魂。传统AI对话缺乏“状态管理”，而ADP内部维护了一个剧情状态机，包括：
- 当前场景节点
- 已揭示的线索列表
- 各角色对玩家的好感度/怀疑度
- 时间线进度
每次玩家行动，ADP会先更新状态机，再调用LLM生成符合当前状态的回复。这避免了AI“忘记”前文或产生逻辑矛盾。
2. 多角色一致性（Character Consistency Layer）
当AI同时扮演多个NPC时，很容易出现“角色串味”。ADP为每个角色维护独立的人格档案（包含性格、口癖、秘密、目标），并在每次生成时注入系统提示词中，强制LLM保持角色边界。实测中，即使连续对话50轮，角色语气依然稳定。
3. 线索与推理验证（Clue & Deduction Verifier）
这是最具技术含量的模块。ADP允许创作者在剧本中定义逻辑规则，例如：
- 线索A必须在玩家询问特定人物且好感度>50时才会出现
- 真凶只有在收集到至少3条关键线索后才能被指认
ADP通过规则引擎（基于Python的lark解析器）将自然语言规则编译为可执行逻辑，确保推理过程的公平性与可验证性。
4. 多模态扩展接口
虽然核心是文本，但ADP预留了图像、音频接口。例如可对接Stable Diffusion生成角色立绘，或接入TTS让AI主持人语音播报。这为未来VR/AR剧本杀提供了基础。
五、适用场景
- 剧本杀创作者：快速生成初稿，测试逻辑漏洞，甚至用AI模拟玩家试玩。
- 线上互动娱乐平台：如Discord机器人、网页版文字密室逃脱。
- 教育领域：历史事件重演、法律案例模拟，让学生在互动中学习。
- 游戏开发：作为独立游戏或大型游戏的支线任务生成器。
- AI研究：作为多智能体协作、长期对话一致性的测试床。
六、同类项目对比
| 项目 | 定位 | 与ADP的差异 |
|---|---|---|
| AI Dungeon | 开放世界AI叙事 | 无剧本杀机制，无胜负判定，玩家自由度极高但缺乏结构性 |
| Character.AI | 角色扮演聊天 | 单一角色对话，无多角色协作与线索系统 |
| Inworld AI | 游戏NPC引擎 | 偏商业SDK，侧重语音与表情，剧本杀逻辑需自行搭建 |
| LangChain 的 Agent框架 | 通用Agent | 需自己构建状态机与规则，ADP开箱即用且针对剧本杀优化 |
ADP的最大优势在于领域专精：它不试图做通用AI，而是将剧本杀的“规则性”与LLM的“生成性”结合得恰到好处。
七、局限性思考
- 依赖LLM质量：在弱模型（如7B本地模型）上，逻辑推理能力明显下降，容易产生“伪线索”或“自相矛盾”。
- 规则编写门槛：虽然比纯代码简单，但创作者仍需学习其DSL（领域特定语言）来定义复杂逻辑规则。
- 长程记忆成本：当剧情超过100轮，token消耗剧增，需配合向量数据库或摘要压缩，目前项目尚未内置该优化。
八、未来展望
项目在README中透露了路线图：
- 支持多人异步游玩（非实时，类似跑团论坛）
- 提供可视化剧情编辑器（拖拽式节点图）
- 集成LangSmith等可观测性工具，便于调试提示词
九、结语
AI-drama-pound不是又一个“AI写故事”的玩具，而是一个严肃的交互式叙事框架。它把剧本杀的“游戏性”拆解为可计算的组件，再用LLM赋予其血肉。对于任何想在AI时代探索互动叙事边界的人，这是一个值得深入研究的开源宝藏。