用结构化知识树保障LLM侦探游戏中的叙事可靠性与信息揭示节奏

大语言模型（LLM）使互动游戏中的开放式对话成为可能，但其非确定性输出使作者控制、事实一致性和预期的信息披露顺序难以维持。这些挑战在侦探游戏中尤为突出：过早揭示或编造细节会破坏玩家推进的逻辑。我们提出一种结构化知识树架构，配合三智能体 LLM 管线，用于控制开放式审讯游戏中的对话。系统将知识检索、对话生成和响应验证分离，确保虚拟嫌疑人只透露当前叙事状态允许的信息。我们通过可玩的侦探游戏测试台《The Interrogation of Adrian Gale》以及一项正式用户研究评估该方法，考察幻觉减少、对预设披露顺序的遵循以及玩家感知到的逻辑推进。结果表明该结构化架构将关键幻觉减少 64.78%，并完全防止了叙事的过早披露。尽管严格的机械约束在强制对话揭示方面带来可用性上的权衡，系统仍成功执行了严谨的认知节奏，并让玩家对案件侦破进展有清晰的主观感受。