# 🎮 Геймплей и системы Всего постов в архиве: 24 ## Выпуск 21 мая 2026 ### No-code запуск zombie survival через чат и 288 итераций *19 мая 2026 · dev.to* Автор описывает запуск top-down zombie survival игры Z-Hour без ручного кода, через чат с MeDo. Игра включает 3 арены, волны зомби, оружие, глобальный leaderboard, селфи игроков, GPS-метку места смерти и календарь игровой активности. Главный практический вывод статьи — качество результата сильно зависит от конкретности промпта: вместо общего «make a zombie game» автор задавал точные UI-элементы, правила спавна, расположение HUD и поведение стрельбы. Проект дошёл до версии v288, то есть результат появился не за один запрос, а через длинную серию уточнений. Отдельно упомянуты плагины Text-to-Speech, Speech-to-Text и Google Text Translation, которые добавили диктора, голосовой ввод имени и мультиязычность. Для текущего текстового survival horror RPG статья полезна не архитектурой LLM-нарратива, а примером итерационного уточнения игровых систем через конкретные игровые требования. - Главная ценность — не no-code, а дисциплина конкретных промптов с UI, правилами и условиями поведения. - 288 версий показывают, что chat-driven разработка требует длинного цикла мелких уточнений. - TTS-диктор можно адаптировать как атмосферные объявления угроз, заражения или начала боевой сцены. - GPS, селфи и leaderboard почти не применимы к персональной single-player текстовой RPG. - Мультиязычность не приоритетна, потому что UI проекта строго русский. > 💡 **Действие:** Вынеси из статьи один прикладной паттерн: для новых механик формулировать промпт-блоки не как «добавь survival horror», а как конкретные правила HUD/state/триггеров/ограничений. Для проекта можно завести короткий шаблон описания механики: состояние в JSON, когда меняется, как видит игрок, какие автодействия запрещены. Теги: `no-code` `prompting` `game-design` `tts` `iteration` [Источник](https://dev.to/juliao_martins/i-built-and-launched-a-game-without-writing-code-heres-the-reality-3420) --- ### Eldritch Escape тестирует короткие забеги с давлением ресурсов *19 мая 2026 · cogconnected.com* Eldritch Escape открывает регистрацию на Steam-playtest, который стартует 22 мая 2026 года. Игра строится вокруг лавкрафтианского survival-опыта в распадающихся мирах, где реальность рушится под влиянием древнего существа. Основной цикл завязан на короткие 20-минутные экспедиции, отряд из трех выживших и выбор лидера с уникальными способностями. Напряжение создается не только боями, но и ограниченным запасом кислорода, сетью меняющихся порталов и решением, когда идти глубже, а когда отступать. Потерянная добыча остается в опасной зоне, что добавляет риск и мотивацию вернуться более сильной командой. Прогрессия переносится между попытками, поэтому каждый забег работает как эксперимент и обучение игрока. - Короткие 20-минутные runs дают плотный survival loop без растягивания партии. - Ограниченный кислород выступает простым таймером давления на каждую экспедицию. - Решение отступить или углубиться превращает риск в постоянный тактический выбор. - Потерянный loot остается в мире и создает цель для следующей попытки. - Состав отряда и лидерские способности добавляют replayability между runs. > 💡 **Действие:** Для RE2×Jade стоит прототипировать режим короткого сценария на 20-30 ходов: ограниченный ресурс давления, точка эвакуации и потерянный loot, который можно вернуть в следующей попытке. Это лучше оформить как отдельный scenario preset, не смешивая с основным длинным прохождением на 300-800 ходов. Теги: `survival-loop` `roguelite` `resource-pressure` `squad-management` `replayability` [Источник](https://cogconnected.com/2026/05/lovecraftian-shooter-eldritch-escape-begins-steam-playtest-registrations-today/) --- ### Clawville как пример AI-native мира с агентами *14 мая 2026 · aitrendheadlines.com* Clawville запустила AI-native open world MMORPG внутри экосистемы Milady, где люди и AI-агенты сосуществуют в одном виртуальном мире. Главный акцент статьи — на адаптивных AI-персонажах, которые реагируют на действия игроков и могут менять поведение на основе накопленного опыта. Материал описывает это как сдвиг от статичных игровых систем к миру, который эволюционирует через взаимодействия игроков и автоматизированных агентов. Технических деталей реализации почти нет: не раскрыты архитектура памяти, модель состояния, способ синхронизации агентских действий или защита от нарративного дрейфа. Для проекта полезна сама рамка: AI-персонажи должны быть не просто генераторами реплик, а устойчивыми участниками мира с собственными целями и реакциями. Статья также подчеркивает бизнес-тренд: в ближайшие месяцы может вырасти число игр, где AI встроен в core loop, а не добавлен как декоративный чат. - AI-native подается как игра, где агенты являются частью основного игрового цикла - Ключевая идея — адаптация NPC к действиям игрока в реальном времени - Статья не дает конкретной технической архитектуры памяти или state management - Полезный внешний сигнал: рынок движется к persistent AI-персонажам, а не одноразовым диалогам > 💡 **Действие:** Для game_engine стоит проверить, есть ли у ключевых NPC отдельные устойчивые цели и память в JSON-state, а не только текущая реплика в промпте. Минимальный шаг: добавить для 2-3 важных NPC поля intent, trust, fear и last_seen_player_action, чтобы Narrator мог вести их как постоянных агентов на длинной партии. Теги: `ai-agents` `mmorpg` `npc-memory` `persistent-world` `game-design` [Источник](https://aitrendheadlines.com/clawville-ai-native-open-world-mmorpg/) --- ### AI-пайплайн Codex Mortis и быстрые обновления Early Access *20 мая 2026 · npifund.com* CODEX MORTIS описывается как indie bullet hell, где весь production pipeline якобы построен на AI: код, арт, анимации, звук, музыка и контент уровней. За 19 дней Early Access команда выпустила 12 обновлений, включая балансные правки, новые заклинания и контент. Главная ценность кейса не в жанре bullet hell, а в темпе итераций: идеи быстро превращаются в playable build и проверяются на реакции игроков. Статья подчёркивает, что AI-процесс снижает стоимость выбрасывания неудачных идей и уменьшает bottleneck на ассетах. Для нашего проекта это ближе к процессу разработки и live-tuning, чем к AI Game Master или long-form narrative consistency. Прямых деталей про LLM-память, JSON-state, RAG или нарративную консистентность в статье нет. - AI используется как production pipeline, а не как внутриигровой нарратор - 12 обновлений за 19 дней показывают ценность мелких частых итераций - Быстрый цикл полезен для баланса систем, meta-progression и контента - Статья не даёт технической архитектуры LLM Game Master - Кейс применим к процессу разработки, но слабо применим к нарративной части > 💡 **Действие:** Используй как процессный ориентир: заведи отдельный короткий changelog для игровых прогонов, где после каждого eval_loop-пакета фиксируются 1-2 маленьких изменения баланса, а не крупные пачки фич. Для самой архитектуры LLM-нарратива статью не учитывать: она не решает проблему 300-800 ходов, JSON-state и narrative drift. Теги: `ai-dev` `iteration` `early-access` `game-design` `production-pipeline` [Источник](https://npifund.com/article/codex-mortis-the-first-100-ai-developed-indie-game-12-updates-in-19-days) --- ### Jenova продвигает AI Game Master с постоянной памятью *18 мая 2026 · jenova.ai* Статья описывает спрос на AI Dungeon Master как ответ на нехватку живых ведущих и распад долгих tabletop-кампаний. Главная проблема обычных ChatGPT/Claude-сессий сформулирована как потеря памяти: модель быстро забывает имя персонажа, NPC, прошлые обещания и события между сессиями. Jenova позиционирует свой Roleplay Game Master как специализированного ведущего с persistent memory, консистентными NPC и поддержкой разных правил и жанров. Важный акцент — NPC должны помнить репутацию игрока, держать обиды, развивать собственные цели и реагировать не как одноразовые персонажи сцены. Также упомянута возможность переключать модели в середине кампании, например GPT-5.4, Claude Opus 4.6 и Gemini 3.1 Pro Preview. По сути это маркетинговый материал, но он хорошо фиксирует внешний тренд: AI-GM ценен не генерацией текста самой по себе, а управлением долгой памятью, состоянием мира и постоянством персонажей. - Главная боль AI-GM — деградация кампании после первых десятков ходов из-за потери контекста. - Persistent memory подается как ключевое отличие специализированного AI-ведущего от обычного чатбота. - Консистентность NPC описана через память о долгах, обидах, репутации игрока и личных целях. - Системная агностичность важна: один AI-GM должен вести horror, D&D, sci-fi или homebrew без жесткой привязки к правилам. - Переключение модели mid-campaign возможно только если состояние кампании вынесено из контекста модели во внешний слой. > 💡 **Действие:** Для game_engine стоит добавить отдельный JSON-блок npc_memory: репутация Jade у NPC, незавершенные обещания, обиды, страхи и текущие цели, а в prompt_builder давать LLM только релевантные записи по текущей комнате/сцене. Это усилит долгую консистентность на 300-800 ходов без раздувания промпта. Теги: `ai-gm` `persistent-memory` `npc-consistency` `llm-narrative` `state-json` [Источник](https://www.jenova.ai/en/resources/ai-dnd-campaign-202605) --- ### SRS и Pydantic-схемы для браузерной gothic RPG на Mistral *20 мая 2026 · dev.to* Автор описывает intern-проект Karanlığın Sesi, турецкую gothic RPG в браузере, где Mistral AI генерирует историю. Главный практический вывод — перед кодом они написали SRS по мотивам IEEE 830-1998, чтобы заранее зафиксировать границы проекта, сценарии ошибок, требования к скорости и структуру AI-ответов. Для narrative game отдельно подчёркнуто, что API-вызовы stateless, поэтому игре нужно явно передавать историю или состояние при каждом ходе. Команда заранее определила Pydantic-схемы BaslangicCiktisi и DevamCiktisi как контракт между выводом модели и поведением приложения. В статье также отмечены конкретные non-functional requirements: ответ API 5-15 секунд, обработка rate limit, задержка между запросами и быстрая загрузка страницы без учёта AI-вызова. Материал применим не как источник новых механик, а как пример дисциплины: сначала контракт и failure modes, потом промпты и код. - SRS помогает заранее определить scope, ограничения и поведение при ошибках AI API. - Pydantic-схемы используются как жёсткий контракт между LLM-ответом и игровым кодом. - Для narrative game нельзя рассчитывать на память модели между запросами. - Non-functional requirements по latency и rate limits должны влиять на архитектуру хода. - Системный промпт напрямую определяет, удержится ли атмосфера на серии ходов. > 💡 **Действие:** Добавь в проект короткий SRS-раздел для LLM-контракта: какие JSON-поля обязательны на каждом ходе, что делать при невалидном JSON, timeout и частичном ответе. Затем сверь текущие Pydantic-модели и prompt_builder с этим контрактом, особенно для длинной партии 300-800 ходов. Теги: `srs` `pydantic` `mistral` `llm-game` `prompt-engineering` [Источник](https://dev.to/mantis-stajyer/intern-project-at-mantis-software-turning-an-srs-into-a-gothic-rpg-with-ai-coding-agents-5ak8) --- ### Questsmith и persistent memory для длинных AI text RPG *20 мая 2026 · dev.to* Статья разбирает главную проблему AI text RPG: модель хорошо ведёт одну сессию, но теряет персонажей, решения и состояние мира при возвращении игрока позже. Автор подчёркивает, что обычный лог диалога или большой context window не решают задачу, потому что важные факты тонут среди нерелевантных ходов. Нужна отдельная система extraction/retrieval: извлекать из каждого хода факты о мире, NPC, отношениях, квестах и последствиях, хранить их отдельно и подмешивать в нужные моменты. В качестве примера приводится Questsmith, где заявлено хранение до 500 извлечённых деталей на приключение, а не сырых сообщений. Платформа также связывает память с RPG-системами: stats, D20 checks, combat health, quest logs и companion state. Особенно полезен пример companion-системы: у спутника есть persistent personality profile, trust meter, автономные действия, отказы и private chat, влияющий на основной нарратив. - Длинная история ломается не из-за малого контекста, а из-за отсутствия выделенного слоя памяти. - Questsmith хранит extracted facts: отношения, решения, квесты, состояния NPC и изменения локаций. - Память работает лучше, когда связана с игровыми системами, а не лежит отдельной справкой. - Companion state можно вести как persistent profile + trust meter + список общих планов. - Raw conversation history нужно отделять от компактного state, который реально влияет на сцены. > 💡 **Действие:** Сравни текущий JSON state с моделью extracted facts: выдели отдельные списки для consequences, npc_relationships, unresolved_threads и companion_shared_plans, которые prompt_builder будет подмешивать выборочно по текущей зоне/NPC. Для Jade-спутника добавь не новую механику, а проверку консистентности: trust/personality/планы должны влиять на отказы, инициативу и реплики в уже существующих сценах. Теги: `ai-rpg` `persistent-memory` `llm-state` `questsmith` `companion-ai` [Источник](https://dev.to/questsmith/how-ai-persistent-memory-changed-the-way-i-play-text-rpgs-4o8l) --- ### LAST CALL: AI оценивает стиль команд, а не только генерирует сюжет *19 мая 2026 · dev.to* Автор описывает текстовую survival horror игру LAST CALL про секретную миссию NASA 1974 года на планете Tartarus. Игроку дают всего 5 передач на Землю, и каждая команда влияет на шанс спасения 50 членов экипажа. Ключевая идея не в генерации бесконечного сюжета, а в анализе поведения игрока: AI оценивает приоритет, метод, тон и консистентность сообщений. Спокойные, последовательные и сфокусированные на сигнале команды дают накопительный эффект, а паника в середине партии может откатить прошлые успехи. Для снижения фрустрации игра даёт справочник корабельных систем прямо на экране ввода, чтобы игрок мог использовать точную лексику без подсказки правильного решения. В конце прохождения формируется debrief: replay решений, последствия и архетип поведения игрока. - AI используется как анализатор команд игрока, а не только как генератор текста. - Пять ограниченных ходов создают сильное давление и повышают ценность каждого слова. - Оценка tone и consistency превращает стиль ввода игрока в игровую механику. - Справочник систем даёт игроку словарь мира без прямого раскрытия оптимальных действий. - Финальный debrief повышает replayability через разбор решений и поведенческий архетип. > 💡 **Действие:** Добавь в проект отдельный scoring-слой для каждого хода: оценивать действие игрока по tone, priority, method и consistency с прошлым state. В мобильном Gradio UI стоит сделать компактную сворачиваемую справку по текущей зоне, предметам и системам, чтобы игрок писал точные команды без расширения промпта лишним обучающим текстом. Теги: `ai-game-master` `text-survival` `consistency` `player-scoring` `ux` [Источник](https://dev.to/aditya_mishra_1919/i-built-a-1974-nasa-horror-survival-game-using-ai-and-it-actually-surprised-mw-212p) --- ## Выпуск 17 мая 2026 ### Continual Harness для самоулучшающихся игровых агентов *11 мая 2026 · papers.cool* Статья описывает Continual Harness — оболочку для foundation agents, которая позволяет агенту улучшать себя во время одного длинного прохождения без сброса эпизода. Авторы исходят из экспериментов Gemini Plays Pokemon, где агент проходил длинные игры Pokemon с памятью, инструментами, планированием и human-in-the-loop доработкой harness. Новый подход убирает человека из цикла: агент сам чередует действия в среде с рефакторингом собственного prompt, sub-agents, skills и memory на основе прошлых траекторий. В отличие от prompt-optimization методов, которым нужны повторные эпизоды и reset, Continual Harness адаптируется онлайн внутри одной непрерывной партии. На Pokemon Red и Emerald метод снижает стоимость в button-press относительно минимального baseline и частично догоняет hand-engineered expert harness. Также описан цикл process-reward co-learning, где rollout open-source агента переоценивается frontier teacher и используется для обновления модели без сброса окружения. - Ключевая идея — не просто хранить state, а позволять агенту менять prompt, skills и memory во время длинного run. - Метод ориентирован на long-horizon partial-observability задачи, где нельзя удобно перезапускать эпизод. - Прошлые trajectory data используются как материал для самоанализа и улучшения стратегии. - Для игрового агента важна разница между минимальным raw interface и expert harness с доменными подсказками. - Process-reward teacher loop можно отделить от основного gameplay loop и применять как post-run улучшение. > 💡 **Действие:** Для game_engine не внедрять self-modifying prompt прямо в живую игру, а добавить отдельный offline-harness слой поверх eval_loop: после длинного прогона 300-800 ходов пусть агент предлагает правки к prompt sections, memory schema и judge checks, но применяются они только после ревью и тестов. Особенно полезно завести журнал trajectory lessons: какие правила ведущий нарушал, где потерял лор/state, какие prompt-блоки надо усилить. Теги: `continual-harness` `agents` `online-adaptation` `long-context` `self-improvement` `game-master` [Источник](https://papers.cool/arxiv/2605.09998) --- ### NARRA-Gym: бенчмарк для интерактивных нарративных агентов *12 мая 2026 · scirate.com* NARRA-Gym предлагает исполняемую среду оценки для LLM-агентов, которые ведут интерактивную историю на много ходов. В отличие от статических промптов и разовых генераций, бенчмарк логирует полный цикл: построение сюжета, обновления памяти, планирование, темп повествования и опциональные артефакты. Авторы стартуют со sparse emotional seed и проверяют, может ли модель развернуть его в полноценный адаптивный эпизод. В работе сравниваются девять frontier LLM на восьми benchmark personas через LLM-as-judge и human evaluation. Главный вывод: хорошая литературная плавность не гарантирует устойчивость, хороший UX, персонализацию и сохранение границ персонажа. Для long-horizon AI Game Master это полезно как внешний пример того, какие оси качества стоит мерить отдельно, а не сводить всё к красоте текста. - Бенчмарк оценивает не отдельный ответ, а всю траекторию интерактивной истории - В логи попадают memory updates, planning, pacing interventions и story construction - Модели могут писать гладко, но проваливаться по robustness и user experience - Оценка делится по персонам и измерениям, а не по одному общему баллу > 💡 **Действие:** Добавь в eval_loop отдельные метрики по образцу NARRA-Gym: консистентность state, темп сцены, устойчивость к длинной партии, соблюдение роли Jade и качество реакции на действия игрока. Не меняй генерацию идей, а расширь Judge-оценку так, чтобы красивые, но разваливающие state ответы получали явный штраф. Теги: `llm-agents` `narrative-eval` `benchmark` `long-context` `game-master` [Источник](https://scirate.com/arxiv/2605.08503) --- ### GitHub Dungeons: репозиторий как процедурный roguelike *12 мая 2026 · startuphub.ai* GitHub Dungeons превращает кодовую базу в терминальный roguelike-данж с уникальной картой для каждого репозитория. Карта генерируется процедурно через Binary Space Partitioning: пространство рекурсивно делится на комнаты, затем комнаты соединяются коридорами. Один и тот же commit даёт одну и ту же карту, а изменения в коде меняют структуру подземелья. Игрок перемещается по карте, сражается с «bugs», ищет выход и при смерти начинает заново из-за permadeath. Автор использовал GitHub Copilot CLI и команду /delegate, чтобы быстрее реализовывать игровые фичи вроде усложняющихся уровней и cheat codes. Главная идея для геймдизайна здесь не Copilot, а детерминированная генерация мира из стабильного seed, который меняется только при изменении источника данных. - BSP даёт структурные, читаемые и переигрываемые карты вместо хаотичного рандома - Детерминированный seed позволяет сохранять консистентность: один вход всегда даёт один результат - Изменение исходных данных может естественно менять карту или сценарий без ручной пересборки - AI-инструмент использовался как ускоритель реализации, а не как runtime Game Master > 💡 **Действие:** Для game_engine попробуй добавить детерминированный scenario_seed для каждой зоны или главы: из seed генерировать варианты расстановки ресурсов, угроз и закрытых проходов, но сохранять результат в JSON state. Это даст replayability без нарративного дрейфа LLM на длинной партии. Теги: `procedural-generation` `roguelike` `bsp` `deterministic-seed` `game-design` [Источник](https://www.startuphub.ai/ai-news/technology/2026/code-becomes-a-roguelike-dungeon) --- ### Графовая память для NPC как слой долговременного лора *13 мая 2026 · startupheist.com* Статья описывает идею Discord-бота для roleplay-серверов, где главная ценность не в генерации реплик, а в долговременной памяти NPC. Автор предлагает хранить историю отношений, конфликтов, фракций и событий так, чтобы персонажи могли вспоминать действия игроков через недели и связывать их с текущими сценами. Ключевой технический тезис — обычного vector search недостаточно для ролевых миров, потому что он плохо фиксирует причинные и социальные связи. Вместо этого предлагается graph-aware memory: сущности, отношения, семантический поиск и provenance в одном слое. В качестве примеров названы Cognee и Zep Cloud, которые комбинируют графовую память, векторное извлечение и реляционное хранение источников. Для игрового проекта полезна сама архитектурная идея: NPC должен помнить не только факт, но и кто кому что сделал, при каких обстоятельствах и как это изменило отношение. - Память NPC становится продуктовой механикой, а не просто удобством для чата. - Граф лучше подходит для лора, отношений и последствий, чем чистый vector search. - Важно хранить provenance: откуда взялся факт и в каком событии он появился. - NPC должен вспоминать прошлые действия игрока через текущие цели, фракции и конфликты. - Для long-form roleplay ценность дает не объем памяти, а связность событий. > 💡 **Действие:** Добавь в state отдельный компактный слой relationship_memory: actor, target, event, attitude_delta, source_turn, active_until. В prompt_builder выводи не всю историю, а 3-5 релевантных связей для текущей сцены, чтобы GPT-5.5 держал консистентность NPC без раздувания промпта. Теги: `npc-memory` `graph-memory` `llm-rpg` `discord-rp` `state-sync` [Источник](https://www.startupheist.com/ai-npcs-with-real-memory-a-15-month-memory-layer-for-discord-roleplay-servers/) --- ### AI Tales делает мобильную AI-RPG через текст, кубики и карты *10 мая 2026 · apkcombo.com* AI Tales: Dungeon Story RPG позиционируется как мобильная AI-driven text RPG для Android с бесконечными фэнтези-приключениями. Игрок может вводить любые действия, диалоги и идеи, а AI Game Master продолжает историю в реальном времени. В описании выделены создание собственных миров, настройка NPC, беседы с персонажами и длинные приключения без фиксированного сценария. Для геймплея используются дополнительные механики: dice rolling, card flipping и context-aware options, чтобы разбавлять свободный текст структурированными выборами. Есть rewind для отката ошибок, free-to-play без рекламы и premium Game Master mode. Статья рекламная и не раскрывает архитектуру памяти, state management или способы борьбы с нарративным дрейфом. - Мобильная AI text RPG делает ставку на свободный ввод действий и AI Game Master. - Кубики и карты используются как простые процедурные механики поверх текста. - Rewind подается как обязательная UX-функция для исправления неудачных веток. - NPC-диалоги и world builder вынесены в явные пользовательские возможности. - Технических деталей про long-term consistency и JSON state в статье нет. > 💡 **Действие:** Добавь в проект небольшой слой structured randomness: бросок кубика или карту события только для спорных действий, но результат сразу записывать в JSON state. Также стоит проверить UX rewind для последних 1-3 ходов, чтобы игрок мог откатить неудачный LLM-поворот без ручного редактирования сейва. Теги: `ai-game-master` `mobile-rpg` `text-adventure` `dice` `rewind` `android` [Источник](https://apkcombo.com/ai-tales-dungeon-story-rpg/com.feynmanapps.aitales/) --- ### v3RPG как пример AI Game Master с кубиками и пользовательскими сюжетами *11 мая 2026 · xix.ai* v3RPG описан как AI-powered RPG, совмещающая настольную ролевую структуру с текстовым AI Game Master. Центральная роль отдана AI-мастеру Bob, который ведет приключение, реагирует на выбор игрока и помогает уточнять происходящее через чат. Игрок выбирает героя, совершает действия, влияет на сюжет и получает результаты через броски кубиков. Важная особенность — возможность создавать собственные сюжетные заготовки, которые затем могут проходить другие игроки. Также заявлен мультиплеер, где несколько игроков участвуют в одном приключении. Технических деталей про память, long-term consistency, state management или архитектуру LLM в статье почти нет. - AI Game Master подан как персонаж-ведущий, а не безличный генератор текста. - Кубики используются как явный слой неопределенности между действием игрока и исходом. - Пользовательские plot templates повышают replayability без полной генерации мира с нуля. - Мультиплеер упомянут как социальный слой, но без описания синхронизации состояния. - Статья маркетинговая: нет деталей про JSON state, память или контроль нарративного дрейфа. > 💡 **Действие:** Для game_engine стоит взять только UX-паттерн: оформить LLM-ведущего как устойчивую роль с именем/голосом и добавить в prompt_builder явное правило, что броски риска объясняют исходы опасных действий. Не копировать мультиплеер; полезнее сделать набор replayable сценарных пресетов для одиночной партии. Теги: `ai-game-master` `text-rpg` `dice` `replayability` `ux` [Источник](https://xix.ai/ja/tool/v3rpg.html) --- ### Процедурная генерация roguelike через детерминированный seed *12 мая 2026 · github.blog* GitHub Blog описывает эксперимент GitHub Dungeons: терминальный roguelike, который генерирует подземелье на основе текущего репозитория. Карта строится процедурно через Binary Space Partitioning и сидируется latest commit SHA, поэтому один и тот же commit даёт стабильный layout, а изменения в коде меняют структуру подземелья. В статье подчёркнута связка replayability с детерминизмом: каждый запуск может отличаться, но результат воспроизводим при том же seed. Автор использовал GitHub Copilot CLI не только для генерации кода, но и для асинхронной команды /delegate, где coding agent сам делал PR с фичами вроде прогрессии сложности. Для нашего проекта ценна не сама терминальная игра, а принцип: сценарий должен быть процедурным, но привязанным к явному seed и сохранённому state, чтобы LLM не «переизобретала» мир на длинной партии. - BSP используется как простая схема генерации комнат и коридоров с контролируемой структурой. - Latest commit SHA выступает seed: одинаковый вход даёт одинаковую карту. - Replayability строится на изменяемом, но воспроизводимом генераторе контента. - Copilot CLI /delegate показан как способ отдавать отдельные игровые фичи агенту и ревьюить результат через PR. > 💡 **Действие:** Добавь в game_state поле scenario_seed и используй его для детерминированной генерации ключевых вариаций маршрута, loot и угроз, чтобы GPT-5.5 описывала разные прохождения, но не ломала консистентность state. Для длинной партии фиксируй seed в save JSON и передавай в prompt_builder как неизменяемый источник правды. Теги: `procedural-generation` `roguelike` `bsp` `seed` `copilot-cli` `state` [Источник](https://github.blog/ai-and-ml/github-copilot/dungeons-desktops-building-a-procedurally-generated-roguelike-with-github-copilot-cli/) --- ### Двухпроходный AI Game Master с жёсткими правилами *12 мая 2026 · dev.to* Автор описывает TaleWeaver — self-hosted RPG-движок, где LLM не ведёт механику напрямую, а разделена на два прохода. Первый проход работает как Rule Engine: проверяет действие игрока по текущему состоянию, делает скрытые D20-броски, валидирует инвентарь, считает урон и выдаёт строгий JSON GameEvent для изменения базы. Второй проход получает уже зафиксированный результат и превращает его в атмосферный ответ Game Master. Такой подход решает проблему LLM Amnesia: состояние, HP, инвентарь и перемещения NPC не доверяются свободному тексту модели. Стек проекта — FastAPI, SQLite, Vue.js, Docker, LiteLLM, BYOK, экспериментальная поддержка Ollama. Отдельно упомянуты live graph map через Rough.js и TTS через Gemini 3.1 Flash TTS / ElevenLabs. - Механику и нарратив стоит разделять на разные проходы модели. - Состояние меняется только через строгий JSON GameEvent, а не через прозу. - Rule Engine сначала фиксирует факты: HP, инвентарь, NPC, лут, переходы. - Narrator получает готовый outcome и не решает игровые правила сам. - Локальные модели хуже держат сложный nested JSON, поэтому нужен жёсткий валидатор. > 💡 **Действие:** Для game_engine стоит оформить текущий action_parser как явный первый проход Judge/Rule Engine: он должен принимать action + state и возвращать только валидированный JSON outcome, а prompt_builder для Narrator должен получать уже применённый outcome и писать сцену без права менять механику. Теги: `ai-gamemaster` `rule-engine` `json-state` `fastapi` `litellm` `rpg` [Источник](https://dev.to/jschm42/how-i-built-a-self-hosted-ai-gamemaster-that-actually-enforces-rpg-rules-fastapi-vue-45nm) --- ## Выпуск 11 мая 2026 ### SoMeYa Unlimited как текстовая платформа AI-приключений *6 мая 2026 · trendhunter.com* SoMeYa Unlimited позиционируется как платформа для создания и прохождения AI-driven текстовых приключений. Пользователь управляет миром простыми текстовыми командами, а повествование динамически меняется по ходу взаимодействия. Акцент сделан не на графике, а на тексте как основном интерфейсе игры и инструмента творчества. Платформа совмещает режим создания миров, проектирование сценариев и непосредственное прохождение историй в реальном времени. В статье выделены три тренда: процедурное AI-повествование, совместное построение миров и text-first интерфейсы. Для проекта важна не конкретная реализация SoMeYa, а подтверждение тренда: текстовая AI-игра может продаваться как полноценное игровое пространство без визуальных уровней. - Text-first интерфейс снижает требования к устройству и хорошо подходит для игры с телефона. - Платформа делает ставку на пользовательские команды и динамическую реакцию мира. - Создание миров и прохождение объединены в один цикл, что усиливает replayability. - Процедурное повествование подаётся как замена заранее сделанным уровням. - Совместное worldbuilding-направление менее важно для single-player проекта, но полезно как источник идей для сценариев. > 💡 **Действие:** Проверь, что текущий game loop явно продаёт текст как игровое пространство: добавь в сценарии больше коротких интерактивных объектов окружения, которые реагируют на простые команды и меняют JSON-state. Не копировать collaborative worldbuilding, а использовать идею modular narrative assets для набора переигрываемых RE2-сценариев. Теги: `ai-storytelling` `text-adventure` `procedural-narrative` `worldbuilding` `mobile-ux` [Источник](https://www.trendhunter.com/trends/someya-unlimited) --- ### Шаблон bunker escape для survival-сценариев LLM-игры *7 мая 2026 · on6t.apkbros.org* Материал описывает Escape Bunker prompts как наборы инструкций для AI-storytelling вокруг бункеров, убежищ, лабораторий и постапокалиптического выживания. Основной фокус — интерактивные ситуации с побегом, ограниченными ресурсами, опасной средой и выбором игрока. В статье перечислены базовые компоненты хорошего промпта: сеттинг, цель, конфликт, персонажи и осмысленные решения. Примеры конфликтов включают запертые двери, AI-системы безопасности, мутантов, нехватку еды, токсичный воздух и миссии с таймером. Для проекта это не новая архитектура LLM-памяти, а скорее полезный чек-лист структуры микро-сценария для survival horror эпизодов. - Bunker escape хорошо ложится на survival horror из-за давления, клаустрофобии и дефицита ресурсов - Каждый сценарий должен иметь явную цель: выбраться, пережить таймер, раскрыть тайну или сохранить ресурсы - Конфликты лучше задавать через state: двери, кислород, заражение, враги, AI-security, NPC-доверие - Осмысленный выбор важнее описательности: игрок должен принимать рискованные решения с последствиями > 💡 **Действие:** Добавь в пул внешних сценарных шаблонов один тип сцены «закрытая зона/бункер»: цель, таймер, 2-3 ресурса под давлением и один NPC/угроза. Используй его как inspiration для зон лаборатории или подземного перехода, но не меняй eval_loop и не дублируй внутренний генератор идей. Теги: `llm-storytelling` `survival-horror` `prompt-design` `interactive-fiction` `scenario-design` [Источник](https://on6t.apkbros.org/escape-bunker-prompts-the-future-of-creative-ai-storytelling/) --- ### AI Game Master как основа бесконечных RPG-сценариев *4 мая 2026 · eonsr.com* Статья описывает AI-powered RPG как переход от заранее написанных ветвящихся сюжетов к динамическим историям, которые генерируются в реальном времени. Ключевой элемент — AI Game Master, который ведёт партию, помнит личность персонажа, отслеживает союзы и адаптирует события под действия игрока. Автор делает акцент на ценности для hardcore RPG-игроков: глубина выбора, агентность и высокая реиграбельность вместо повторного прохождения фиксированных веток. В статье также выделяется главная техническая проблема таких игр — долговременная память и поддержание контекста на длинной сессии. Видеофрагмент внутри материала показывает практический workflow: setup, prompt structure, генерация стартового мира, сохранение основного вывода, суммаризация и подготовка следующего prompt. Материал скорее обзорный, без конкретной архитектуры, но полезен как подтверждение тренда: игроки ожидают не просто чат, а устойчивого AI-ведущего с памятью и последствиями. - AI Game Master должен быть проактивным ведущим, а не только реактивным генератором текста - Главная ценность для RPG — персональная история, где решения меняют персонажей, альянсы и события - Долгая память и суммаризация между ходами названы центральной проблемой AI-RPG - Replayability строится на новых сценариях и последствиях, а не на повторе фиксированных веток > 💡 **Действие:** Проверь prompt_builder на явное разделение: постоянный JSON state, краткая rolling-summary партии и текущий ход игрока. Для проекта полезно добавить отдельный компактный блок «память отношений и обещаний», чтобы LLM стабильно учитывала союзы, угрозы и прошлые последствия на дистанции 300-800 ходов. Теги: `ai-game-master` `interactive-fiction` `memory` `summarization` `replayability` [Источник](https://eonsr.com/en/ai-powered-rpgs-boundless-narratives-for-hardcore-players/) --- ### CampaignMind: длинная память кампании через 256K контекст *8 мая 2026 · dev.to* CampaignMind — прототип web-приложения для Game Master, который загружает весь лор, NPC, историю сессий и заметки кампании прямо в большое контекстное окно Gemma 4. Автор противопоставляет этот подход RAG: вместо чанков и поиска модель видит всю кампанию за один проход и лучше удерживает скрытые связи между персонажами, фракциями и прошлыми событиями. Главная функция Oracle принимает действие игроков и генерирует три ветки последствий: вероятную, неожиданную и катастрофическую. NPC Compass проверяет, соответствует ли действие NPC его профилю по всей базе заметок, а Session Scribe превращает сырые заметки в recap. Отдельно описан multimodal-сценарий Map Scry, где модель анализирует карту подземелья и связывает визуальную географию с текстовым лором. Для проекта особенно полезна идея не выбирать между RAG и большим prompt, а явно разделить режимы: полный state для критичных правил консистентности и компактные выборки памяти для второстепенного лора. - Большое контекстное окно используется как альтернатива RAG для сохранения междокументных связей лора. - Oracle генерирует несколько веток последствий действия, но каждая опирается на конкретных NPC, места и события. - NPC Compass — полезный паттерн отдельной проверки консистентности поведения персонажа. - Автор отдельно запрещает модели выводить внутренние рассуждения и требует только финальные ветки ответа. > 💡 **Действие:** Добавь в prompt_builder отдельный компактный блок проверки консистентности NPC/мира перед narrate-частью: модель должна сверять действие с JSON-state и возвращать только итоговые последствия без рассуждений. Для длинной партии протестируй гибрид: полный текущий state всегда в prompt, а старые события подмешивать как короткий campaign recap вместо сырого RAG-чанка. Теги: `gemma` `long-context` `ai-game-master` `narrative-consistency` `prompt-engineering` [Источник](https://dev.to/atharvaralegankar/campaignmind-stuffing-a-5-year-rpg-campaign-into-gemma-4s-256k-context-window-1f0c) --- ### Runebook о правилах поверх AI Game Master *5 мая 2026 · runebook.gg* Статья противопоставляет freeform AI-истории и AI-RPG с явным правиловым слоем. Главная мысль: LLM не должна сама решать, попало ли действие, сработал ли стелс или потратился ли ресурс, потому что тогда игра превращается в переговоры с моделью. В D&D-подобном подходе сначала работает система: броски, модификаторы, защита цели, урон, слоты, инвентарь, XP и уровни. Только после этого AI Game Master превращает результат в нарративный текст. AI Dungeon описан как свободный генератор приключений без полноценного rules engine, NovelAI — как сильная writing-платформа с lorebook, но не RPG-движок. Runebook позиционируется как альтернатива для campaign play: 5e-style mechanics, persistent world memory, multiplayer и AI Game Master поверх механик. - Доверие к AI-RPG появляется, когда последствия считает система, а не угадывает модель. - LLM лучше использовать для прозы и атмосферы, а не для финального решения hit/fail/damage. - Persistent world memory важна, но без rules layer она не заменяет честную игровую логику. - Freeform AI хорошо дает свободу, но плохо поддерживает build expression и ресурсный голод. > 💡 **Действие:** Для game_engine закрепи принцип: GPT-5.5 описывает исходы, но не решает механику. В prompt_builder и action_parser стоит явно разделить этапы: сначала JSON-state/rules вычисляют combat, stealth, wounds, infection, fatigue и inventory, затем Narrator получает уже готовые факты для прозы. Теги: `ai-game-master` `rules-engine` `dnd-mechanics` `state-json` `narrative-consistency` [Источник](https://runebook.gg/blog/ai-dungeon-alternative-dnd-mechanics) --- ### AI-генератор хоррора как каркас для темпа и атмосферы *7 мая 2026 · jenova.ai* Статья продвигает Jenova Creative Fiction Writer как AI-инструмент для быстрого создания хоррор-историй. Главный тезис: современный хоррор лучше работает через атмосферу, психологическое напряжение и контролируемый темп, а не через избыток графического насилия. Автор выделяет типовые проблемы начинающих хоррор-авторов: раннее раскрытие угрозы, переобъяснение, провал темпа и отсутствие структурного каркаса. Для AI-генератора важными функциями названы создание персонажей и мира, поддержка поджанров, полноценная разработка сцен и итеративное усиление или ослабление страха. Отдельно упоминается Roleplay Game Master для иммерсивного first-person horror, что ближе всего к формату интерактивной текстовой RPG. Практическая ценность для проекта не в самом сервисе Jenova, а в принципах: LLM-ведущий должен дозировать информацию, держать ложную безопасность и усиливать тревогу деталями среды. - Хоррор эффективнее строить через атмосферу и ожидание, а не через gore. - Ключевой риск LLM-хоррора — слишком раннее раскрытие угрозы и переобъяснение. - Нужен явный pacing-каркас: эскалация, пауза, ложная безопасность, поворот. - Итеративная настройка тона полезна для Game Master, но должна опираться на JSON-state. - Поджанры вроде psychological horror и supernatural suspense лучше подходят для длинной текстовой партии. > 💡 **Действие:** Добавь в prompt_builder короткий блок horror pacing policy: LLM должен в каждом ходе выбирать уровень раскрытия угрозы, избегать полного объяснения монстра и усиливать тревогу через 1-2 конкретные детали окружения. Привяжи это к state-полям fatigue, wounds, infection и noise, чтобы страх рос не абстрактно, а от состояния Jade и комнаты. Теги: `horror` `pacing` `llm-gamemaster` `interactive-fiction` `narrative-consistency` [Источник](https://www.jenova.ai/en/resources/horror-story-generator-ai) --- ### OPS: AI-набор генераторов для подготовки tabletop RPG *7 мая 2026 · cyborgprime.com* OPS позиционируется как набор AI-инструментов для Game Masters, игроков и авторов RPG-кампаний. Сервис делает упор не на автономного ведущего, а на ускорение подготовки: персонажи, портреты, локации, миссии и приключенческие зацепки. Уже заявлен Character Bio Generator, который превращает события карьеры и lifepath в игровых персонажей с целями, слабостями и сюжетными крючками. Остальные модули вроде Portrait Forge, World Decoder и Mission Generator пока отмечены как coming soon. В FAQ подчёркивается отличие от прямого использования ChatGPT: структурированные генераторы, guided interfaces, reusable systems и меньше ручного prompt engineering. Для проекта это полезно как пример продуктового UX вокруг LLM: не чат ради чата, а набор узких генераторов, которые держат автора в контроле. - OPS продаёт AI как помощника GM, а не замену Game Master. - Главный UX-паттерн: специализированные генераторы вместо ручного промптинга. - Character Bio Generator связывает lifepath, цели, flaws и story hooks. - Платформа обещает reusable systems и workflow-focused tools для консистентности. - Фокус сейчас на sci-fi RPG, но подход переносим на horror/survival. > 💡 **Действие:** Сделай для game_engine отдельный dev-инструмент генерации NPC-карточек из lifepath: вход — роль, травма, мотивация, заражение/усталость/страх; выход — JSON-фрагмент NPC + короткий русский нарративный портрет. Не встраивать это в боевой ход LLM, а использовать как prep-утилиту, чтобы не раздувать prompt и не дублировать eval_loop. Теги: `ops` `rpg-tools` `gm-workflow` `npc-generation` `structured-generators` [Источник](https://www.cyborgprime.com/ai-tools) --- ### MyFable усиливает долгие кампании через память и живой мир *8 мая 2026 · mishanancegmailcom.itch.io* MyFable выпустил крупное обновление AI Game Master для D&D-style RPG с упором на стабильность долгих кампаний. В Classic Adventure появился пошаговый level-up flow: HP, multiclassing, subclasses, feats, spells, ability score improvements и progression до 20 уровня. Living Worlds System делает мир не статичным: NPC следуют расписаниям, локации меняются со временем, события продолжаются во время путешествий, сна и отдыха игрока. Переписанная long-term memory должна лучше сохранять важные моменты, сюжетные арки и continuity на длинных сессиях. Пользовательские PDF, книги, lore-файлы и world documents теперь могут подключаться как searchable lore, из которого AI подтягивает релевантные детали в сцены. Также заявлены улучшения token efficiency, retries, combat handling и стабильности крупных событий. - MyFable явно разделяет свободный нарратив и формализованные progression-системы. - Living Worlds строится вокруг времени, расписаний NPC, travel time и событий вне кадра. - Long-term memory переписана как отдельная опора для coherence в длинных кампаниях. - Lore-файлы используются как searchable источник, а не как разовый контекст в промпте. - AI Game Master оптимизировали под меньшие token costs и более устойчивые retries. > 💡 **Действие:** Для game_engine стоит вынести «живой мир вне кадра» в отдельный tick-блок state: time_of_day, npc_routines, offscreen_events и travel_time, чтобы GM каждый ход получал не только текущую комнату, но и короткую сводку изменений мира. Для RE2×Jade это даст патрули, заражение зон и события NPC без раздувания промпта. Теги: `ai-game-master` `long-term-memory` `living-worlds` `rag` `ttrpg` `state-management` [Источник](https://mishanancegmailcom.itch.io/myfable/devlog/1517436/myfable-update-better-living-worlds-smarter-ai-massive-dd-expansion) ---