分支剧情网络：用 GPT-4o 搭建永不卡关的非线性任务流
目录导航
- 前言：线性是本能，网状是艺术
- Step 1. 结构化设计：用状态机思维写剧本
- Step 2. 可视化生成：一键转 Mermaid 流程图
- Step 3. 逻辑死锁检测：AI 自动化 QA
- Step 4. 工业化落地：导出 JSON 配置表
- 结语：策划的终极形态是“逻辑架构师”
前言：线性是本能，网状是艺术
做剧情策划最痛苦的是什么？不是写台词，而是维护逻辑。 写一个单结局任务很简单，但如果你想做一个《博德之门3》式的任务——有 5 种解决方式、3 个不同结局，并且还要考虑玩家先杀了 NPC A 或者先偷了道具 B 的情况——人脑的 CPU 是会烧掉的。
在 2025 年，我们不需要用脑子硬记这些分支。我们可以利用 LLM (大语言模型) 的推理能力，将“文学剧本”直接转化为“逻辑图谱”。今天这套工作流的核心逻辑是：Prompt 定义节点 -> AI 生成结构 -> Mermaid 可视化 -> AI 查错。
Step 1. 结构化设计：用状态机思维写剧本
不要直接让 AI “写一个精彩的任务”。AI 需要你给它一个逻辑框架。在非线性任务设计中，我们要引入程序设计的概念：有限状态机 (FSM)。
1. 定义 Prompt 模板
我们要把剧情拆解为：节点 (Node)、选项 (Choice)、状态变更 (State Change)。
通用 Prompt (复制到 GPT-4o / DeepSeek)：
# Role
你是一名资深游戏任务设计师，精通非线性叙事和逻辑图谱设计。
Task
请设计一个名为《失落的商队》的支线任务。
Constraints
- 多分支：至少包含 3 个不同的结局（完美、普通、坏结局）。
- 逻辑变量：任务推进依赖“关键道具”或“关键 NPC 存活状态”。
- 结构化输出：请按以下 Markdown 格式输出每个节点：
- Node ID: [节点编号]
- Description: [剧情简述]
- Choices:
- [选项 A] -> 跳转到 [Node ID] (条件: 无/需持有道具X)
- [选项 B] -> 跳转到 [Node ID]
Context
玩家在沙漠中发现了一辆被劫的商队马车，现场只有一名幸存的护卫和一箱货物。
2. AI 的输出结果 (示例)
GPT-4o 会迅速生成一个结构严谨的文本：
Node 1: 现场勘查
- Description: 玩家发现幸存护卫神色慌张，试图掩盖货物上的血迹。
- Choices:
- 直接询问护卫 -> 跳转 Node 2
- 偷偷检查货物 (需通过感知检定) -> 跳转 Node 3
- 直接攻击护卫 -> 跳转 Node 4 (进入战斗)
Node 3: 发现秘密
- Description: 货物里装的不是丝绸，而是违禁的“黑火药”。
- Choices:
- 质问护卫 -> 跳转 Node 5
- 保持沉默并勒索 -> 跳转 Node 6
- 图注：GPT-4o 生成的结构化任务文本。注意看节点之间的跳转逻辑非常清晰，不再是纯文学的描述。
- 配图目的：展示结构化 Prompt 的产出效果。
Step 2. 可视化生成：一键转 Mermaid 流程图
光看文字节点，还是很难直观看到全貌。这时候我们需要 Mermaid。这是一种用文本代码画图的语法，GPT-4o 原生支持极佳。
操作指令：
在刚才的对话框里继续输入：
“请将上述任务树转换为 Mermaid graph TD 代码。 要求：
- 不同的结局节点用不同的颜色标记（绿色=好，红色=坏）。
- 在连线上标注选项条件。”
代码生成与渲染：
AI 会输出如下代码块：
graph TD
N1[Node 1: 现场勘查] -->|询问| N2[Node 2: 护卫撒谎]
N1 -->|检查货物| N3[Node 3: 发现黑火药]
N1 -->|攻击| N4[Node 4: 战斗]
N3 -->|勒索| N6[Node 6: 同流合污]
N3 -->|质问| N5[Node 5: 护卫摊牌]
N6 --> E1((结局: 共犯))
style E1 fill:#f9f,stroke:#333
N5 -->|说服| E2((结局: 伏法))
style E2 fill:#9f9,stroke:#333
如何查看？
- GPT-4o / DeepSeek 网页版：现在大部分模型已支持直接渲染 Mermaid 图表，你会直接看到一张流程图。
- 外部工具：如果没显示，复制这段代码到 Mermaid Live Editor 网站，或者粘贴到 Notion / Obsidian 里。
graph TD
%% ================== Start =====================
N1([N1 沙漠中的残骸<br>发现护卫与货箱])
-->|查看护卫| N2
-->|检查货箱| N3
%% ================== N2 分支 ===================
N2([N2 奄奄一息的护卫<br>得知黑沙盗团伏击])
-->|带护卫去绿洲<br>(NPC_Guard_Alive=true)| N4
-->|拒绝救护卫<br>(NPC_Guard_Alive=false)| N3
%% ================== N3 分支 ===================
N3([N3 封印货箱<br>发现可疑足迹])
-->|搜索线索<br>获得劫匪标记| N5
-->|前往绿洲哨站| N4
%% ================== N5 分支 ===================
N5([N5 盗团线索<br>获得BanditMark])
-->|按线索前往峡谷| N6
-->|返回哨站| N4
%% ================== N4 分支 ===================
N4([N4 绿洲哨站<br>得知盗团营地位置])
-->|托付货箱<br>(失去Item_Crate)| N6
-->|带着货箱追踪| N6
-->|留护卫在此<br>(Guard Alive)| N6
%% ================== N6 分支 ===================
N6([N6 峡谷入口<br>看到被俘的商人])
-->|潜入营地| N7
-->|正面突袭| N8
%% ================== N7 分支 ===================
N7([N7 暗影营地(潜入)<br>发现商人和星晶药剂真相])
-->|救商人并携货箱逃出<br>(需Item_Crate & Guard Alive)| N9_Perfect
-->|偷情报离开<br>(需BanditMark)| N9_Normal
%% ================== N8 分支 ===================
N8([N8 火线突击<br>商人死亡])
-->|搜刮返回哨站| N9_Bad
%% ================== Endings ===================
N9_Perfect([**N9 完美结局**<br>救出商人与护卫，货箱完好])
N9_Normal([**N9 普通结局**<br>带回盗团情报])
N9_Bad([**N9 坏结局**<br>商队覆灭，无关键线索])
style N9_Perfect fill:#4CAF50,stroke:#333,stroke-width:2px;
style N9_Normal fill:#2196F3,stroke:#333,stroke-width:2px;
style N9_Bad fill:#F44336,stroke:#333,stroke-width:2px;
- 图注：一张清晰的任务分支图。从上到下展示了玩家的选择路径，不同的结局被高亮标记。
- 配图目的：展示如何将抽象逻辑具象化，方便策划团队评审。
Step 3. 逻辑死锁检测：AI 自动化 QA
当任务节点超过 20 个时，人类很容易犯错：比如“死循环”（A跳B，B跳A）、“死胡同”（没有结局的节点）或者“幽灵节点”（玩家永远无法到达）。
这时候，我们要利用 AI 的逻辑推理能力进行自检。
Prompt 模板：
# Task
请作为一名【QA 测试工程师】，对上述 Mermaid 代码/任务结构进行逻辑漏洞检测。
Checklist
- 死循环 (Infinite Loops)：是否存在无法退出的循环路径？
- 孤立节点 (Orphans)：是否存在无法被触发的节点？
- 断头路 (Dead Ends)：除了结局节点外，是否存在没有后续跳转的中间节点？
- 条件冲突：是否存在同一个选项需要互斥条件的情况？
请输出检测报告。
AI 反馈示例：
** 发现逻辑漏洞**：
- 断头路：
Node 4 (战斗)在玩家胜利后没有设置跳转路径。建议增加 ->Node 7 (搜刮尸体)。- 死循环风险：
Node 2和Node 5之间存在相互跳转对话，如果玩家一直不选“离开”，会陷入死循环。建议增加“对话次数限制”或强制跳转。
这一步非常关键！它能在你填入 Excel 表格之前，就把 90% 的逻辑 Bug 扼杀在摇篮里。
| 节点 | 入口来源节点 | 孤立？ |
|---|---|---|
| N1 | Start | ❌ |
| N2 | N1 | ❌ |
| N3 | N1 / N2 | ❌ |
| N4 | N2 / N3 / N5 | ❌ |
| N5 | N3 | ❌ |
| N6 | N4 / N5 | ❌ |
| N7 | N6 | ❌ |
| N8 | N6 | ❌ |
| 结局 | N7 / N8 | ❌ |
| 检测项 | 结果 | 备注 |
| --- | --- | --- |
| 死循环 | ❌ 无 | 全流程单向推进 |
| 孤立节点 | ❌ 无 | 所有节点均可进入 |
| 断头路 | ❌ 无 | 中间节点均有出口 |
| 条件冲突 | 有轻微设计风险 | N7 某些路径可被软锁，完美结局易错失 |
- 图注：AI 输出的 Bug 报告。红字标出了具体的逻辑漏洞位置，并给出了修复建议。
- 配图目的：展示 AI 在 QA 环节的强大辅助能力。
Step 4. 工业化落地：导出 JSON 配置表
图画好了，逻辑通了，最后一步是进引擎（Unity/Unreal）。 我们不需要手动复制粘贴，直接让 AI 把修正后的逻辑转为 JSON 或 Lua。
Prompt 模板：
请将修复后的完整任务树，转换为符合以下 Schema 的 JSON 格式，以便导入 Unity 任务系统：
{
"quests": [
{
"id": "string",
"text": "string",
"next": [
{
"option_text": "string",
"target_id": "string",
"condition": "string"
}
]
}
]
}
拿到的这段 JSON，程序可以直接写一个解析器，在游戏里跑通整个任务流。
结语：策划的终极形态是“逻辑架构师”
在 AI 时代，剧情策划的竞争力不再是“你能写多少字”，而是“你能驾驭多复杂的网络”。
通过 GPT-4o / DeepSeek + Mermaid 的组合，我们实现了：
- 设计可视化：把脑子里的乱麻理顺。
- 排错自动化：让 AI 帮你找 Bug。
- 产出工业化：直接生成可用代码。
这就是 2025 年的高效任务设计管线。别再用 Word 写分支剧情了，那是上个世纪的事。
Tags： #游戏策划 #非线性叙事 #GPT4o #Mermaid #任务设计 #AIGC#
