Jev 能讓 AI 遊戲主持人更快嗎？一種遊戲設計方案

Jev 可以處理拖慢回合的小型決策，從而有望加快 AI 遊戲主持人的響應：理解嘗試的行動、選擇工作流，或評估 NPC 可能的反應。機會在於縮短故事繼續之前的處理過程。改善幅度取決於這些決策目前佔據玩家等待時間的比例。

TypeSafe 於 2026 年 9 月 15 日推出 Jev 的搶先體驗版。釋出說明將其描述為用於有型別決策、而非自由文字生成的 System One 模型，報告稱適用查詢的響應為 70–500 毫秒，速度提升 40–200 倍。這些是供應商報告的資料，並非 Playworlds 的測試結果。 TypeSafe 的 Jev 釋出公告.

對 AI RPG 而言，這啟發了一種搭配：快速決策模型幫助遊戲決定接下來發生什麼，語言模型則把已結算的結果寫成場景。以下是我們提出的遊戲設計，並非已實現的 Jev 整合。

想走進一場 AI 冒險嗎？ 體驗 Playworlds：找到喜歡的設定，決定你的角色首先做什麼。

為什麼 AI 主持人有時要等很久

玩家寫道：“同伴引開守衛時，我悄悄溜過去。”這隻有一句話，但遊戲在描述結果前可能需要回答多個問題。

玩家在對誰說話？正在嘗試潛行、交談還是戰鬥？同伴能參與嗎？目標地點能到達嗎？行動需要擲骰嗎？哪些資訊應進入下一次敘事提示？

某些答案已經存在於遊戲狀態中，另一些需要理解。如果應用按順序分別呼叫通用語言模型來回答每個問題，玩家看到第一個有用的字之前，等待就可能層層累積。

先檢查這條處理鏈。刪除多餘呼叫，或直接查詢已知事實，可能比更換模型更有價值。只有確實存在需要理解的決策時，快速模型才最有用。

什麼是 System One 模型？

TypeSafe 文件介紹了三類問題：Choice 選擇一個選項，Score 根據評分標準進行評估，Noul 則針對一個陳述返回零到一之間的值。多個問題可以共用一次呼叫，但會根據提供的狀態獨立評估。Choice 和 Score 還返回置信度。 TypeSafe 文件.

這一介面啟發了不同的 AI 主持人設計方式：不要先要求一個不受限的計劃，再去解析大段文字，而是直接定義遊戲真正能使用的決策，並由外圍程式碼負責組合它們。

例如，行動分類器可以在以下標籤中選擇： sneak, talk, attack, inspect，以及 other。另一個問題可以評估措辭是否要求同伴幫忙。這些標籤只是應用設計示例，並非 TypeSafe API 語法。

Jev 可以放在 RPG 回合的哪些環節

這些是待測試的方向，並不是說 Jev 已在 Playworlds 中證明了每項能力。

守衛遭遇場景的更快流程

首先，載入一份精簡的當前狀態快照：守衛位置、玩家位置、同伴能否參與，以及相關規則。排除決策不需要的事實。

接著，合併提出彼此獨立的理解問題。行動的表面意圖、是否要求引開注意力，都可根據原始訊息評估。依賴擲骰結果的決策必須等待擲骰完成；把有依賴的問題放入同一批次，並不能消除依賴。

然後，讓引擎檢查前置條件並結算嘗試。同伴不在場時，遊戲不應悄悄編造其參與。行動不明確時，可以簡短詢問玩家，或交給更強的理解模型處理。

最後，將已確認的結果交給敘事模型。例如：干擾成功，玩家到達拱門，守衛注意到掉落的搭扣，卻認不出主人。敘事模型可以生動呈現這一刻，而不在段落中途改變結果。

玩家體驗到的是連續的場景。內部每個環節各司其職，引擎只提交一次最終狀態。

你的方法也許是虛張聲勢、討價還價，或仔細觀察周圍。 在 Playworlds 選擇下一場冒險 ，把這個意圖帶入場景。

決策快 100 倍，遊戲也會快 100 倍嗎？

不會。設想一個示例回合：三個依次進行的理解呼叫，每個耗時兩秒，之後再進行四秒的敘事生成：

3 × 2 秒 + 4 秒 = 10 秒

現在假設每次理解呼叫只需 0.1 秒：

3 × 0.1 秒 + 4 秒 = 4.3 秒

決策呼叫快了 20 倍，但整個回合只快了約 2.3 倍，等待時間減少 57%。如果三個決策彼此獨立，並可在 0.1 秒內批次完成，示例總時間將變為 4.1 秒。

這些數字是為解釋計算而設定的，並非 Jev 或 Playworlds 的實測資料。示例假定各階段順序執行，並省略了檢索、驗證、網路開銷和語音生成。

這裡仍有很大的改善空間。把長暫停縮短几秒，就可能改變調查或對話的節奏。但一旦敘事成為最慢環節，繼續加快決策對總耗時的影響便會減小。應測量從提交行動到收到可用結果的完整鏈路。

型別安全，不代表劇情判斷正確

TypeSafe 的釋出說明區分了“保證符合結構定義”與更廣泛的效能宣告。它也指出，標題中提到的工作流提升可能接近實際改善的上限，且公開速度評估通常在美國西海岸進行。 TypeSafe 基準測試的適用說明.

回應可以符合要求的型別，卻仍作出錯誤決策。當玩家本想虛張聲勢時，選擇 attack 就是一個格式合法、後果卻不合意的標籤。同樣，如果輸入遺漏了相關事實，看似合理的 NPC 反應也可能違背早先的承諾。

把不確定性作為遊戲流程的一部分。用有代表性的行動測試置信度閾值，保留 other 分支，並讓模糊情況能夠補救。只有幫助應用判斷何時執行、何時索取更多資訊時，置信度才有價值。

如何證明主持人確實提速了

有用的測試集應包含普通對話、模糊行動、戰鬥嘗試、複合請求，以及依賴早先線索的場景。讓現有流程與新方案處理相同的已儲存狀態。

同時測量速度和錯誤的後果：

• 首個有用回應： 玩家收到可以據此行動的資訊的時間，而非僅僅看到載入提示。
• 完整回合耗時： 敘事與已確認的狀態變更全部就緒的時間。
• 中位數與 p95 延遲： 典型等待時間，以及會打斷冒險節奏的較慢回合。
• 決策準確率與回退率： 正確識別行動意圖的頻率，以及需要額外處理步驟的頻率。
• 狀態一致性： 回合結束後，物品、位置、資源與任務事實是否一致。
• 每個完成回合的成本： 包括所有呼叫、重試和回退處理。

最初的實驗可以讓 Jev 與當前理解模組並行評估，但不允許它更改線上遊戲狀態。先比較分歧，再決定哪些範圍明確的決策適合安全、有效地進入實際流程。

這可能為 Playworlds 帶來什麼

目標是一場跟得上好奇心的冒險：再問一個問題，再檢查一條線索，再嘗試一種方法。Jev 是減少其中理解環節延遲的候選方案。完整遊戲仍需要可靠規則、持久狀態和令人滿意的敘事。

本文描述一種可能的架構，並非宣佈 Playworlds 已使用 Jev。想體驗現有冒險形式，可以 在 Playworlds 選擇一個世界。如果想更好地表達角色意圖，可閱讀我們的 角色扮演行動寫作指南.

常見問題

Jev 能取代整個 AI 地下城主持人嗎？

更適合把它用於主持人流程中的特定決策。在本文方案中，獨立敘事模型編寫場景，遊戲引擎負責規則和已儲存狀態。

在 RPG 中，Jev 比 GPT-6 Luna 或 Sol 更快嗎？

我們尚未進行 RPG 對比。有效測試應保持決策、上下文、區域和輸出要求一致，並測量完整回合，而不只是某一次供應商呼叫。

Jev 能與 GPT 模型協作嗎？

可以。應用可以組合決策服務與文字生成服務。關鍵在於傳遞經過驗證的結果，讓敘事與實際儲存的狀態一致。

主持人的每次檢查都應使用 AI 嗎？

不應如此。已知規則和儲存事實應用確定性程式碼處理。只有普通邏輯無法充分處理的理解任務，才交給模型。

為下一場冒險邁出第一步

選一個世界，面對眼前局面，決定你的角色如何回應。 開始體驗 Playworlds →