یک API دیالوگ NPC برای بازی

دیالوگ NPC چه می‌خواهد و چه می‌گیری

هزار گفتگو چقدر هزینه دارد

روی GLM همان هزار گفتگو حدود $1.34 است، پیش از تفکر کوتاهش؛ ولی آن تفکر پیش از هر خط می‌آید و زمانی هزینه می‌کند که یک NPC نمی‌تواند از دست بدهد. پرسونای کوتاه در هر حال ارزان است؛ آنچه جمع می‌شود یک برگهٔ بلند اطلاعات دنیای بازی در هر تماس است.

یک خط دیالوگ، به‌صورت استریم

این را روی سرور بازی اجرا کن، نه در کلاینت: کلیدی که داخل بازی تحویل داده شود، می‌تواند از آن بیرون کشیده شود. هر تکه را همان لحظه که می‌رسد نشان بده تا حباب گفتار با تماشای بازیکن پر شود.

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://nokeep.ai/v1",
    api_key=os.environ["NOKEEP_API_KEY"],
)

persona = "You are Brannoc, the blacksmith of Hollowmere: gruff, superstitious, owes the thieves guild money. The player has the quest \"Missing ore\" and has not yet found the mine. Speak only as Brannoc, in one to three short sentences. Never mention game mechanics."

stream = client.chat.completions.create(
    model="deepseek-v4.1-flash-uncensored",
    messages=[
        {"role": "system", "content": persona},
        {"role": "user", "content": "Have you seen any ore carts come through town?"},
    ],
    stream=True,
    max_tokens=120,
    temperature=0.8,
)
for chunk in stream:
    if chunk.choices:
        print(chunk.choices[0].delta.content or "", end="", flush=True)

خطی که بازی‌ات بتواند رویش عمل کند

وقتی پاسخ NPC باید بازی را تغییر دهد، به‌جای نثر استریمی JSON بخواه: خطی که نشان داده می‌شود، یک حالت برای انیمیشن و یک کنش برای کدت. شکل آن را در پرامپت هم توضیح بده.

import json

reply = client.chat.completions.create(
    model="deepseek-v4.1-flash-uncensored",
    max_tokens=200,
    response_format={"type": "json_object"},
    messages=[
        {"role": "system", "content": persona + ' Answer as JSON: {"line": string, "mood": "calm" | "angry" | "afraid", "action": "none" | "give_map" | "attack"}.'},
        {"role": "user", "content": "Tell me where the mine is or I tell the guild you skipped town."},
    ],
)
npc = json.loads(reply.choices[0].message.content)
print(npc["line"], npc["mood"], npc["action"])

بازیکنان زیاد، هم‌زمان

• هر کلید 120 درخواست در دقیقه دارد و یک حساب می‌تواند 10 کلید داشته باشد. بعد از 429، هدر Retry-After می‌گوید چند ثانیه صبر کنی. محدودیت‌های نرخ.
• برای هر محیط کلید جدا با سقف روزانه بگیر: یک باگ که دیالوگ را در حلقه تکرار کند، به سقف می‌رسد، نه به موجودی‌ات. کلیدها و سقف‌ها.
• پرسونا را کوتاه و ثابت نگه دار. پرسونایی حدود 1,000 توکن یا بیشتر که از تماسی به تماس بعد تکرار می‌شود، از کش خوانده می‌شود، با بخش کوچکی از قیمت.
• یک خط جایگزین بنویس برای وقتی تماس شکست می‌خورد، تا لحظهٔ شلوغ هیچ صحنه‌ای را منجمد نکند. یک 503 busy هزینه‌ای ندارد.

کدام مدل

برای خطوط گفتاری از deepseek-v4.1-flash-uncensored استفاده کن: بدون تفکر اولیه جواب می‌دهد، پارامترهای نمونه‌گیری را می‌پذیرد و JSON برمی‌گرداند. glm-5.3-flash-uncensored به ازای هر توکن ارزان‌تر است ($0.20 ورودی و $0.65 خروجی به ازای هر میلیون، در برابر $0.45 و $1.75)، ولی پیش از هر پاسخ کمی فکر می‌کند؛ پس برای کارهایی مناسب است که بازیکن منتظرشان نیست، مثل نوشتن شایعات فردای شهر. مقایسهٔ آن‌ها.

آنچه از حرف‌های بازیکنان نگه می‌داریم

برای هر تماس یک ردیف: زمان، کلید، مدل، شمارش توکن‌ها، اعتبار و وضعیت، به مدت 30 روز. هرگز آنچه بازیکن تایپ کرده و هرگز خط NPC نگه داشته نمی‌شود. چیزی به پرسونای پرامپتت اضافه نمی‌شود. آنچه نگه می‌داریم.