Une API de dialogue de PNJ

Ce qu'un dialogue de PNJ demande, et ce que vous obtenez

Ce que coûtent mille échanges

Sur GLM, les mêmes mille échanges coûtent environ $1.34 avant sa brève réflexion, mais cette réflexion précède chaque réplique, ce qui prend un temps qu'un PNJ ne peut pas se permettre. Les personnalités courtes sont bon marché dans les deux cas ; ce qui fait monter la note, c'est un long dossier de lore dans chaque appel.

Une réplique de dialogue, en flux

Exécutez ceci sur le serveur de votre jeu, pas dans le client : une clé embarquée dans un jeu peut en être extraite. Affichez chaque morceau à mesure qu'il arrive, pour que la bulle de dialogue se remplisse sous les yeux du joueur.

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)

Une réplique que votre jeu peut exploiter

Quand la réponse du PNJ doit changer le jeu, demandez du JSON plutôt que de la prose en flux : la réplique à afficher, une humeur pour l'animation et une action pour votre code. Décrivez aussi la forme dans le prompt.

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"])

Beaucoup de joueurs en même temps

• Chaque clé accepte 120 requêtes par minute, et un compte peut détenir 10 clés. Au-delà d'un 429, l'en-tête Retry-After indique combien de temps attendre. Limites de débit.
• Donnez à chaque environnement sa propre clé avec un plafond quotidien : un bug qui boucle sur un dialogue s'arrête au plafond, pas à votre solde. Clés et plafonds.
• Gardez les personnalités courtes et fixes. Une personnalité d'environ 1,000 tokens ou plus, qui se répète d'un appel à l'autre, est lue depuis le cache à une fraction du prix.
• Écrivez une réplique de secours pour le cas où un appel échoue, pour qu'un moment chargé ne fige jamais une scène. Un 503 busy ne coûte rien.

Quel modèle

Utilisez deepseek-v4.1-flash-uncensored pour les répliques parlées : il répond sans réfléchir d'abord, accepte les réglages d'échantillonnage et renvoie du JSON. glm-5.3-flash-uncensored est moins cher au token ($0.20 en entrée et $0.65 en sortie par million, contre $0.45 et $1.75), mais réfléchit brièvement avant chaque réponse ; il convient donc à un travail que le joueur n'attend pas, comme écrire les rumeurs de la ville de demain. Comparer les deux.

Ce que nous gardons des mots des joueurs

Une ligne par appel : l'heure, la clé, le modèle, le nombre de tokens, les crédits et le statut, conservés 30 jours. Jamais ce que le joueur a tapé, jamais la réplique du PNJ. Rien n'est ajouté à votre prompt de personnalité. Ce que nous gardons.