引导而非操控：面向角色扮演游戏叙事重定向的多智能体系统设计与评估

大型语言模型（LLM）有望彻底改变交互式叙事，但它们引入了一个基本的 HCI 挑战：在玩家能动性与预写叙事的一致性之间取得平衡。现有 LLM 驱动的游戏主持人（GM）往往因过度顺从而破坏玩家体验，导致故事脱节，或者通过严格地“操控”玩家而削弱他们的自由度。本文通过介绍 SENNA 来解决这一紧张关系，SENNA 是一个新颖的多智能体 AI 系统，旨在单人角色扮演游戏中保持叙事一致性。SENNA 通过创建和使用叙事图来运作预写的冒险故事，建模故事结构，追踪玩家进度，确保关键情节点得到满足，同时保持互动性。这项工作的一个主要贡献是对叙事重定向的实证研究，即 AI GM 可以在玩家偏离时用来引导他们回到预期轨道的方法。我们设计了六种重定向策略，灵感来自专业的真人 GM，并进行了一项用户研究来评估其有效性。该研究结合了实时游戏玩法，并在关键叙事节点对不同策略进行了受试者内比较。我们的研究发现，玩家强烈偏好基于游戏内在逻辑的重定向技术，例如提供更多信息、在游戏世界中体验后果，以及来自非玩家角色的影响。这些方法成功保持了叙事一致性，同时不牺牲感知到的自主性或沉浸感，而简单的“硬拒绝”则不受欢迎。我们的工作贡献了一个经实证验证的框架和可操作的设计指南，以创建更稳健、更以人为中心的 AI 驱动叙事体验。