《AI Dungeon》你写一句，AI 编一整个世界

2019年11月，犹他州一个叫 Nick Walton 的实习生，在公司内部黑客松上交了一个"玩具"：让 GPT-2 当地下城主，玩家随便打字，AI 负责接梗。三个月后，这个玩具把 Google Colab 的免费显卡打到限流，GitHub 上的开源仓库成了整个"AI 生成游戏"品类的起点，作者本人则顺着它创办公司、拿了据公开报道达数百万美元级别的种子轮，把一个副业项目做成了仍在运营的订阅制产品。

这个仓库叫 AIDungeon，如今你去搜"AI 文字冒险""AI 互动小说"，所有产品的家族谱系，第一行都写着它的名字。

仓库档案

这游戏是什么

项目	内容
仓库	nickwalton/AIDungeon
作者	Nick Walton，个人开发者（后创立 Latitude）
语言	Python
诞生时间	2019 年底开源，主要更新集中在 2019-2020
玩法类型	AI 文字冒险 / 互动叙事

一句话说清：一个没有预设剧本的文字冒险游戏，你输入任意一句话，AI 即时生成接下来发生的一切。

传统文字冒险是"选择题"：给你四个选项，作者写好了每个选项后面的三百字。AI Dungeon 把这个结构整个掀了——开局只有三步：选一个世界观（奇幻、悬疑、末日、丧尸，或者完全自定义），给主角起个名字，选个职业。然后画面给你一段开场白，从此没有选项了，只有一行输入框。

你可以输入"挥剑砍向恶龙"，也可以输入"我用一块面包贿赂守卫"，甚至可以输入"我当场宣布退游去开面包店"。AI 不判断对错，它只负责一件事：接着写。你写一句，它编一段；再写一句，它再编一段。

flowchart LR
    A[你输入一句话<br>任意行动 不受选项限制] --> B[模型扮演地下城主<br>即时续写剧情]
    B --> C{AI 写出了什么}
    C -->|神展开 / 高光 / 名场面| D[惊喜感：像开盲盒]
    C -->|平淡 / 跑偏 / 自说自话| E[补救：撤回重写<br>或追加一句设定]
    D --> F[想看后续<br>再输入一步]
    F --> A
    E --> A
    D --> G[截图名场面<br>分享拉新]
    G --> H[新玩家写下自己的第一句]
    H --> A

注意这个循环里没有"死亡"和"通关"——这是它的魔力，也是它后来的命门，后面细说。

为什么上头

第一，决策空间从四个选项变成无穷大。 上头感的本质是"我想做的事居然真的可以"。传统文字游戏里你永远在猜作者的意思，AI Dungeon 里你只面对自己的想象力。从交互设计角度看，它把"选项成本"降到了零：不需要写任何分支脚本，玩家随便说。这对开发者的启示比对玩家的更大——上头不一定要做加法，把限制拆掉本身就是玩法。

第二，每次输入都是开盲盒。 GPT-2 那时候的输出并不稳定，经常一本正经地胡说八道：守卫突然开始背诗，恶龙改行卖了烧烤。放在传统游戏里这叫 bug，放在 AI 游戏里这叫内容。玩家追的不是"正确答案"，而是"这次它又能编出什么活"。这是随机奖励机制在叙事维度的翻版——和抽卡同一套心理，但素材是无限的，边际成本约等于零。

第三，即时反馈加主角光环。 你打完字，几秒钟内世界就为你重排：NPC 对你的话做出反应，天气变了，剧情转向了。整个世界围着你一个人的输入运转，这种"权力幻想"是电影和小说给不了的。几秒钟一次的响应频率，正好卡在人对"输入-反馈"循环耐心阈值的内侧。

第四，名场面的社交货币。 AI 编出的荒诞剧情天然适合截图：'我用一块面包收买了整支军队'这种句子，朋友圈传播效率极高。当年的传播路径基本是"朋友发截图→这是什么→Colab 链接拿走"。游戏本体免费，玩家自发生产的内容就是买量素材——这个获客模型今天依然成立。

但也得诚实地说它的痛点：没有目标、没有失败、没有数值成长，玩三十分钟后新鲜感就会边际递减。它是完美的"第一小时游戏"，不是完美的"第一百小时游戏"。这个缺陷不是失败——它是留给后来者最大的机会窗口，文末的灵感第三条就是冲着它去的。

技术拆解

以 2026 年的眼光看，这个仓库的技术方案朴素到感人，但每一步都踩在"个人开发者怎么把 AI 游戏做出来"的关键节点上。

第一层：模型本身。 原版用的是微调过的 GPT-2（据公开资料为 1.5B 参数量级），微调数据是 Reddit 的 WritingPrompts 版块——一个"给一句 prompt，网友续写故事"的社区。这个数据选择极其聪明：它本身就是"提示→叙事"的格式，和游戏的交互结构完全同构。今天你复刻，就是把一批和目标玩法同构的语料（跑团记录、互动小说、剧本杀复盘）喂给一个便宜的开源模型或直接换成任意 LLM API，当年要几百行训练代码的事，现在一个 system prompt 加 few-shot 就有七成像。

第二层：零成本分发，整个仓库最值得抄的一步。 2019 年的 Nick 根本付不起推理费用，于是他把模型打包放在 Google Colab 上——玩家用自己的免费 GPU 额度跑游戏，他只出代码不出算力。上线后蜂拥而至的流量把 Colab 打爆，但他没花一分钱服务器钱就完成了产品验证。这个"把推理成本外包给用户侧"的思路，在今天对应的是：浏览器内跑 WebGPU 小模型、客户端直连用户自己的 API key、本地推理。想做 AI 游戏又怕算力烧钱的个人开发者，这是教科书级的起手式。

第三层：提示词结构与上下文管理。 仓库里的代码可读性很好，play.py 起一个命令行会话，核心逻辑就是拼 prompt：开场模板"你叫 X，是一个 Y，你来到 Z"+ 玩家动作 + 历史剧情。上下文有限，就滚动截断，只保留最近若干段——最早的"AI 记忆"方案简单粗暴但够用。这三样东西：角色模板、动作注入、滚动上下文，是所有 AI 叙事游戏的骨架组件，直接可以拆走复用。

第四层：状态极简。 整个游戏状态基本就是"一段不断变长的故事文本"，没有数据库、没有存档服务、没有联机。这让一个人在一周内从 idea 到可玩成为可能。反过来提醒后来者：AI 游戏的 MVP 真的不需要工程量，需要的是把"输入什么、生成什么、展示什么"这三个接口想清楚。

变现观察

这个仓库最大的价值，是它提供了一条从周末项目到订阅制生意的完整、真实、可考证的路径。

第一步，开源爆红。Colab 版免费、无门槛、可白嫖，病毒式传播完成了冷启动，GitHub 仓库成了社区和简历。第二步，接管需求。免费版承载力打爆之后，想稳定玩的用户需要什么？一个不用自己折腾的入口。作者顺势做了托管版网页和移动端（2020 年，据公开报道先后接入了 GPT-3 API 并上线移动应用），把"自己跑模型"变成了"打开就玩"。第三步，公司化。围绕它成立了 Latitude，2021 年初拿了几百万美元种子轮（据 TechCrunch 等公开报道，投资方包括游戏垂直基金）。第四步，订阅制收费：免费档给有限的使用额度，订阅档解锁更快的生成、更大的上下文、以及后来加入的 AI 配图等加购点。

这套"免费额度+订阅"的结构，到 2026 年依然是 AI 内容产品的标准答案。而且同赛道还有接棒者：由 AI Dungeon 社区核心成员出走创立的 NovelAI，走"本地化+订阅"路线做 AI 叙事与配图，多年运营下来被普遍认为是这个细分赛道里最稳的现金牛之一；开源侧的 KoboldAI 则证明了"可私有部署"本身就是一个卖点。换到中文语境，这个品类的付费意愿同样被反复验证过——AI 陪聊、互动小说类小程序的流水榜单常年有人霸榜。

同时它也踩过的两个坑，值得每个想进场的人记在小本子上：一是推理成本，生成式游戏每一条用户输入都是真金白银，免费额度定多少直接决定生死；二是内容安全，UGC 加无限生成的组合必然撞上审核墙，2021 年它就因内容过滤政策引发过大规模社区反弹。做这个品类，这两条线要在一开始就画进产品设计里，而不是上线后再补。

给我的灵感

点子一：中文 AI 文字冒险小程序，成本最低的复刻。 仓库那套"角色模板+动作注入+滚动上下文"直接照搬，模型换成任一国产 LLM API（按条计费的成本已经低到可以忽略），套一个微信小程序或 H5 壳。玩法不用创新，题材做本土化：修仙、官场、职场求生、大学生存。变现走"免费 3 次每日+看广告续一次+订阅无限玩"，广告和订阅两头吃。MVP 工作量：1-2 周。这是三个点子里唯一适合纯新手第一周就动手的。

点子二：AI 文字 Roguelike，把"没有目标"修成钩子。 AI Dungeon 上头但不留人，缺的是局的概念。反过来做：限定 20 回合、死亡即删档、给一个可失败的目标（活出城、查出真凶、攒够赎金），AI 负责每回合生成事件，规则引擎负责数值与生死判定。再加一个"每日种子"——全世界玩家今天玩同一个开局，结局可以分享攀比。这样"再来一局"的钩子就立住了，而且生成成本被回合上限锁死。变现适合 itch.io / Steam 轻定价，或移动端内购"新职业包"。MVP 工作量：3-4 周，比点子一多一份规则表。

点子三：AI 当关卡生成器，别让它当主持人。 最容易被忽略的融合路线：核心循环仍然用确定性玩法（三消、塔防、经营），AI 只负责生产"内容皮肉"——每关的敌人描述、NPC 台词、事件文案。玩家感知到"这游戏每次都不一样"，而你的数值、难度曲线、付费点全部可控。生成在服务端做一次、缓存给所有玩家复用，边际成本趋近于零，完美避开纯生成式游戏的成本黑洞。适合已经有小游戏想加差异化卖点的开发者，MVP 工作量：在现有游戏上加 1 周。变现跟原有游戏走，AI 只是抬付费率的那个亮点。

上手

回头看，这个仓库真正值钱的地方不是代码——那几百行 Python 今天一小时就能重写——而是它验证了一件事：把"生成的惊喜"做成核心循环，一个人、零预算，也能撬动一个品类。2019 年它靠 Colab 白嫖算力起步，2026 年你手里的工具只会更便宜。差的从来不是算力，是你写下第一句 prompt 的那一下。