一种基于多模型协同的游戏NPC实时决策方法、系统及计算机可读存储介质与流程

本发明涉及信息，尤其涉及一种基于多模型协同的游戏npc实时决策方法、系统及计算机可读存储介质。

背景技术：

1、随着人工智能技术在互动娱乐领域的快速发展，游戏非玩家角色（npc）正逐渐从传统的行为树脚本驱动向基于大语言模型的生成式交互转变。具备自主决策能力的人工智能npc能够深刻理解玩家的交互意图，动态生成个性化的对话与行为反馈，极大地提升了游戏世界的沉浸感与交互维度，已成为现代游戏开发的核心演进方向。

2、然而，现有的基于大模型的npc交互架构在实际落地中暴露出显著的体验瓶颈与稳定性隐患。目前主流的技术方案通常采用单一的大型人工智能模型进行端到端的意图理解与内容生成，由于大模型推理耗时较长，这种同步阻塞的请求方式会导致玩家在输入指令后出现明显的卡顿与等待，严重破坏了实时交互的流畅性。同时，游戏引擎不仅需要呈现自然语言文本，还依赖于高度结构化的面部表情、动作等虚拟资产数据进行渲染。现有单一模型在混合生成这些内容时，因其固有的发散性，极易出现指令格式错乱或捏造不存在的资产标识，从而导致下游游戏客户端无法正确解析，引发不可控的表现异常。

3、综上所述，如何克服大模型在实时交互中带来的高响应延迟，并在不损失内容生成质量的前提下，确保输出结果与游戏底层资产格式的严格适配和高度稳定性，是当前游戏npc交互领域亟待解决的技术难题。

技术实现思路

1、为了克服上述技术缺陷，本发明的目的在于提供一种基于多模型协同的游戏npc实时决策方法、系统及计算机可读存储介质。

2、本发明公开了一种基于多模型协同的游戏npc实时决策方法，包括：

3、接收请求方的输入请求；

4、调用第一人工智能模型提取输入请求的语义信息，基于语义信息确定至少一个响应于输入请求的目标npc，以及输出数据种类；并向请求方返回确认响应；

5、将语义信息和输出数据种类发送至第二人工智能模型进行处理，生成初步决策结果；其中，第一人工智能模型的算力要求和响应时间均小于第二人工智能模型；

6、将初步决策结果划分为自由输出类结果或严格输出类结果，并分别对自由输出类结果和严格输出类结果执行对应的后处理策略进行匹配，生成最终决策结果，并根据最终决策结果控制目标npc。

7、优选地，自由输出类结果包括能够直接输出的自然语言文本数据；严格输出类结果包括预设的，需要在游戏客户端进行渲染的虚拟资产数据；虚拟资产数据包括表情、气泡和动作数据。

8、优选地，当初步决策结果为严格输出类结果时，执行对应的后处理策略进行匹配与校验，生成最终决策结果包括：

9、判断初步决策结果是否命中预设的虚拟资产数据中的任意一个数据；

10、若命中成功，则输出对应的虚拟资产数据；

11、若命中失败，则通过第二人工智能模型或通过预设的同义词映射表进行同义词查找，以进一步匹配预设的虚拟资产数据；

12、若仍命中失败，则采用预设的默认虚拟资产数据进行输出。

13、优选地，游戏npc实时决策方法还包括：

14、当第一人工智能模型基于语义信息判定输入请求无需进行深度思考时，则不触发第二人工智能模型，直接由第一人工智能模型生成最终决策结果并进行输出。

15、优选地，当至少一个响应于输入请求的目标npc包括多个目标npc时，将语义信息和输出数据种类发送至第二人工智能模型进行处理，生成初步决策结果包括：

16、从多个目标npc中按照预设规则随机选择一个子集生成用于拒绝输入请求的虚拟资产数据；

17、对多个npc各赋予一个序号；

18、按照多个npc的预设序号，对每一个npc分别施加包含基准间隔与随机抖动的延迟时间后，发送至第二人工智能模型进行处理。

19、优选地，游戏npc实时决策方法还包括：在调用第一人工智能模型提取输入请求的语义信息的同时，对输入请求进行安全审查；

20、若输入请求未通过安全检查，则将输入请求改写为预设的安全文本，并强制第二人工智能模型基于安全文本生成初步决策结果。

21、优选地，当初步决策结果为自由输出类结果时，游戏npc实时决策方法还包括：

22、对初步决策结果进行安全审查；

23、若初步决策结果未通过安全检查，则由第二人工智能模型进行重新生成，或反馈预设的安全文本。

24、优选地，将语义信息和输出数据种类发送至第二人工智能模型进行处理，生成初步决策结果具体包括：

25、第二人工智能模型根据包括过往预设数量的对话轮次的短期记忆，以及预设于第二人工智能模型的长期记忆生成初步决策结果；

26、当累计对话轮次达到设定的阈值时，由第二人工智能模型由对话中提炼并存储长期记忆。

27、本技术的第二方面提供了一种基于多模型协同的游戏npc实时决策系统，游戏npc实时决策系统包括：

28、接入与归一化模块，用于接收请求方的输入请求；

29、第一人工智能模块，用于提取输入请求的语义信息，基于语义信息确定至少一个响应于输入请求的目标npc以及输出数据种类，并向请求方返回确认响应；

30、任务队列与工作协程池，用于在目标npc为多个时，执行并发限流与错峰延迟处理，并将数据发送至第二人工智能模块；

31、第二人工智能模块，用于对语义信息和输出数据种类进行处理，生成初步决策结果；

32、记忆模块，用于管理和提供生成初步决策结果所需的短期记忆与长期记忆，并执行长期记忆的提炼与存储；

33、安全审查模块，用于对输入请求以及初步决策结果进行安全审查、拦截与改写；

34、回调模块，用于对初步决策结果执行分类后处理与匹配校验，生成最终决策结果，并根据最终决策结果控制目标npc。

35、本技术的第三方面提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如前述中任一项的基于多模型协同的游戏npc实时决策方法。

36、采用了上述技术方案后，与现有技术相比，具有以下有益效果：

37、1.本技术提供的基于多模型协同的游戏npc实时决策方法，通过接收请求方的输入请求，调用算力要求较小、响应时间较短的第一人工智能模型进行语义信息提取，以确定目标npc和输出数据种类，并立即向请求方返回确认响应以解除同步等待。随后，将相关信息发送至算力要求较大的第二人工智能模型生成初步决策结果，并根据输出数据种类的不同，划分为自由输出类结果或严格输出类结果执行对应的后处理策略。这种架构在底层逻辑上实现了意图路由与深度内容生成的解耦，使高资源消耗的生成任务转入后台处理。同时，通过明确区分文本等自由输出与表情动作等严格输出，从框架机制上保证了输出结果的稳定性以及虚拟资产的高命中率，在保障生成内容质量的前提下降低了系统的端到端响应时延，提升了高并发场景下的服务器吞吐能力；

38、2.在数据结构与输出校验方面，本发明通过界定自由输出类结果和严格输出类结果的物理界线，为下游建立容错与校验漏斗奠定了基础。对于需要在客户端渲染的严格输出类结果，系统构建了由直接匹配、同义词查找和默认资产兜底组成的多级匹配漏斗，形成了一套严格的输出协议契约，从根本上杜绝了因模型输出越界导致的下游渲染失败或客户端表现异常问题。同时，系统针对信息量较低的交互请求构建了轻量化的直出旁路，当判定无需深度思考时直接由第一人工智能模型完成决策，有效减少了对高算力模型的无谓调用，为简单的交互场景提供了更为迅捷的响应路径并控制了计算开销；

39、3.针对多个npc需要响应同一请求的群体触发场景，本发明提供了专门的并发限流与错峰控制策略。系统通过主动干预并限制同一时间点执行复杂生成任务的角色数量，引入算法层面的退避与婉拒机制，缓解了算力瞬时并发压力，避免了游戏画面中出现多角色同时刷屏或动作扎堆的拥塞现象。在此基础上，系统通过为正常执行的多个npc分别施加包含基准间隔与随机抖动的延迟时间，将并行的并发请求转化为存在离散度的错位执行序列。该机制实现了不同角色响应结果的时间错峰，消除了多角色群体响应时的机械同步感，避免了高度一致带来的“恐怖谷效应”，从视觉表现上还原了真实多目标交互的自然先后次序；

40、4.在系统合规与上下文连贯性维护方面，本发明将安全审查与语义提取进行了并行化设计。通过前置的文本劫持改写以及输出侧的强制安全防线，系统在不中断主业务逻辑的前提下切断了违规内容的深度发酵，有效弥补了生成式模型的不可控风险。此外，系统确立了长短期记忆的分层处理策略，仅当累计对话轮次达到设定的阈值时，才触发从对话中提炼长期记忆的操作。这种按轮次节流的机制有效防止了繁重的记忆提炼过程占用主处理链路，平衡了维持npc长期陪伴感与系统实时响应速度之间的矛盾。上述方法流程最终被打包固化于计算机可读存储介质中，为系统在真实工业环境中的稳定运行提供了可靠的基础设施落地支持。