All systems operationalAI Agent Automation Platform
DownloadHelpBecome a provider
English
Language简体中文EnglishSelected

Choose your language

Sign up

GameSoul-AI-NPC

BABAinMS/GameSoul-AI-NPC

PublisherBABAinMS

Download access requirementsModelScope source

🤖GAMESOUL-AI-NPC 游戏 NPC 行为决策模型，通过多源信息融合生成符合角色设定的动态行为。支持实时环境响应、事件响应、记忆回溯和角色一致性保持。支持推理（Reasoning）、RAG（检索增强生成）及 MCP（多角色协同计划）调用。 环境感知 解析场景状态、玩家交互、时间/天气等实时信号 记忆系统 支持长期行为记忆（使用数据库存储）

Text ProcessingText Chat
View all download instructionsMirror repository documentation and license ↗
Model details

模型介绍

中文整理

Model Card for GameSoul-AI-NPC

🤖GAMESOUL-AI-NPC 游戏 NPC 行为决策模型，通过多源信息融合生成符合角色设定的动态行为。支持实时环境响应、事件响应、记忆回溯和角色一致性保持。支持推理（Reasoning）、RAG（检索增强生成）及 MCP（多角色协同计划）调用。

模型细节 🔍

核心能力

模块 功能描述

  • ----- ----------
  • *环境感知** 解析场景状态、玩家交互、时间/天气等实时信号
  • *记忆系统** 支持长期行为记忆（使用数据库存储）
  • *角色一致性** 依据预设背景（性格/目标/身份/能力/记忆等）生成符合人设的行为
  • *动态决策** 基于综合状态生成动作序列（移动/对话/交互）

技术架构

扩展接口

🔌 MCP 协议(reference only)：通过 npc memory api（example） 调用MCP获取数据库信息

模型描述 📝

  • *开发者 : NewOrigin**
  • *资助 : NewOrigin**
  • *分享 : NewOrigin**
  • *模型类型 : Decoder&MoE Transformer**
  • *支持语言（NLP） : English & 中文 & 110+ 语言**
  • *许可协议 : apache-2.0**
  • *基座模型 : unsloth/qwen3-4b**

模型来源 🌐

  • *仓库 : **

使用场景 🚀

本模型是基于 unsloth/qwen3-4b 的微调版本，专为游戏中的非玩家角色（NPC）赋予智能行为设计。该模型能够根据设定背景、记忆上下文与环境状态生成动态反应，支持推理（Reasoning）、RAG（检索增强生成）及 MCP（多角色协同计划）调用。

预期用户：

致力于引入 AI NPC 的游戏开发者、游戏设计师

研究游戏 NPC 行为 AI 的专业人员

游戏工作室、独立游戏开发者

其它感兴趣的用户

潜在影响对象：

与 NPC 互动的最终玩家

直接使用 🖥️

本模型可直接用于游戏环境中生成 AI 行为，无需额外微调。它能够根据上下文、记忆信息、玩家行为以及环境状态生成符合预期的 NPC 反应。开发者可通过推理接口直接调用模型，或集成到游戏系统、决策逻辑或 RAG 管线中使用。

典型应用场景包括：

自动化 NPC 生态，形成游戏世界实时推演

基于剧情与记忆的 NPC 互动

基于环境状态的行为规划

多智能体协作推理与响应

下游整合 📦

该模型适用于集成进游戏系统等下游场景，可作为由 AI 驱动的 NPC 的核心推理与对话引擎，嵌入至：

游戏引擎中，实现实时对话生成与行为逻辑控制

多智能体模拟平台，实现具备长期记忆和上下文推理能力的交互行为

基于 RAG 的推理系统，通过知识检索增强 NPC 的决策过程

支持MCP协议的数据库，使用数据库储存 NPC 信息，实现需要时从数据库中调用 NPC 信息

根据具体游戏的语调、设定或任务需求，亦可进行进一步微调以适配风格。

不建议用于 ⚠️

本模型不适用于涉及高风险或安全敏感的应用环境，以下为不推荐的使用方式：

涉及法律、医疗、金融或安全等决策类任务

需要高度事实准确性或伦理推理的应用场景

偏见、风险与限制 🚧

本模型可能会继承基础预训练数据或微调语料中的偏见，例如文化刻板印象、色情内容、性别偏见、角色行为模式等。

技术上的局限包括：

无法验证生成内容的真实性或逻辑准确性

在任何含生成内容的系统中，尤其是面向未成年玩家的游戏，建议对输出结果进行必要的过滤。

建议 💡

在部署前请充分测试模型在多种游戏情境下的表现，明确其边界与潜在失效风险。

在部署前你的游戏引擎中的 NPC 需要先有一个能执行行动的框架。

快速上手 🚩

以下示例演示如何快速加载并调用微调后的模型：

示例输入与输出 📥📤

Input📥

Output📤

训练细节 🏋️‍♀️

训练过程

本模型基于 unsloth/qwen3-4b-unsloth-bnb-4bit 进行微调，采用 Unsloth 库中的 LoRA（Low-Rank Adaptation）方法进行高效低资源微调。

微调方式： LoRA

训练器： 使用 Unsloth 的 SFTTrainer

模型格式： 仅保存 adapter 权重，格式为 safetensors

训练设备： Nvdia A10 GPU

环境影响 🌱

  • *Hardware Type : cloud server**
  • *Cloud Provider : Google Cloud Platform & Alibaba Cloud**
  • *Compute Region : NorthAmerica & Asia**
  • *Carbon Emitted :

优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。

你将获得什么

完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。

完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。

使用前须知

运行环境

运行模型需要的设备、工具与依赖，以原作者说明为准。

授权范围

是否允许商用、修改和分发，请查看模型许可证。

闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。

Back to top