可视化冒险类游戏 · 内容生产引擎

✨ 面向叙事类与可视化冒险游戏的自动化内容管线：世界观、分章剧情、角色设定与剧情插图，一体生成。

💡 不是单次「问一句答一句」的聊天脚本，而是可落地的工程化链路——文本与视觉模型协同，服务你在本机跑通的 game_server 内容工作流。

🚀 本地立即体验： python game_server.py → 浏览器打开 http://127.0.0.1:5001

内容概览 | 使用说明 | 环境要求 | 安装指南 | 配置说明 | 快速开始

---

🚀 本地预览
启动 game_server.py 后，在浏览器打开 http://127.0.0.1:5001 进入主界面（地址须带 http://）。

如果你觉得本 README 的展示不够直观，可查看 marketing-site 目录中的前端 HTML，里面有更清晰的项目展示。

🚀 内容概览（Overview）🌟

本仓库的重心是 叙事 / 可视化冒险类游戏用的内容生产引擎：在同一套工程里，用 大语言模型 组织世界观与剧情文本，用 图像与视觉模型 生成、迭代剧情插图，把「写设定—拆章节—出立绘/场景」从手工拼 prompt 收束成 可重复跑的管线。

它不把游戏体验还原成「和聊天窗来回几句」——而是面向 需要批量、结构化产出 的语境：分章剧情、主角与配角设定、世界观一致性，以及与之配套的 文生图 / 编辑 链路，让你能在本机用 game_server 把内容推到可直接进工作流的状态。

若你正在搭互动叙事、AVG、跑团式文字冒险或原型 Demo，又希望 文本与美术一起由模型驱动、由配置管控，这条管线会更省迭代成本、也更适合和关卡 / 脚本编辑器对接。🎯

• 📖 叙事资产：世界观、分章剧情、角色与配角设定等结构化文本产出
• 🎨 配图管线：文生图、参考视觉模型与可选编辑（img2img），与剧情任务对齐
• 🧠 多模型协同：通用 LLM、群体智能（Council）与主持人模型等可组合调用（见配置说明）
• ⚙️ 工程化落地：Flask 本地服务、环境变量与依赖清单清晰，便于在团队里复现与扩展

📝 叙事与文本管线 把长篇设定与分章剧情从「临时对话」变成可维护的产出：适合需要连续篇章、角色弧光与世界观自洽的项目，而不是一次性生成后即弃的片段。

🖼️ 多模态内容 剧情不仅停留在文字——插图生成与视觉参考在同一套配置下接入，让关键场景、角色立绘与氛围图能跟随剧情迭代，减少跨工具搬运。

🔧 可配置栈 通过 .env 与多路 API 配置串联「哪家模型、哪条线路、何种超时」；需要时还可叠加 Wikipedia 检索等能力，按项目开关即可。

🎯 使用说明

本项目是一个为叙事类 / 文字冒险类游戏服务的内容生产引擎，用多种大模型（LLM + 视觉模型）自动生成世界观、剧情分章、主角设定以及对应的剧情插图。

目录：

• 环境要求
• 安装指南
• 配置说明
• 快速开始
• 贡献指南
• 许可证

⚙️ 环境要求

Python 版本：Python 3.12 及以上（详见 pyproject.toml 依赖声明）。

🛠️ 安装指南

方式一：使用 uv 管理依赖（推荐）

使用前需自行安装 uv（不包含在 Python 里）：
https://docs.astral.sh/uv/getting-started/installation/

pyproject.toml 是本项目的 Python 工程清单文件，里面写了 Python 版本要求、pip / uv 要装哪些依赖包等内容；根目录下的这份文件已被 uv 和 pip 识别。

在项目根目录（与 pyproject.toml 同级）执行，创建虚拟环境（可选，若已有环境可跳过）：

uv venv .venv

Windows PowerShell 激活虚拟环境后，同步安装依赖：

.\.venv\Scripts\activate
uv sync

方式二：使用 pip 安装依赖

若不使用 uv，可在项目根目录执行：

python -m venv .venv
.\.venv\Scripts\activate

在项目根目录安装依赖：

pip install .

若更习惯 requirements.txt，可改用：

pip install -r requirements.txt

🔐 配置说明

项目通过 python-dotenv 加载环境变量，需在根目录创建 .env 文件并配置以下内容（可根据实际需求删减）。

1) 大语言模型配置

# 通用大模型调用（用于文本分析、剧情生成等）
Camera_Analyst_API_KEY=your_api_key
Camera_Analyst_BASE_URL=https://api.yunwu.ai/v1
Camera_Analyst_MODEL=gpt-4o
Camera_Analyst_READ_TIMEOUT=180

2) 群体智能（Council）配置

# 多模型列表（逗号分隔），默认使用 Camera_Analyst_MODEL
COUNCIL_MODELS=gpt-4o,gpt-4.1,gpt-4o-mini

# 主持人模型，默认使用 Camera_Analyst_MODEL
CHAIRMAN_MODEL=gpt-4o

3) 图像生成配置

# 图像生成服务提供商（默认：yunwu）
IMAGE_GENERATION_PROVIDER=yunwu
Image_Generation_API_KEY=your_image_api_key
Image_Generation_BASE_URL=https://yunwu.ai/v1
Image_Generation_MODEL=sora_image

# 可选：其他图像服务配置
REPLICATE_API_TOKEN=
OPENAI_API_KEY=
STABLE_DIFFUSION_BASE_URL=
STABLE_DIFFUSION_API_KEY=

4) 图像编辑（img2img）配置

Img2img_API_KEY=your_img2img_api_key
Img2img_BASE_URL=https://yunwu.ai/v1
Img2img_PATH=/images/edit
Img2img_MODEL=stability-ai/stable-diffusion-img2img

6) 视觉模型配置

VISION_REF_MODEL=gpt-4o
VISION_REF_API_KEY=  # 不填则默认使用 OPENAI_API_KEY
VISION_REF_BASE_URL=  # 留空则使用 OpenAI 默认地址
VISION_REF_TIMEOUT=120
VISION_REF_MAX_IMAGE_SIDE=1024
VISION_REF_MAX_TOKENS=512
VISION_REF_USE_GEMINI_ENDPOINT=false

8) Wikipedia 检索配置

WIKI_LOOKUP_ENABLED=true
WIKI_LANGS=zh,en
WIKI_TIMEOUT_SECONDS=8
WIKI_MAX_SNIPPET_CHARS=1200

🚀 快速开始

在终端中进入本仓库根目录（与 pyproject.toml 同级），激活虚拟环境并启动服务：

.\.venv\Scripts\activate
python game_server.py

在浏览器打开：http://127.0.0.1:5001（须带 http://）。