把小说改成游戏,这条路今天最不缺的就是“生成”。给模型一段原文,它能写出像模像样的对白、场景描述、甚至一整段支线。真正卡住人的是另一类问题:第 137 章,这个人在不在场?这句话是谁说的?他此刻知不知道那件事?
这些问题答错,后面全错。说话人标错,角色卡就学错了语气;在场名单漏人,NPC 就会说出他不该知道的事;事实的知情人漏掉,玩家一问就穿帮。所以 chinese-novel-to-game 的工程重心不在第 ⑥ 步的“游戏”,而在第 ② 步的抽取和第 ⑤ 步的账本。
先把“像”换成“有出处”
一句由模型写出来的台词,人读着像,不等于系统能拿它做任何事。要让一个 NPC 记得自己说过什么,你得先证明:这句话确实出现在原文里,说话人是这个人,而他又恰好在场。
这个 skill 的每个阶段都在生产同一类东西——能被下一阶段引用、也能被人抽查的中间数据,而不是更多文本。判断标准只有一个:换一个人、换一台机器重跑,能不能得到同一份可核对的结论。
十个阶段
一条命令对应一个阶段,每个阶段有自己的产物和门槛。⑤ 排在 ④ 前面,是因为角色卡要用到账本里的“谁在场、谁知道”。
| 阶段 | 做什么 | 产物 | 门槛要点 |
|---|---|---|---|
| ⓪ 书型 | 人称、引号、换行、对白占比 | book.json 的 profile | 每个建议值抽样核对 |
| ① 清洗 | 编码、噪声、乱码修复、切章、编号审计 | chapters.jsonl | 章节数可解释,对白无误伤 |
| ② 抽取 | 实体、场景在场、逐句说话人、事件、事实与知情人 | build/extract/*.json | 覆盖 1 · 句式不一致 ≤2% · unverified ≤2% |
| ③ 归并 | 别名合并、分级、词典、地图节点 | characters.json · userdict.txt · places.json | 有 S 级、找到主角、金标全过 |
| ⑤ 账本 | 谁在第几章知道哪条事实 | ledger.json | witness_not_present ≤5% |
| ④ 角色卡 | 每个主要角色每阶段一张卡 | cards/<id>.json | 覆盖 1 · 无待重写 · 无剧透 |
| ⑥ 游戏化 | 场景变成可读的 beats、锚点、地图 | game.json | 节点覆盖、可玩场次、锚点数 |
| ⑥b 玩法 | 属性、目标、情报、每个锚点一个抉择 | design.json | canon 活到最后 · 能赢 · 能输 |
| ⑦ 画面 | 把描写填成枚举参数 | looks.json | 校验器换掉非法值并记录 |
| ⑧ 验收 | 剧透与记忆探针、人工试玩 | probe_report.json | 探针全过 |
① 清洗:先决定不删
切章之前先做书型诊断。人称是“我”还是“他”,引号是弯的还是直的,正文是不是按固定宽度硬断行,对白占多少——这些不是风格问题,而是决定后面提示词和校验怎么写的参数。判断错了,整批抽取返工。所以 ⓪ 的产物直接写进 book.json,后面所有阶段都读它。
清洗本身是一组确定性代码:编码识别(有的书是 GB18030,末尾还被截断了一个字节)、零宽字符、行内网址、页眉水印、没有中文的短行、常见标题格式、被重新贴过的重复章节。噪声规则写在 noise_rules.json 里,每条都要在全书上跑一遍,看见三件事:命中多少行、有多少命中落在对白里、总共删掉多少字。删到角色的台词就是错。
乱码先试修复,再考虑删。有一批乱码其实是错位一个字节读出来的 GBK 正文,用 gbk_byte_shift 重解码能读通大半;读不通的留着,让抽取阶段标记为不可读。这个顺序很重要:删正文是不可逆的,留噪声只是多花一点钱。
编号异常不静默修。544 章的那本有 14 个异常,1,646 章的那本有 282 个:原书缺章、标题编号笔误、正文里一句像标题的话、重复粘贴、番外另起编号。每一条都归类写进笔记,能解释的才放过。
② 抽取:每条事实都能回到原文
这是整个项目最重的一步。每章都会先被编号:段落是 [p12],引号是 ⟨q7⟩。引号方向错乱的段落(整段反向、从中间开始反向、开头接着上一段的引语)按标点上下文重新配对,否则后面的说话人一定错。
模型要输出六样东西:不属于正文的段落、实体、按时间和地点切分的场景(含在场名单)、每个引号是谁说的、事件、以及带知情人的事实。然后校验器逐条检查:
- 实体名必须在本章原文出现。模型写出本章没出现的全名,会被换成本章的称呼,全名只作为合并线索;
- 每条事实的
quote必须能在对应段落里逐字找到; - 每个引号都必须有说话人;
- 段号、引号编号必须存在,不能越界。
不通过就把问题清单发回模型重做,最多三轮。三轮仍不过的实体和事实标上 unverified,账本、角色卡、NPC 记忆都不把它当证据——宁可少一条,不要一条假的。
还有一道不花钱的核对:用“某某道:……”和“……某某笑道。”这类句式反查说话人,和模型给的答案对比。这只能覆盖有句式的台词(古典章回里大约一半,现代白话少得多),但足够发现系统性错误。四本书的这个不一致率在 0.45%–1.5% 之间,逐条看过。
每本书可以带一份 extract_guide.md,只写从这本书里看到的东西:某人常被叫“老人”,隔空传话该标 telepathy,作者的话长什么样。它附在每章提示词后面,是这本书的补丁,不是对剧情的预知。
规模感:1,646 章的书跑出 13,737 条事实、8,394 个事件、3,518 个场景;120 章的书是 1,533 条事实、1,057 个场景。这些数字不是 token 数,而是后面每一步要消费的数据量。
③ 归并:把称呼变成人
同一章里“老人”“红衣姑娘”“掌柜的”可能是三个人,也可能是同一个人;跨到全书,“二爷”这种称呼在不同章可能指不同人。归并这一层解决的就是这件事。
先把“描述词”和“名字”分开:称呼尾词、组织后缀、指示代词开头的称呼都算描述词,不参与跨章合并;每个组织只有一个人担任的头衔(比如“厂长”)例外。词表是每本书自己的,框架里只留语法级的词。
然后按规则合并:同专名直接并;某个别称全书基本只属于一个人时,把零散条目并进去;名字互相包含、只差一个字、或抽取时模型给了全名提示的,逐对交给模型裁定。这里有个容易忽略的坑:模型是一对一判断的,两个“是”可能经由第三个条目把两个人串起来。 所以合并必须按整组检查——两组在同一章里被分别列出两次以上,就拒绝合并,记成 blocked_by_conflict。
分级按全书比例:S 级要在 ≥20% 的章节出现且台词占 ≥2%,A 级 ≥5% 或台词 ≥1%,没有台词的角色最多 B 级(没有说话方式可模仿,就不写卡)。一本 1,646 章的书最后收敛到 S 级 4 人、A 级 17 人;120 章的那本是 10 和 88。
地图和分词在同一层:地点去掉方位词和时间前缀,“青石”和“青石城”按后缀归一,泛称按所在区域挂到上级;分词词典用书里的真实句子验证加词典前后的切分。它们都不调用模型。
⑤ 账本:谁在第几章知道什么
账本是整个 skill 里最不像“AI 功能”的部分:它不调用模型,几秒钟重建,输入就是第 ② 步的抽取结果。
规则很朴素:事件的见证人是参与者加上场景在场者;事实的知情人来自抽取时列的 knowers(自己知道、被告知、目击、偷听、推断);知情人写成“众人”这类群体词、或者解析不出名字时,扩展到场景里的所有在场者。每条事实和事件都带章号和段号,因为同一章内的先后顺序也要能判断。
指标只有一个:witness_not_present——标为亲眼看到或偷听到、却不在场景名单里的知情人比例,门槛 5%。零散的错误可以接受,集中在同一个人身上就说明这本书有抽取模型理解不了的“在场”方式:住在主角身上、附在器物里、附身、隐身跟随。这时不写代码,先写 knowledge_rules.json 的 companions 区间,用原文确定起止章;规则表达不了才写插件。
120 章的那本书最后是 1,533 条事实、1,164 个事件、1,057 个场景,witness 比例 4.4%。这个数字不算漂亮,但它诚实:剩下的错误是零散的,不是某个人系统性缺席。
④ 角色卡:阶段末的状态
阶段按剧情转折切,不按章数平均切——换了地方、关键人物死去或离开、身份大变,才是边界。每个主要角色每个阶段一张卡:身份、外貌、性格(每条附本阶段的具体行为)、说话方式、关系、目标、阶段末尾的状态、秘密。
生成时只给这个角色在这个阶段里的材料:他说过的话(带编号)、参与的事件、关于他的已核实事实、同场最多的人。不给整本书,也要求模型不要用自己的印象补。上一阶段的卡作为衔接参考一起给,以本阶段材料为准。
然后是一道专门的泄漏检查:卡里写的东西,扮演者都会当成自己知道的。所以关于他的秘密、别人瞒着他的计划,如果账本里他不是知情人、句子主语也不是他,就从材料里拿掉,改放进“他此时不知道的事”,并明确告诉模型不能写进卡里。卡里任何一句和“他不知道的事”高度重合,就打回重写。
运行时还要再避一次:当前阶段的卡描述的是阶段末尾,直接给扮演者会剧透,所以只用上一个已经结束阶段的卡。
⑥–⑧ 下游只是消费者
到了游戏这一层,反而没有多少“生成”了。场景按顺序变成一场一场的 beat,重要事件(importance ≥ 3)变成地图上的锚点,人物的最后出现位置变成行踪。这些都是账本和人物表的投影。
玩法设计(⑥b)才再问模型一次:2–4 个属性、一个阶段目标、每章末的空闲行动、每个锚点一个抉择、几段情报。它的验收不靠人眼看,而靠模拟器:照原著走必须活到最后、会玩的人必须能赢、乱玩必须可能输。模拟器和网页共用同一个引擎,所以“能赢”不是文案上的承诺。
画面(⑦)把书里的描写填进固定的枚举参数,校验器把不认识的值换成默认并记录。验收(⑧)是两类探针:问一件还没发生的事,看对方会不会自己说出来;问一件他该知道的事,看关键信息在不在。最后仍然要人真的点一遍。
门槛、金标、过期
gate 不记录“我检查过了”,它记录指标和该阶段输入文件的指纹。改了规则、词表、插件或代码之后,status 会把受影响的阶段标成 stale——旧的“通过”不算数,必须重跑。
金标(golden.jsonl)是人工对照原文确认过的判断:这句是谁说的、这两个名字是不是一个人、某人某章在不在场、到某章知不知道某事。每次重建自动复查,回归不会悄悄发生。
还有一个守卫测试:拿所有已构建书的 S/A 人名、别名、常用地点,反向扫描框架、测试和文档。往 n2g/ 里写某本书的词,测试当场失败。它保证“框架 / 每本书 / 作业手册”这三层不会慢慢混在一起。
修复也有固定落点,从上往下找第一个能解决的:书型 → 词表 → 规则文件 → 抽取说明 → 插件 → 框架。框架层只有在两本以上的书都遇到、并且能用通用规则解决时才改,改完在所有书上回归。
成本与仍然不完美的地方
会花钱的只有 ②③④⑥b⑦⑧。所有付费命令都支持 --budget,到额度就停止发起新请求,已完成的结果保留;模型调用按请求体哈希落盘缓存,提示词不变不重复付费;角色卡可以先 --dry-run 估价。四本书记录到的调用花费在 $0.04 到 $0.78 之间——但早期的花费日志不完整,这个数字不能当总成本看。
几个真实失败:某本的引号在某一章开始残缺,说话人整段错位,最后是写 repair_line 插件按章节修的;某本的主角和随身同伴共享记忆,导致 witness 指标集中在一个人身上,用 companions 区间修;群体称呼污染知情人,把词补进 crowd_words;NPC 只是吊胃口却被记成“问到了情报”,于是给 told 加了措辞重合校验。
仍然不完美:对白不带引号的书需要先写插件;账本按“在场即知道事件”计时,某人当面被瞒着的情节会记错,只能用金标标注并靠角色卡的泄漏检查兜住;角色卡描述阶段末,阶段划分要尽量让关键人物的退场落在边界上;长书很贵,先做切片是现实约束,不是技巧。
结论
如果只记一句:这个 skill 把“生成得像”换成了“说得清出处”。 它的产物不是一款游戏,而是一层可核查的数据;游戏只是这层数据的第一个消费者。
仓库:NorwinYu/chinese-novel-to-game · 介绍页:chinese-novel-to-game。仓库不含任何小说原文或改编产物,只处理你有权使用的文本。
方法 / 数字来自四本已构建的书:21、120、544(30 章试点)、1,646 章。门槛指标由 n2g gate 记录,金标与花费来自各书的 golden.jsonl 与 spend.jsonl。书的内容不在仓库里,这里只引用聚合数字。