一句话背后，世界其实已经被问了很多问题
先设定一个示意场景：侦探故事里，玩家扮演的调查员站在庄园的门厅，手里只有一封请柬和一支手电。他直接输入：“我打开书房的保险箱，把里面的信拿走。”
如果把这句话原样交给一个只会续写的模型，它大概率会写出一段流畅的开箱描写，因为“开保险箱”在无数故事里都是合理的情节。问题在于，这段描写会同时制造三个错误事实：调查员已经在书房里，保险箱已经被打开，信已经在他手里。后面的剧情就必须替这三个错误买单，要么继续圆谎，要么突然矛盾。
所以大发娱乐AI的做法是把这句话先当作一个待裁决的提案，而不是一段可以直接续写的文字。裁决只问世界，不问文采，它至少要回答：
- 调查员现在在哪里，书房和门厅之间隔着什么？
- 保险箱是否存在，处于什么状态，需要什么才能打开？
- 调查员是否知道保险箱在哪里、怎么开？
- 这件事发生在故事的哪个时间点，有没有人正在看着他？
这些问题的答案都存放在世界状态里，而不在模型的“印象”里。关于世界状态怎么存、谁在哪、谁知道什么，可以先读互动小说真正自由以后，玩家输入“去睡觉”也可能改变整个故事这一篇；本文只专注其中一件事：一个动作到来时，怎样判定它能不能成立。
第一步：把自然语言拆成动作、对象和方式
校验之前得先“读懂”。玩家的输入往往一句话里混着多个动作，还夹着情绪和修辞。上面那句话拆开以后是这样的：
- 移动：前往书房（隐含的前置动作，玩家没写）。
- 开启：对象是保险箱，方式未指定。
- 取走：对象是信，来源是保险箱内部。
拆解得到的是一张结构化的“动作草案”：动作类型、主体、对象、工具或方式、地点、意图。这里有两个容易出错的地方。
第一是隐含动作。玩家不会把每一步都说出来，系统需要判断哪些是可以自动补全的（走进一间没锁的书房），哪些必须停下来确认（撬门）。第二是歧义对象。庄园里可能有两个保险箱，一个在书房，一个在地下室，模型不应该自己挑一个，而应该按玩家当前的位置和最近提到的对象做消歧，消歧不了就在故事里让角色自己问一句。
意图理解由语言模型完成，因为自然语言的开放性正是它擅长的；但它的输出是一份草案，草案要交给下一层规则去核对，而不是直接变成剧情。这与玩家一句“我不去救公主”，剧情接下来怎么办里讲的“自然语言成为剧情输入”是同一条思路，本文补上的是输入之后那道关卡。
第二步：四类前置条件，逐项打勾
草案出来以后，校验层按动作类型取出对应的前置条件清单。下面是一张示意表，数值和条件都是举例，具体作品可以按自己的规则增减。
| 条件类型 | 检查什么 | 保险箱示例 | 不满足时通常意味着 |
|---|---|---|---|
| 物品 | 是否持有所需道具 | 需要钥匙或开锁工具 | 需要先去获得，或换一种办法 |
| 位置 | 是否在可触及的地点 | 必须身处书房 | 需要先移动，途中可能发生事件 |
| 知识 | 角色是否知道关键信息 | 知道保险箱位置或密码线索 | 需要先调查，或碰运气 |
| 时间与他人 | 时机是否允许，有无目击者 | 管家正在书房打扫 | 需要等待、引开或冒险 |
这里最关键的一条原则是：知识条件看的是角色知道什么，而不是玩家知道什么，也不是模型知道什么。玩家可能从上一章的线索里猜到了密码，但如果角色在故事里从未接触过这条线索，那么“输入正确密码”依然应当判为未满足，或者只能算作一次猜测。反过来，角色已经通过剧情得知的信息，即便玩家忘了，也应当可用。
四类条件都写成可以被程序检查的形式，例如“持有物品：书房钥匙”“位置：书房”。这样做的好处是判定结果稳定、可复盘，同样的世界状态给出同样的判定，不会因为模型某次心情不同就换了答案。
第三步：结果分成四档，而不是“行”和“不行”
最容易做坏的设计，是把校验结果做成二选一：通过就继续，不通过就弹一句“你不能这样做”。这既伤害沉浸感，也浪费了玩家想出来的主意。更合理的是分级：
- 完全成功：条件全部满足，动作按预期完成，世界状态随之更新。
- 部分成功：条件满足一部分，比如没有钥匙但会开锁的同伴在场，锁被打开了，代价是留下了痕迹。
- 失败但有后果：动作被尝试了，没有成功，但世界因此改变，例如强行撬锁弄出声响，管家开始起疑。
- 世界内替代：动作在当前世界里根本无法成立，系统给出符合世界逻辑的解释和另一条路。
分级的价值在于，玩家的每一次尝试都会推动故事，而不是撞上一堵透明的墙。第二档和第三档尤其重要，它们让“没有条件也想试一试”变成一种有意义的冒险，只是要付出代价。代价从哪里来？由世界规则和当前剧情状态共同决定：管家是否在附近、警报是否存在、调查员的技能是否够用。
被拒绝的时候，要说得像故事，而不是像报错
回到那位站在门厅的调查员。他没有钥匙，人也不在书房。系统的裁决是第四档：世界内替代。一种不好的写法是：“无法执行该操作，缺少物品：钥匙。”另一种同样不好的写法，是让模型顺着玩家写下去，假装他已经在书房里。
比较好的写法是把拒绝转译成场景：
这一段做了三件事：交代了为什么现在做不了，说明了缺的是“位置”这个条件，并且顺手给出两个可以尝试的方向，搭话或者绕行。玩家读完以后仍然握有主动权，只是知道了世界的边界在哪里。
拒绝话术还有几条经验，我们倾向于写进创作规范：
- 用角色的视角解释，不用系统的口吻。
- 只暴露角色能感知到的理由，不透露玩家不该知道的机关。
- 至少留一个可尝试的方向，除非这条路确实是死路，那也要让角色自己意识到。
- 同一类拒绝不要每次都用相同的句式，否则玩家很快就会摸出规律并厌倦。
谁来裁决：模型提议，规则说了算
这一节回答一个架构问题：校验放在哪里。
一种做法是把所有规则写进提示词，让模型自己判断。它的问题很明显：规则越多，模型越可能漏掉其中几条，长对话里更容易前后不一致。另一种做法是把规则完全交给程序，模型只负责润色。它的问题是玩家的表达千变万化，硬编码的规则很难覆盖“我用发卡试着撬撬看”这类没预料到的写法。
更均衡的分工是三层：
- 语言模型负责把自然语言解析为动作草案，并在校验通过后把结果写成文字。
- 规则层负责查表和判定：前置条件是否满足、结果落在哪一档、状态如何更新。
- 导演层在必要时干预：比如某个动作虽然合规，却会让关键剧情提前崩掉，导演层可以延后触发，或者改用带后果的结果。
也就是说，模型擅长“听懂”和“讲述”，规则擅长“判定”和“记账”。这也是大发娱乐官网为什么不追求“完全自由生成”一文强调的：AI负责在规则里制造变化，而不是负责改写规则。
校验最容易出错的四个地方
任何校验层都不是一劳永逸的，以下几处是需要长期盯着的：
- 误杀创意：规则写得太死，玩家的巧妙办法（用发卡撬锁）被一律判为不可能。缓解办法是让规则声明“允许的等效方式”，或者对未知方式走“部分成功”。
- 误放行：模型在解析时把“我想知道密码”悄悄理解成“我知道密码”。所以解析结果里“意图”和“既成事实”要分开字段存放。
- 状态漂移：动作判定成功以后，忘记更新世界状态，于是下一轮判断又基于旧状态。每次判定后必须有明确的写入步骤。
- 拒绝疲劳：连续几次被拒，玩家会觉得被系统对抗。适当的做法是当同类动作连续被拒时，让世界主动给出线索，而不是继续沉默。
一个可以自查的小清单
如果你在设计自己的互动叙事，可以用下面几个问题检查动作校验是否可靠：
- 玩家的每个动作，是否都能落到一张“动作草案”的字段上？
- 每类动作，是否有明确写下的前置条件，而不是散落在提示词里？
- 判定结果是否至少分了三档以上？
- 拒绝文本是否用角色视角，并给出至少一个可尝试的方向？
- 判定之后，世界状态是否有明确的写入，并能在之后被查询？
- 遇到规则没覆盖的输入，默认走哪一档，是否留有余地而不是直接拒绝？
这几条做扎实了，玩家输入什么都可以，世界依然是那个世界，故事依然是同一个故事。
