业务和功能介绍
# DSSTweb-dialogue 项目概述
## 一、立项背景与目标
现有 AI 角色扮演工具在结构化叙事管理方面存在明显短板：缺乏世界感知，AI 仅对当前轮对话做反应；记忆管理粗放，全量记忆线性增长导致输出文风僵硬；没有任务系统，无法提供多分支多结局的主线体验；缓存利用不足，推理成本偏高。SillyTavern 等工具被设计为通用聊天前端，架构上难以承载大世界模拟、结构化记忆、动态任务线等深层游戏化需求。
DSSTweb-dialogue 旨在构建独立的 AI 角色扮演叙事引擎，将 LLM 从对话机器人升级为叙事协同创作者。核心目标包括：设计三层 LLM 管线，将每轮回复拆解为世界分析、正文生成、任务更新三个阶段，各司其职层层服务；通过稳定的前缀消息结构充分利用 DeepSeek 前缀缓存，实现约百分之九十八的缓存命中率；引入世界线概念，主线是世界客观运行的剧本而非玩家任务清单，系统预测事件走向，玩家作为变数介入，形成自然叙事驱动的多分支多结局体验；构建大世界模拟内核，NPC 由位置、目标、情绪、认知和日程驱动自主行动，不等待主控命令；实现基于事件驱动的结构化记忆提取与关系网络增量更新；兼容 SillyTavern 角色卡、世界书和正则脚本等生态格式；提供轻量对话与全量刷新双模式，兼顾自然对话体验和上下文深度。
## 二、核心模块
前端为 Vite 加 TypeScript 加 Vue 3 单页应用，涵盖角色管理、世界书编辑、对话游玩、记忆关系面板、任务面板、Token 用量展示等功能。后端为 Express 5 加 SQLite 服务，包含路由层、三层 LLM 管线编排、提示词构造、协议解析、回合后处理、SQLite 持久化、OpenAI 兼容及 DeepSeek 网页 API 双客户端、世界书关键词激活引擎、世界状态报告六段式提取合并、SillyTavern 格式角色卡解析、正则脚本后处理引擎等模块。
## 三、业务流程
每次玩家输入触发完整的回合处理管线。服务端首先递增轮次计数并检查阶段截止时间。第一阶段调用 LLM 进行世界分析，判断世界书角色出场、随机事件是否发生、主线事件触发条件，输出结构化分析报告。第二阶段将分析结果注入消息头部，调用 LLM 进行正文生成，利用前缀缓存机制实现与第一阶段共享缓存命中。第三阶段从对话中提取任务进展，输出目标进度、事件触发、分支选择、结局倾向等结构化更新。服务端随后执行后果操作，包括事件触发后果、阶段完成后果、分支选择后果，并求值所有结局条件，满足即触发结局。最后合并记忆条目、关系增量与世界状态报告，回写 Token 用量。
对话发送分为两种模式。普通发送构建轻量提示词，仅含角色基本信息和对话历史，LLM 回复纯叙事正文，不产生协议块。发送全量构建完整提示词，注入记忆表格、关系网、世界状态和模
## 一、立项背景与目标
现有 AI 角色扮演工具在结构化叙事管理方面存在明显短板：缺乏世界感知，AI 仅对当前轮对话做反应；记忆管理粗放，全量记忆线性增长导致输出文风僵硬；没有任务系统，无法提供多分支多结局的主线体验；缓存利用不足，推理成本偏高。SillyTavern 等工具被设计为通用聊天前端，架构上难以承载大世界模拟、结构化记忆、动态任务线等深层游戏化需求。
DSSTweb-dialogue 旨在构建独立的 AI 角色扮演叙事引擎，将 LLM 从对话机器人升级为叙事协同创作者。核心目标包括：设计三层 LLM 管线，将每轮回复拆解为世界分析、正文生成、任务更新三个阶段，各司其职层层服务；通过稳定的前缀消息结构充分利用 DeepSeek 前缀缓存，实现约百分之九十八的缓存命中率；引入世界线概念，主线是世界客观运行的剧本而非玩家任务清单，系统预测事件走向，玩家作为变数介入，形成自然叙事驱动的多分支多结局体验；构建大世界模拟内核，NPC 由位置、目标、情绪、认知和日程驱动自主行动，不等待主控命令；实现基于事件驱动的结构化记忆提取与关系网络增量更新；兼容 SillyTavern 角色卡、世界书和正则脚本等生态格式；提供轻量对话与全量刷新双模式，兼顾自然对话体验和上下文深度。
## 二、核心模块
前端为 Vite 加 TypeScript 加 Vue 3 单页应用，涵盖角色管理、世界书编辑、对话游玩、记忆关系面板、任务面板、Token 用量展示等功能。后端为 Express 5 加 SQLite 服务，包含路由层、三层 LLM 管线编排、提示词构造、协议解析、回合后处理、SQLite 持久化、OpenAI 兼容及 DeepSeek 网页 API 双客户端、世界书关键词激活引擎、世界状态报告六段式提取合并、SillyTavern 格式角色卡解析、正则脚本后处理引擎等模块。
## 三、业务流程
每次玩家输入触发完整的回合处理管线。服务端首先递增轮次计数并检查阶段截止时间。第一阶段调用 LLM 进行世界分析，判断世界书角色出场、随机事件是否发生、主线事件触发条件，输出结构化分析报告。第二阶段将分析结果注入消息头部，调用 LLM 进行正文生成，利用前缀缓存机制实现与第一阶段共享缓存命中。第三阶段从对话中提取任务进展，输出目标进度、事件触发、分支选择、结局倾向等结构化更新。服务端随后执行后果操作，包括事件触发后果、阶段完成后果、分支选择后果，并求值所有结局条件，满足即触发结局。最后合并记忆条目、关系增量与世界状态报告，回写 Token 用量。
对话发送分为两种模式。普通发送构建轻量提示词，仅含角色基本信息和对话历史，LLM 回复纯叙事正文，不产生协议块。发送全量构建完整提示词，注入记忆表格、关系网、世界状态和模
项目实现
# 架构设计与工作总结
## 一、整体架构与设计思路
本项目是一个独立的 AI 角色扮演叙事引擎，采用前后端分离架构。前端为 Vite 加 TypeScript 加 Vue 3 单页应用，负责角色管理、世界书编辑、对话消息渲染、记忆关系面板、Token 用量展示等 UI 交互，使用 jQuery 辅助 DOM 操作，通过 SSE 协议实现 AI 回复的流式接收。后端为 Express 5 加 SQLite 服务，使用 Zod 做请求校验，通过 OpenAI 兼容 API 和 DeepSeek 网页 API 双路径对接大语言模型。
设计思路的核心是三层 LLM 管线。每轮玩家输入触发三次结构化的 LLM 调用，第一阶段进行世界分析，判断出场角色和事件触发条件；第二阶段基于分析结果生成叙事正文，支持流式输出；第三阶段从对话中提取任务进展和状态变更。三个阶段共享相同的消息前缀，充分利用 DeepSeek 的前缀缓存机制，实测缓存命中率达百分之九十八。
主线程务系统采用世界线设计，主线是世界客观运行的剧本而非任务清单。系统预测事件走向形成有向无环图，阶段间存在依赖关系，结局通过条件表达式自动求值。大世界模拟模块采用服务端调度加 LLM 叙事的混合方式，服务端每轮生成 NPC 候选推进项和主动权事件，LLM 将其转化为自然剧情。记忆系统采用事件驱动提取加自动合并压缩的策略，关系网络支持自定义字段增量更新。
## 二、负责模块与成果
本人独立完成了整个项目的设计与开发，涵盖前端 SPA、后端服务、数据库设计、LLM 提示词工程、主线任务系统、大世界模拟内核等全部模块。
核心成果包括：设计并实现了三层 LLM 管线架构，每轮三次调用实现结构化叙事，通过前缀缓存策略将综合推理成本降低至约百分之五。构建了完整的主线任务系统，支持多阶段多分支多结局，任务状态每轮自动更新，结局通过条件表达式自动触发。实现了大世界模拟内核，支持 NPC 自主行动与世界主动权机制，包含六类主动权事件和可见性投影系统。构建了结构化记忆系统，支持每轮自动提取和自动合并压缩。构建了关系网络系统，支持自定义字段和增量更新。实现了轻量和全量双模式对话，用户可每轮独立选择。兼容了 SillyTavern 生态的角色卡、世界书和正则脚本格式，降低了用户的迁移成本。
项目代码总量约一万五千行，其中前端 TypeScript 约五千行，服务端 JavaScript 约八千行，提示词模板约两千行。数据库采用 SQLite，包含角色、游玩轮次、消息、记忆、关系网等核心表结构。
## 三、难点与解决方案
第一个难点是 LLM 输出不稳定。LLM 在长上下文场景下容易遗漏指令或输出格式错误。解决方案是采用三层管线设计，每层职责单一、提示词精简；对关键输出做协议块解析和自动修补，解析失败时自动触发重试或修补
## 一、整体架构与设计思路
本项目是一个独立的 AI 角色扮演叙事引擎，采用前后端分离架构。前端为 Vite 加 TypeScript 加 Vue 3 单页应用，负责角色管理、世界书编辑、对话消息渲染、记忆关系面板、Token 用量展示等 UI 交互，使用 jQuery 辅助 DOM 操作，通过 SSE 协议实现 AI 回复的流式接收。后端为 Express 5 加 SQLite 服务，使用 Zod 做请求校验，通过 OpenAI 兼容 API 和 DeepSeek 网页 API 双路径对接大语言模型。
设计思路的核心是三层 LLM 管线。每轮玩家输入触发三次结构化的 LLM 调用，第一阶段进行世界分析，判断出场角色和事件触发条件；第二阶段基于分析结果生成叙事正文，支持流式输出；第三阶段从对话中提取任务进展和状态变更。三个阶段共享相同的消息前缀，充分利用 DeepSeek 的前缀缓存机制，实测缓存命中率达百分之九十八。
主线程务系统采用世界线设计，主线是世界客观运行的剧本而非任务清单。系统预测事件走向形成有向无环图，阶段间存在依赖关系，结局通过条件表达式自动求值。大世界模拟模块采用服务端调度加 LLM 叙事的混合方式，服务端每轮生成 NPC 候选推进项和主动权事件，LLM 将其转化为自然剧情。记忆系统采用事件驱动提取加自动合并压缩的策略，关系网络支持自定义字段增量更新。
## 二、负责模块与成果
本人独立完成了整个项目的设计与开发，涵盖前端 SPA、后端服务、数据库设计、LLM 提示词工程、主线任务系统、大世界模拟内核等全部模块。
核心成果包括：设计并实现了三层 LLM 管线架构，每轮三次调用实现结构化叙事，通过前缀缓存策略将综合推理成本降低至约百分之五。构建了完整的主线任务系统，支持多阶段多分支多结局，任务状态每轮自动更新，结局通过条件表达式自动触发。实现了大世界模拟内核，支持 NPC 自主行动与世界主动权机制，包含六类主动权事件和可见性投影系统。构建了结构化记忆系统，支持每轮自动提取和自动合并压缩。构建了关系网络系统，支持自定义字段和增量更新。实现了轻量和全量双模式对话，用户可每轮独立选择。兼容了 SillyTavern 生态的角色卡、世界书和正则脚本格式，降低了用户的迁移成本。
项目代码总量约一万五千行，其中前端 TypeScript 约五千行，服务端 JavaScript 约八千行，提示词模板约两千行。数据库采用 SQLite，包含角色、游玩轮次、消息、记忆、关系网等核心表结构。
## 三、难点与解决方案
第一个难点是 LLM 输出不稳定。LLM 在长上下文场景下容易遗漏指令或输出格式错误。解决方案是采用三层管线设计，每层职责单一、提示词精简；对关键输出做协议块解析和自动修补，解析失败时自动触发重试或修补
示例图片视频
相似推荐
智能多端协同平台-yinglong智能系统
立项背景和目标
本项目旨在构建一个集智能对话、自动化信息处理、终端远程控制于一体的业务中台。解决企业日常运维、信息采集、多系统协同中的重复性劳动问题，通过AI技术实现部分环节的无人值守。
2、核心功能模块
AI对话与推理模块：基于大语言模型的智能问答与决策支持，可辅助业务分析。
浏览器自动化模块：模拟用户操作网页，自动完成数据抓取、表单提交等任务。
情报API服务：对外提供结构化数据接口，支持第三方系统集成。
终端远程管理模块：通过WebSocket实现远程服务器命令执行与日志查看。
主控调度中心：统一管理各模块的任务队列、健康检查和异常告警。
3、业务流程
用户通过前端界面（或API调用）提交任务请求 → 主控中心解析任务类型 → 分发给对应的AI/自动化模块执行 → 结果存入Redis缓存并同步MySQL持久化 → 最终返回给用户。整个过程支持异步和同步两种模式。
包装袋生产日期检测
一、立项背景和目标
在现代工业化高速包装产线上，喷码漏印/错印/重印以及包装破损、封口不良等缺陷严重影响出厂合格率，传统人工抽检方式效率低、易漏检且无法做到全检。本项目面向高速自动化流水线，构建了一套“工业级 OCR 生产日期识别与表面缺陷在线智能质检系统”，实现包装表面特征毫秒级全检，并与产线 PLC 控制系统无缝联动，实现残次品 100% 自动定位与精准剔除。
二、软件功能与核心功能模块
1. 工业相机触发与高速图像采集模块：支持光电传感器外部硬件触发（Hard Trigger），实现微秒级曝光同步抓拍高速运动工件。
2. 喷码字符定位与 OCR 文本解析引擎：自适应定位生产日期、批号、保质期等变动喷码区域，执行多角度倾斜矫正、字符分割与高精度内容识别，并与生产工单标准文本实时核对校验。
3. 包装表面与封口缺陷检测模块：结合形态学与深度学习分割算法，实时识别包装漏液、褶皱、划痕、压边残缺及喷码模糊等外观缺陷。
4. PLC 通信与气动剔除协同模块：集成工业总线/串口通信协议，将检测判废结果与编码器脉冲位置同步传递给下位机 PLC，驱动气动电磁阀/机械推杆完成剔除动作。
三、业务流程与功能路径
工件流经检测工位 -> 光电信号触发工业相机抓拍高清图像 -> 图像处理流水线执行字符 OCR 结构化比对与表面缺陷检测 -> 综合判定工件良品/不良品等级 -> 判定为 NG 时通过工业通信协议向 PLC 发送剔除信号与编码器追踪位移 -> 机械剔除机构在指定位置将废品吹出/推入废品箱 -> 实时记录检测报表与瑕疵原图归档。
工作状态监测
一、立项背景和目标
在数字化工位管理、智慧办公与特种作业安防场景中，传统考勤系统仅能记录出入打卡，无法实时感知员工在岗状态及异常作业行为。本项目基于瑞芯微高性能边缘计算平台 RK3588，构建一套边缘侧低功耗、高实时性的“人脸识别与工作状态智能监测系统”，实现无感身份核验、在离岗检测及专注度/违规作业状态的边缘端一体化实时分析。
二、软件功能与核心功能模块
1. 高性能视频流采集与预处理模块：支持多路 RTSP/MIPI-CSI 高清工业摄像头视频流接入，利用硬件编解码单元（MPP）完成硬解与图像色彩空间转换（RGA）。
2. 边缘端人脸识别与活体检测模块：基于深度学习模型实现人脸快速检测、关键点对齐、RGB+红外双目静默活体防伪及本地特征库千万级特征向量秒级比对。
3. 工作状态与行为分析引擎：结合人体姿态估计与工位 ROI 区域检测，实时分析在岗/离岗时长、低头玩手机、脱岗疲劳打瞌睡及异常离席等工位状态。
4. 告警联动与边缘数据上报：支持状态异常事件触发抓拍、本地低延时告警，并通过 MQTT/HTTP 将脱敏状态数据结构化上报至企业中台。
三、业务流程与功能路径
摄像头实时输入视频流 -> RK3588 硬件解码与 RGA 图像裁剪缩放 -> NPU 驱动执行人脸识别算法完成身份绑定 -> 并行推理工位人体姿态与行为检测模型 -> 业务逻辑状态机聚合判定工位状态 -> 触发本地声光/日志告警并异步上报管控后台。
AI量体裁衣（日本公司外包项目）
一、立项背景和目标
传统西装高级定制高度依赖人工线下精准量体，存在服务门槛高、流程繁琐且难以实现规模化线上服务的问题。本项目旨在构建一套基于图像的“AI智能量体裁衣与穿搭顾问系统”，用户仅需上传全身照片，即可全自动解算西装定制所需的关键人体围度与骨骼几何数据，并依托智能体生成定制化穿搭与版型建议。
二、软件功能与核心功能模块
1. 图像采集与预处理模块：支持用户正面/侧面全身图像输入与图像质量自动化校验。
2. AI视觉量体计算引擎：集成人体关键点检测与三维人体参数化模型重构，精准拟合躯干网格并解算出肩宽、胸围、腰围、臀围、袖长、裤长等西装核心剪裁指标。
3. Coze AI穿搭咨询与决策工作流：将解算的量体数据、身形比例特征通过API传递给智能体，智能输出版型选择（修身/标准/宽松）、面料色彩及场合穿搭策略。
4. 服务端API与工作流协作：提供高并发服务端接口，实现图像上传、算法解算、结果回传与穿衣报告生成的全链路闭环。
三、业务流程与功能路径
用户上传人体图像 -> 系统调用人体检测与3D Mesh重构管线计算三维点云与骨骼关键点 -> 计算西装定制各项围度与长度参数 -> 结构化数据接入Coze智能体API工作流 -> 生成包含“精准量体数据 + 智能西装穿搭建议”的综合报告。
改进ProGAN的小样本纹理生成系统
1. 立项背景和目标：
针对传统ProGAN在生成高分辨率纹理时存在的模式崩塌、细节模糊及训练不稳定性问题，本项目旨在构建一套高保真纹理生成系统。目标是通过算法优化，实现4K级无缝纹理的自动化生成，解决游戏与影视制作中美术资产生产效率低、重复度高的问题，将单张高质量纹理的生产时间从数小时缩短至分钟级，并显著提升生成结果的多样性与真实感。
2. 软件功能、核心功能模块的介绍：
系统包含三大核心模块：
改进型生成对抗网络核心：引入自适应实例归一化与谱归一化技术，优化ProGAN的渐进式增长策略，增强高频细节表现力；
纹理后处理与优化模块：集成超分辨率重建与色彩校正算法，自动修复生成瑕疵，支持PBR材质贴图（法线、粗糙度等）的一键导出；
交互式评估看板：提供FID/IS指标实时监控与人工偏好反馈接口，支持用户通过文本或草图引导生成方向。
3. 业务流程、功能路径描述：
用户输入参数或参考图→系统初始化噪声向量→进入改进的ProGAN渐进式生成流程（从低分辨率逐步上采样至目标分辨率）→经过判别器多尺度校验→输出基础纹理→通过后处理模块增强细节→最终交付高清无缝纹理资产并自动归档。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服