MUD(Multi-User Dungeon)是很多人的文字游戏初恋,但在大模型时代,它值得有点不一样。
近期开源的 LuaMud(https://gitee.com/wadehan/luamud),正是一位老 MUD 玩家用 Lua 5.4 重写的全功能 MUD 服务端框架——不仅内建 LLM(大语言模型)支持,整个 MudLib 游戏逻辑层也是靠 AI 辅助生成的。
"最高目标是用 AI 判断玩家行为可行性,而不只是依赖命令系统。" — 开发者开发日志
LuaMud 内置大模型交互模块(可对接 Ollama 本地模型,如 qwen2.5:3b或 Doubao),在游戏中承担两个关键职能:
传统 MUD 要求精确输入 go north、look npc、kill goblin,LuaMud 支持用 LLM 做模糊匹配与意图转换:
"Room 出口可按方向、目的地名、ID 中英文匹配;Item 和人物的目标也能被 LLM 模糊匹配。NPC 已接入 LLM,按预设 topic 回答,say 命令统一接管说话。"
🛠️ 用 AI 开发 MUD——真实的 AI Coding 实践
不同于"调 API 炫技",LuaMud 的 MudLib 游戏逻辑层(房间、物品、NPC、战斗、技能、COC规则)大量由 AI 生成:
"如果游戏逻辑代码再多一点,AI 的效率优势会更明显。后续希望输入策划案直接出代码。"
这是一次真实的"LLM-assisted Game Dev"案例——AI 不只是卖点,而是实际生产力。
快速启动(不带 LLM)
# Debian / WSL2
sudo apt install lua5.4 lua-cjson lua-socket
git clone https://gitee.com/wadehan/luamud.gitcd
开启 AI 指令解析:安装 Ollama → 拉取 qwen2.5:3b→ 修改 src/main.lua中 LLM 开关配置即可。完成后重新运行 sh/start.sh 即可
curl -fsSL https://ollama.com/install.sh | sh ollama pull qwen2.5:3bollama run qwen2.5:3b
LLM_MODEL = "qwen2.5:3b" ---当前使用的大模型名称IS_LLM_ENABLED = true ---是否开启大模型服务
🎮 MUD 老玩家:自建世界,体验 AI NPC + 自然语言指令
🧑💻 AI×Game 探索者:看 LLM 如何嵌入传统指令系统、驱动剧情
🤖 AI Coding 实践者:参考"策划案→AI生成MudLib代码"的真实工作流
👉 https://gitee.com/wadehan/luamud
MIT 协议 · 欢迎 Star / Issue / PR
wiki: 🔗 https://gitee.com/wadehan/luamud/wikis
"文字有限,想象无限——当 LLM 读懂你的话,MUD 的世界又活过来了。" 🌌
评论区
共 条评论热门最新