UI и мобильный UX · game

github.com7 мая 2026

Quilltap переработал UX экипировки вокруг готовых наборов

В коммите Quilltap полностью переработан интерфейс wardrobe для AI-чата с персонажами. Главная идея — показывать составные образы как отдельные bundle-карточки с действиями Take off и Break apart, а не дублировать предметы по каждому слоту. Редактор получил явное переключение Single garment / Outfit bundle и сценарий Save-as-outfit, который собирает outfit из уже выбранных слотов. В правой колонке появились вкладки Live outfit и Outfit Builder, а выбор outfit при старте чата заменил плоский список чекбоксов на встроенный composer. В Aurora view/edit добавили вкладку Wardrobe, открывающую общий диалог, а sidebar-иконка теперь выбирает последнего активного персонажа в чате. Для проекта важен не сам гардероб, а UX-паттерн: группировать связанные элементы состояния в понятные карточки действий вместо длинных списков слотов.

Составные наборы показываются одной карточкой, а не повторяются в каждом слоте
Пользователь может переключаться между одиночным предметом и bundle-сборкой
Плоский список чекбоксов заменён встроенным builder-компонентом
Контекстный запуск из sidebar выбирает последнего активного персонажа
Удалены старые карточки и списки, потому что workflow стал другим

github.com

quilltap wardrobe

medium.com7 мая 2026

On-device LLM как безопасный слой действий в мобильном приложении

Статья показывает, как Apple FoundationModels используется не как отдельный чат, а как AI-слой внутри реального приложения с локальным состоянием. Пример построен вокруг библиотечного приложения на SwiftData: список книг, экран детали и ассистент, который может перечислять книги, открывать карточку и менять статус книги. Ключевой паттерн — перед запуском AI проверять доступность модели, потому что Apple Intelligence зависит от устройства, настроек и готовности модели. Автор подчёркивает ограничения on-device LLM: приватность, офлайн-работа и отсутствие серверной стоимости полезны, но большие промпты и глубокие рассуждения не являются сильной стороной. Для действий в приложении предлагается использовать короткие прямые промпты и role-specific instructions. Самая применимая идея — guided generation со структурированным выводом, чтобы модель не просто отвечала текстом, а возвращала понятное намерение для UI и бизнес-логики.

AI полезнее в приложении, когда управляет конкретными действиями, а не только ведёт чат.
Перед AI-ходом нужен явный статус доступности: модель готова, недоступна, скачивается или отключена.
Короткие инструкции и ограниченный набор действий снижают риск расплывания поведения модели.
Structured output превращает свободную фразу пользователя в проверяемую команду приложения.

medium.com

on-device-ai structured-output

dev.to7 мая 2026

LoreKeeper: EPUB-библиотека с экспортом текста для AI

Автор описывает LoreKeeper, open-source менеджер EPUB с 3D-интерфейсом на Three.js и локальным запуском через Docker. Главная идея проекта — не просто показать книги как объекты на полках, а подготовить их содержимое для работы с AI. Изначально автор пробовал local RAG с локальными LLM, но отказался от этого из-за нагрузки на железо при одновременной работе 3D-движка и модели. Вместо этого LoreKeeper делает AI-Bridge: извлекает, очищает и форматирует текст EPUB в структурированный .txt для ChatGPT, Claude или Gemini. Для проекта с телефонным Gradio UI статья почти не применима как пример 3D-интерфейса, но полезна как аргумент в пользу легкого UI и вынесения тяжелой AI-работы на backend. Также интересна идея «чистого экспорта контекста» как отдельного слоя между сырыми данными и LLM.

3D-интерфейс выглядит эффектно, но автор сам упирается в нагрузку на пользовательское железо.
Практичный pivot — заменить local RAG на AI-Bridge с подготовкой чистого текстового контекста.
Для LLM-продукта важен слой очистки и структурирования данных перед передачей в модель.
Docker используется как способ упростить локальный self-hosting без ручной настройки Node.js.
RSVP speed reading в roadmap можно рассматривать как идею ускорения чтения длинного текста.

dev.to

threejs epub

elevenlabsmagazine.com9 мая 2026

GenFM превращает текст в диалоговый AI-подкаст

ElevenLabs GenFM — функция внутри мобильного приложения ElevenReader, которая превращает PDF, статьи, ebook, YouTube-ссылки и вставленный текст в AI-подкаст с двумя ведущими. В отличие от обычного text-to-speech, система не просто зачитывает материал, а пересобирает его в диалог: ведущие задают вопросы, реагируют друг на друга, переформулируют и контекстуализируют источник. Генерация обычно занимает несколько минут, после чего выпуск сохраняется в библиотеке ElevenReader. Поддерживаются iOS и Android, выбор языка вывода, несколько голосов и настройка стиля обсуждения. В статье GenFM сравнивается с Google NotebookLM Audio Overview: у ElevenLabs сильнее качество голосов, у Google лучше интеграция с источниками через экосистему Drive. Для текущей UI-секции материал полезен не как игровая механика, а как пример мобильного UX для ожидания AI-генерации и превращения длинного текста в более легкий формат потребления.

GenFM делает не TTS-чтение, а двухголосый диалог по исходному материалу
Мобильный UX строится вокруг быстрого импорта контента, ожидания 2-5 минут и сохранения результата в библиотеке
Натуральность достигается паузами, реакциями, вопросами, легкими несогласиями и вариативной интонацией
Главный паттерн для игры — AI-ответ можно подавать как живую сцену с ритмом, а не как монолитный блок текста

elevenlabsmagazine.com

elevenlabs genfm

rorklab.net6 мая 2026

Edge AI в мобильных приложениях: стриминг, история и fallback

Материал описывает production-архитектуру для локальных LLM в Rork/React Native приложениях через Ollama. Главные элементы: HTTP-стриминг токенов для плавного chat-UX, хранение истории диалога в SQLite, маршрутизация задач между локальными моделями и fallback на облачные API. Автор делает акцент на экономике indie-приложений: локальная модель на VPS даёт фиксированную стоимость вместо роста расходов за токены. Для UX важен именно streaming: пользователь видит, что модель отвечает постепенно, а не ждёт пустой экран. Также предлагается выбирать модель по типу задачи и длине контекста, чтобы избегать OOM и держать задержку под контролем. Статья не про interactive fiction напрямую, но её паттерны применимы к мобильному Gradio UI с LLM-ведущим.

Стриминг ответа снижает ощущение задержки в chat-UI.
История диалога должна храниться отдельно от модели и управляться явно.
Fallback на облачную модель полезен как аварийный маршрут, а не как основной путь.
Маршрутизация модели по типу задачи помогает балансировать скорость и качество.
Для indie-проектов локальный LLM даёт предсказуемую стоимость, но требует контроля latency.

rorklab.net

ollama streaming

storynight.io6 мая 2026

Память и ветвление как главные критерии AI text games

StoryNight сравнивает AI text-based games по практическим критериям: качество диалогов, память между сессиями, связность маршрутов и устойчивость длинных сюжетных арок. Для теста платформы гоняли по одному сценарию с несколькими персонажами, локациями и незакрытым subplot, проверяя, когда AI забывает имена, ломает голос персонажа или теряет последствия ранних выборов. Главный вывод статьи: память важнее всего, потому что большинство AI text platforms быстро забывают базовые факты о протагонисте и сюжете. Второй критерий — voice consistency, чтобы NPC не сливались в один тон через несколько сцен. Третий критерий — route coherence: ранние решения должны реально влиять на поздние сцены, как в нормальной branching narrative. Статья отдельно отмечает, что гибридная структура с авторскими ветками и AI-диалогом работает стабильнее, чем полностью свободная генерация.

Память между сессиями названа главным отличием хороших AI text games от слабых.
Длинные сюжетные арки тестировались через повторяющихся персонажей, локации и незакрытый subplot.
Voice consistency важна почти так же, как память: персонажи должны сохранять разные голоса.
Hybrid approach с авторской структурой и AI-диалогом лучше удерживает route coherence.
Полностью свободная импровизация чаще ломает последствия ранних выборов.

storynight.io

ai-text-games memory

pinkcrow.net5 мая 2026

LLM-NPC как замена деревьям диалогов и их UX-риски

Статья разбирает переход от заранее написанных деревьев диалогов к NPC, которые отвечают через LLM на свободный ввод игрока. Главная идея — LLM меняют контракт между игроком и игрой: вместо выбора из реплик игрок получает открытое семантическое пространство. На примерах Sony, Inworld AI, Vaudeville и Suck Up! автор показывает, что prompt-driven взаимодействие уже может становиться не украшением, а основной игровой механикой. При этом ключевые ограничения остаются прежними: hallucinations, latency и потеря авторского контроля над сюжетом. Для нарративных игр это означает, что ошибки LLM нужно проектировать как ограничения системы, а не считать обычными багами. Писатели и дизайнеры не исчезают, но их роль смещается от написания линейных реплик к проектированию архитектуры поведения, границ персонажей и правил мира.

Свободный ввод дает игроку больше agency, но резко увеличивает число неожиданных состояний.
Hallucinations в LLM-нарративе становятся UX-проблемой: игрок видит их как поломку мира или персонажа.
Latency облачной LLM критична для ощущения живого диалога, особенно если ход должен восприниматься как быстрый ответ.
Prompt-driven механики могут заменить часть классических игровых правил, если UI ясно показывает границы возможного.
Нарративному дизайнеру нужно проектировать не реплики, а рамки поведения NPC и допустимые изменения state.

pinkcrow.net

llm-npc interactive-fiction

storynight.io6 мая 2026

Браузерные текстовые игры выигрывают за счет низкого входа

Статья объясняет, почему в 2026 году браузерные текстовые игры стали удобным форматом для interactive fiction: они запускаются без установки, работают на телефоне и десктопе, часто имеют бесплатный вход. Отдельно выделяется рост AI-driven текстовых игр, которые теперь чаще выходят сразу как browser-native опыт, а не как отдельные приложения. Важный UX-фактор — сохранения: старую проблему потери прогресса при закрытии вкладки современные проекты решают локальными и облачными сейвами через аккаунт. Для мобильной игры статья прямо указывает на проблему parser-based ввода: набор команд с телефона создает трение, поэтому choice-based и touch-friendly интерфейсы работают лучше. В примерах перечислены StoryNight, Fallen London, ChoiceScript, Twine на itch.io и The Dreamhold как разные варианты браузерной interactive fiction. Для проекта полезнее всего вывод про мгновенный старт, mobile-optimized layout, persistent saves и снижение доли ручного набора на телефоне.

Browser-native формат снижает трение: без установки, без приложения, сразу в мобильном браузере.
Cloud/local saves стали обязательной частью UX для длинных текстовых игр.
Parser-команды хуже подходят для телефона из-за трения при наборе текста.
Choice-based и visual-novel-style интерфейсы лучше переносятся на мобильный экран.
Twine и ChoiceScript показывают ценность коротких touch-friendly решений для branching narrative.

storynight.io

browser-games mobile-ux

anione.me8 мая 2026

Четыре слоя, которые удерживают AI-roleplay от распада

Статья разбирает AI-roleplay как turn-based collaborative fiction, где LLM держит персонажа, сеттинг и цель на протяжении длинной сцены. Главная проблема таких сессий — drift: персонаж теряет голос, забывает события и превращается в bland narrator после нескольких десятков сообщений. Автор выделяет четыре ключевых слоя: базовую LLM, persona prompt, memory window и output layer. Persona prompt должен работать как character sheet: фиксировать мотивации, речь, реакции под стрессом, ограничения и состояние мира. Memory layer нужен не как полный лог, а как механизм извлечения важных фактов, суммаризации старых событий и повторной подстановки их в каждый ход. Output layer включает изображения, голос, видео и mood tags, но для текстовой игры важнее вывод о том, что дополнительные сигналы состояния помогают удерживать контекст и атмосферу.

AI-roleplay держится на связке LLM, persona prompt, memory layer и слоя вывода.
Длинные арки ломаются без памяти, даже если базовая модель сильная.
Persona prompt должен описывать поведение под давлением, а не только внешность.
Память должна сжимать старые события в ключевые факты и возвращать их в каждый ход.
Дополнительные mood/state signals могут усиливать нарратив, если не перегружают интерфейс.

anione.me

ai-roleplay memory

bestgaming.space4 мая 2026

Микросессии для мобильной текстовой игры

Статья разбирает mobile game loop для коротких сессий на 1–5 минут: игрок должен быстро понять цель, выполнить действие, получить обратную связь и почувствовать прогресс. Главная мысль — короткая сессия не равна просто малому времени игры; она требует низкой когнитивной нагрузки и мгновенного возвращения после паузы. Плохой UX возникает, когда перед самой игрой игрок тратит время на меню, инвентарь, награды или повторную ориентацию в ситуации. Хорошая микросессия дает понятный атомарный шаг: выжить, защититься, собрать, улучшить, решить, выбрать маршрут. Для retention важна не только сложность, а ощущение, что игра уважает время игрока и не наказывает за короткий заход. Хотя статья не про LLM-narrative напрямую, принципы хорошо переносятся на мобильную Gradio-игру с текстовым ходом и долгим ожиданием ответа модели.

Цель текущего хода должна быть понятна за несколько секунд после открытия игры
Каждая сессия должна завершаться ощутимым изменением state или ясным следующим шагом
Меню, инвентарь и статусные панели не должны отнимать время до основного действия
Игрок должен безопасно прерваться и вернуться без повторного чтения длинного контекста

bestgaming.space

mobile-ux micro-sessions

dev.to10 мая 2026

Практическая модель применения AI в разработке игр

Материал описывает AI как ускоритель разработки, а не замену игрового дизайна. Автор делит применение AI на три слоя: dev-time для ускорения производства, ship-time для функций внутри игры и ops-time для эксплуатации после релиза. Основной фокус статьи — социальные игры вроде Stardew Valley, FarmVille и Township, поэтому большая часть контекста не совпадает с текстовой LLM-horror игрой. Полезная идея для проекта — не пускать AI бесконтрольно в ядро игрового опыта без проверок, потому что игроки быстро замечают «AI slop», галлюцинации и слабую связность систем. В статье также подчёркнуты риски live LLM NPC, юридические ограничения, стоимость AI-стека и необходимость human-in-the-loop пайплайна. Для RE2×Jade это применимо скорее как принцип организации: отделять AI для разработки, AI в игровом ходе и AI для анализа логов/ретеншна.

AI усиливает уже правильный дизайн, но не придумывает его вместо разработчика.
Полезно разделять AI-задачи на dev-time, ship-time и ops-time слои.
Live LLM NPC и генеративный контент требуют ограничений, проверок и human-in-the-loop.
Главные риски: галлюцинированные системы, AI slop, стоимость и юридические ограничения.