用 Vue + Spring Boot + Python 做一个 AI 双人海龟汤游戏:从出题、联机到自动审稿等核心技术设计与实现

本文记录"蜜码"项目中 AI 双人海龟汤模块的设计与实现,重点介绍题目质量、联机状态同步、自动修订以及开发者测试工具。文中的结构示例经过简化,不是可以直接替换项目接口的完整代码。

一、为什么做这个功能

在"蜜码"这个双人空间项目里,我加入了一个游戏入口,希望两个人即使使用不同电脑,也能一起玩海龟汤。

海龟汤的基本玩法并不复杂:主持人给出一段不完整的故事,玩家通过提问还原背后的真相。将主持人换成 AI 后,可以自动生成新故事、回答问题,并在结束时评估玩家的推理。

真正做起来以后,我发现最难的部分不是聊天界面,而是题目质量。

有些故事看起来很神秘,但关键事实与汤面完全没有联系,玩家只能碰运气;有些故事依赖双胞胎、替身等身份反转,多玩几局就开始重复;还有些题目选择了恐怖风格,实际上只是普通悬疑故事。

所以,这个模块的目标逐渐变得清晰:先生成并锁定一个能解释清楚、也能问出来的故事,再让两位玩家围绕固定真相进行推理。

二、把玩法需求拆成可以实现的规则

目前的游戏支持以下配置:

| 配置 | 可选内容 |
| --- | --- |
| 难度 | 普通、困难、极难 |
| 生死类型 | 红汤、清汤、随机 |
| 世界规则 | 本格、变格、随机 |
| 故事风格 | 悬疑、恐怖、犯罪、心理、情感等 |
| 预设提示 | 自定义数量,范围为 0~10 条 |
| 正式提问额度 | AI 推荐,或玩家自定义 |
| 推理进度查询 | 可开启,全局最多 3 次 |
| 猎奇元素 | 选择恐怖风格时可配置,默认开启 |

红汤表示故事中有人死去,清汤表示故事中没有人死去。本格使用现实规则,变格允许有边界的超自然设定。

这些配置需要参与完整故事的生成与审核。例如,清汤不能只保证汤面没有提到死亡,却在汤底里突然加入一个已经死去的人;本格也不能在揭晓时用鬼魂或轮回解释矛盾。

提问流程经过调整后,采用"先三问热身,再自由提问"的方式:

1. 两位玩家分别有 3 次免费提问。
2. 谁先提问,谁先连续完成自己的免费三问。
3. 再由搭档完成免费三问。
4. 免费提问结束后,两个人都可以继续发送问题。

主持人的回答限制为四种:

是

不是

是也不是

无关

其中,"是也不是"需要故事本身确实存在两种相关状态,不能因为模型不确定就使用这个回答。

两个人还可以单独讨论、整理私人推理草稿,并通过双方确认提交最终答案。正式提交后,本局结束,由 AI 评估还原度并公布汤底。

三、系统架构:游戏状态与 AI 工作分开

这个模块使用三部分协作:

| 层级 | 技术 | 主要职责 |

| --- | --- | --- |

| 前端 | Vue 3、Vite | 房间页面、故事展示、聊天、动画和进度反馈 |

| 业务后端 | Spring Boot | 用户与空间权限、房间状态、额度、记录和联机同步 |

| AI 服务 | Python、FastAPI | 生成题目、盲读、审稿、主持回答和推理评估 |

整体关系可以理解为:

玩家 A 的浏览器 ─┐

├─ Spring Boot ─ 数据库

玩家 B 的浏览器 ─┘ │

WebSocket 通知

│

Python AI 服务

│

模型服务

这里有一个关键选择:房间状态由 Java 后端统一管理。

前端不能自行决定"本次提问已经扣费",Python 也不能直接决定"房间已经进入下一阶段"。AI 返回的是内容或判断结果,是否接纳结果、如何修改状态和扣减额度,由业务后端完成。

这样可以避免两台电脑各自维护一套状态,也方便在模型请求失败时保持原有记录。

当前房间状态包含:

WAITING 等待双方准备

GENERATING 创作与审核

PLAYING 推理进行中

EVALUATING 最终答案评估中

RESULT_ERROR 评估失败,等待重试

FINISHED 已结束并揭晓

CLOSED 房间已关闭

正常流程是等待准备、生成题目、进行推理、评估答案,最后揭晓。取消创作或关闭未开局房间,则进入关闭状态。

四、先锁定汤底,再展示汤面

我没有采用**"先让 AI 写汤面,之后一边回答一边补汤底"**的方式。

这种方式很容易出现一个问题:玩家提出某种猜测后,模型顺着猜测临时补充故事。最终看似每个问题都有回答,但真相一直在变化。

目前的流程是:

生成完整题目

↓

检查结构与线索

↓

独立读者盲读

↓

审稿与问题探针

↓

通过后保存完整题目

↓

只向玩家公开汤面

完整题目不仅包含汤面和汤底,还包含人物关系、时间线、因果链、核心事实、提示和线索路径。

下面是简化后的结构示意:

{

"title": "题目名称",

"surface_story": "玩家可以看到的故事",

"death_type": "clear",

"world_type": "realistic",

"solution": {

"summary": "完整真相",

"characters": \[\],

"world_rules": "无"

},

"timeline": \[\],

"cause_chain": \[\],

"core_facts": [

{

"id": "F1",

"fact": "需要推理出的关键事实",

"weight": 100

}

],

"clue_map": [

{

"surface_detail": "汤面中的一个具体异常",

"question_path": "围绕异常可以提出的问题",

"fact_ids": "F1"

}

],

"hints": \[\]

}

其中,核心事实用于约束主持回答和推理评估,线索路径用于检查"这个事实能否从公开故事中逐步问出来"。

完整题目保存在后端,正常游戏接口不会提前返回汤底。生成通过后,才向两位玩家展示汤面。

五、让题目有深度,但仍然能推理

难度高不应该意味着必须猜中一个毫无铺垫的隐藏设定。

例如,汤面只写"一个人打开门后哭了",汤底却突然补充十年前的经历、罕见疾病和复杂身份关系。这个故事即使能自圆其说,也不适合用来推理。

我主要从三个方向约束生成。

1. 关键事实必须有公开入口

一个重要隐藏事实,至少应该有一个可追问的汤面细节与它关联。

玩家不必直接从汤面读出答案,但需要知道可以从哪里开始问。异常物件、行为顺序、人物反应和空间关系,都可以成为入口。

2. 增加因果层次,而不是堆积秘密

普通题强调一条主要行动链。更高难度可以增加关联机制和推理层次,但仍然需要围绕同一组因果展开。

如果每解释一个异常,都需要新增一项互不相关的隐情,玩家就很难判断自己是否接近真相。

3. 避免廉价的身份捷径

项目加入了创作机制规划与历史避重。

生成时会参考同空间近期的题目,尽量选择较少出现的方向,例如物件用途、时间顺序、观察条件、行动目的、信息差和空间关系。

同时,对双胞胎、克隆复制、相同长相替身、多重人格等作为核心反转的套路进行限制,减少连续出现相似题目的情况。

这类语义去重仍然依赖模型判断,不能保证每一道题都完全新颖,但比单纯要求"不要重复"更容易检查。

六、参考优秀案例,具体是怎么参考的

为了改善故事设计,项目引入了海龟汤参考案例库。

这里的"学习"是将案例材料作为出题时的参考输入,没有训练或微调模型。

参考案例主要帮助作者理解:

  • 汤面怎样留下有效异常;

  • 隐藏事实怎样与公开线索关联;

  • 反转怎样回收前面的细节;

  • 提问怎样逐步推进因果链。

当前创作方向、玩家配置、参考案例与近期历史避重材料,会共同参与提示词构建。

开发面板还保留了本局实际生成提示词的快照,可以检查这一次使用了哪些参考材料,以及作者、读者和审稿分别收到了什么要求。

这样遇到坏题时,就有材料可以分析,而不是只能反复修改一句"请生成更好的故事"。

七、独立盲读与审稿,分别检查什么

如果只让作者模型评价自己的题目,很容易得到过于乐观的结果。

因此,我把检查拆成了两个阶段。

独立读者:只看公开汤面

独立读者只能看到玩家可见的故事,不会收到汤底和核心事实。

它需要判断:哪些地方反常、有哪些自然的提问入口,以及玩家读完之后能获得什么信息。

选择恐怖风格时,读者还要指出具体的恐怖证据,而不是因为配置写着"恐怖"就默认认可。

这一阶段主要观察玩家视角,减少"已经知道答案,所以觉得线索很明显"的偏差。

审稿:对照完整真相检查

审稿阶段可以看到完整题目,检查因果、类型约束、线索覆盖和推理公平性,并用关键问题探针验证主持人应该如何回答。

当前审核要求包含总体质量门槛、六项公平性检查以及至少三个不同的关键问题探针。

程序也会检查一些能明确验证的内容,例如引用是否来自汤面、结构字段是否完整、线索是否关联核心事实。

但这些流程不等于数学证明。模型可能漏掉语义矛盾,多个角色也可能产生相似判断,仍然需要实际试玩和坏题回归材料补充验证。

八、恐怖与猎奇怎样服务于推理

最初的恐怖要求比较笼统,模型经常生成"有怪声""被人跟踪"之类的故事。它们有悬疑气氛,但压迫感不足。

后来我把要求改得更加具体:

  1. 危险要贴近人物的生活与身体边界。

  2. 汤面至少有两处可以观察到的反常细节。

  3. 这些细节需要与同一条主要因果链相连。

  4. 揭晓后,玩家重新理解之前的细节,并产生后怕。

开启猎奇元素后,可以加入异常习惯、令人不适的身体感受、扭曲的物件用途等细节,但它们仍然必须参与故事的核心解释。

本格恐怖可以来自现实中的控制、侵害或异常行为。变格恐怖可以来自超自然规则,但规则必须有边界、有代价,并且能通过故事中的异常逐步发现。

清汤仍然需要保证无人死亡,不能为了增强恐怖而绕过类型限制。

当前恐怖审核除了总体要求,还增加了独立盲读至少 80 分、审稿至少 85 分的门槛,要求引用公开证据,并确认揭底后的威胁解释成立。开启猎奇时,两个检查阶段都需要指出汤面中的猎奇证据。

分数只是模型对风格的判断。具体证据和可追问的因果,比一个高分本身更有价值。

九、一次点击后自动修订,怎样处理失败

早期的生成流程会在审核失败后直接报错,让玩家重新点击开始。

从玩家的角度看,这相当于把内部创作失败变成了额外操作。所以现在的流程会自动继续修订,审核通过后才发布题目。

每一轮失败都会把具体问题交回作者,例如:

某个关键事实缺少汤面入口。
时间线中两次行为的顺序互相冲突。
清汤的汤底出现了死亡事实。
恐怖证据不足,读者只能感到普通悬疑。

如果一个恐怖方案连续修订三版仍然没有通过,就自动换新的核心机制和场景继续创作,避免始终围绕失败方案打补丁。

前端展示创作阶段、修订次数和等待时间。这些信息来自实际进度事件,没有把未知的生成时间伪装成一个精确完成百分比。

业务后端还对暂时性服务失败安排重试,玩家也可以取消创作。取消后,旧任务即使稍后返回,也不能把已经关闭的房间重新打开。

自动修订改善了操作体验,但无法保证任意模型配置下都能在固定时间内产出合格题目。质量门槛越严格,等待时间也可能越长。

十、双人联机:通知变化,再读取房间

两个人通过各自账号加入同一个空间后,可以在不同电脑上进入同一个游戏房间。

房间发生变化时,后端保存记录,再通过 WebSocket 通知客户端。前端收到通知后读取最新房间状态,并通过轮询与重新连接作为补充。

更新操作包括:

**- 加入和准备;

  • 生成阶段变化;
  • 玩家提问与主持回答;
  • 讨论和提示使用;
  • 提交、确认最终答案;
  • 开发者直接结束对局。**

房间数据带有递增的 revision。前端在同一房间中忽略更旧的响应,减少并发请求返回顺序不同造成的状态回退。

AI 工作也不会一直占用房间状态修改锁。请求在后台执行,结果返回后再检查当前状态,确认仍然有效才保存。

如果 AI 回答失败,不会消耗对应的提问或进度额度;成功接纳结果后才修改记录。

这一实现以单个 Java 服务实例中的协调器为基础。如果以后要部署多个业务实例,还需要把并发互斥和任务归属扩展到数据库或其他共享协调机制。

十一、前端:用聊天承载提问,减少无关重绘

玩家提问采用聊天界面,两位玩家的消息都显示在右侧,AI 回答显示在左侧。

发送与回答加入了接近 Telegram 风格的气泡弹出动画,让消息出现时更自然。

页面切换则需要另一种处理。项目中曾经出现过"看起来不算卡,但切换很生硬"的问题。

调整时,一个重要原则是只让真正的页面或场景变化触发进入、离开动画。房间轮询、准备状态更新和新消息到达,不应该让整个页面重新播放过渡。

因此,场景键主要由房间 ID 和游戏阶段决定。进入游戏后,普通问答更新会保留当前页面结构,让聊天组件处理消息动画。

另外,汤面支持按人物为明确归属的说话或行为标色,并提供图例和开关。无法可靠判断归属的内容保持中性色,避免颜色本身误导推理。

这些变化不是单纯增加动画,而是让页面变化与用户正在进行的动作保持对应。

十二、开发者工具:让一次测试更快结束

海龟汤生成涉及多轮模型调用。如果测试时必须完整玩完一局,再由两个人确认提交,验证成本会比较高。

因此,项目加入了开发者面板。

它可以查看锁定汤底、时间线、因果链、提示、核心事实、线索路径、审稿结果和提示词快照。提前查看汤底会给本局加上开发测试标记,双方都能看到。

最新加入的"结束本场游戏"用于快速结束测试:

| 当前情况 | 直接结束后的行为 |
| --- | --- |
| 等待准备、创作中 | 关闭房间 |
| 推理中,或已有题目正在等待评分 | 立即结束,向双方展示汤底 |
| 已经结束或关闭 | 保持原有结果 |

直接结束不需要搭档确认,也不调用 AI 评分。已有问答记录会保留,页面显示"本场测试已结束",不会生成一份虚假的推理得分。

实现时需要注意的不只是状态改为 FINISHED,还要清除 busy、待处理提问、待确认方案和错误状态。生成中的进度也需要停止。

现有异步回调会检查任务是否仍有效,因此结束之后,迟到的 AI 回答、评分或生成结果不会再改写这局。

开发者接口复用现有权限限制:仅在启用开发工具的 dev 环境,由房主调用。普通玩家即使直接请求接口,也不能使用这个功能。

按钮隐藏只是界面行为,真正的权限判断仍在后端。

十三、验证范围与后续改进

本次开发者结束功能完成时,后端针对开发权限、提问规则、结束状态以及迟到的 AI 回调进行了测试;相关两组测试共 26 项通过。前端生产构建也通过,页面使用模拟房间响应验证了直接结束后的汤底展示。

这里要区分三种验证:

| 验证方式 | 能覆盖什么 |
| --- | --- |
| 后端自动化测试 | 权限、状态变化、额度和异步回调边界 |
| 前端构建与页面验证 | 编译、事件绑定和结果展示 |
| 真实模型试玩 | 题目逻辑、推理体验、风格与重复程度 |

真实模型测试中,有本格红汤样本通过了加强后的恐怖审核;变格清汤仍出现过逻辑问题,随后继续收紧了创作约束。因此,自动化测试通过不能直接等同于所有生成题目都好玩。

后续值得继续完善的是坏题回归集、取消与超时体验、题目多样性评估,以及多实例部署时的并发协调。

结语

这个项目让我意识到,把 AI 接到一个聊天框,只是海龟汤玩法的起点。

真正影响体验的是:汤底是否固定、线索是否有入口、主持判断是否一致,以及两位玩家看到的状态是否可靠。

通过完整题目锁定、独立盲读、审稿探针、自动修订和开发者工具,至少可以让这些问题更容易检查、定位和改进。AI 负责创作与判断,游戏规则和状态边界则由程序明确执行。

相关推荐
nice_lcj52012 分钟前
【从零理解计算机网络 · 04】TCP 三次握手:为什么恰好是三次
java·后端·tcp/ip·计算机网络·面试·tcp·三次握手
JaguarJack15 分钟前
NGINX 两处漏洞可导致未经身份验证的远程代码执行(CVE-2026-123633 和 CVE-2026-123007)
后端·nginx·nginx2root
BingoGo15 分钟前
NGINX 两处漏洞可导致未经身份验证的远程代码执行(CVE-2026-123633 和 CVE-2026-123007)
后端·nginx
码事漫谈11 小时前
以后人人都可以成为导演
后端
Resean022311 小时前
Spring 源码分析(二)配置类的解析与扫描
java·后端·spring
一只爱撸猫的程序猿11 小时前
五周、两个开源仓库、九次拦截之后:AI 时代程序员缺的到底是什么
人工智能·后端·开源
北城笑笑12 小时前
Vue 110 ,若依SSE流式接口限次空500排查与解决
前端·javascript·vue.js·后端·vue
ServBay13 小时前
Local harness 将退役,VS Code 本地开发要不要搬到云端?
后端·ai编程·visual studio code
ashiho13 小时前
【LeetCode hot 100】3. 无重复字符的最长子串 (三种解法)
java·数据结构·后端·算法·leetcode·滑动窗口
张一凡9314 小时前
你的 AGENTS.md,真的管到模型写代码了吗?
前端·后端·agent