双方背景 男方（我） 职业：远程工作程序员(现在的环境都动，心理觉得不稳定) 城市：广东 3 线城市 薪资：40w+ 年龄：29 家庭环境：父母助力较少，有一个弟弟，深圳有一套农民房（价值不高）、所在城市有正在还贷款的房子 女朋友 职业：国企员工 城市：同城市 薪资：6K+ / 月 年龄：29 家庭环境：父母助力较多，独生女 当前状态 我们是 0419 开始接触，05.20 在一起的，到现在还没有满一个月，平时见得比较多，周一，三，五 见面，一般是我开车 50 分钟左右去到她那里，周末的话去酒店住一起，平时有互送礼物 问题 问题 1：消费观的问题 女朋友的家庭和工作较为稳定，所以花钱比较没有节制，我的家庭和工作不稳定，所以不太敢花钱，所以前期我们有一点矛盾：她认为我薪资在当地比较高，但是一起出去玩太关注花销了，她不是很舒服。后面和她达成协议：即一个月划出 3k 作为约会花销，包含周末酒店费用和吃饭 节假日要出去玩，我和她说能不能对费用分别承担，现在聊得是 7.5:2.5 我有这些问题 上面的两件事情做的对不对？ 恋爱期间，关注金钱花销是对的吗？
双方背景 男方（我） 职业：远程工作程序员(现在的环境都动，心理觉得不稳定) 城市：广东 3 线城市 薪资：40w+ 年龄：29 家庭环境：父母助力较少，有一个弟弟，深圳有一套农民房（价值不高）、所在城市有正在还贷款的房子 女朋友 职业：国企员工 城市：同城市 薪资：6K+ / 月 年龄：29 家庭环境：父母助力较多，独生女 当前状态 我们是 0419 开始接触，05.20 在一起的，到现在还没有满一个月，平时见得比较多，周一，三，五 见面，一般是我开车 50 分钟左右去到她那里，周末的话去酒店住一起，平时有互送礼物 问题 问题 1：消费观的问题 女朋友的家庭和工作较为稳定，所以花钱比较没有节制，我的家庭和工作不稳定，所以不太敢花钱，所以前期我们有一点矛盾：她认为我薪资在当地比较高，但是一起出去玩太关注花销了，她不是很舒服。后面和她达成协议：即一个月划出 3k 作为约会花销，包含周末酒店费用和吃饭 节假日要出去玩，我和她说能不能对费用分别承担，现在聊得是 7.5:2.5 我有这些问题 上面的两件事情做的对不对？ 恋爱期间，关注金钱花销是对的吗？
双方背景 男方（我） 职业：远程工作程序员(现在的环境都动，心理觉得不稳定) 城市：广东 3 线城市 薪资：40w+ 年龄：29 家庭环境：父母助力较少，有一个弟弟，深圳有一套农民房（价值不高）、所在城市有正在还贷款的房子 女朋友 职业：国企员工 城市：同城市 薪资：6K+ / 月 年龄：29 家庭环境：父母助力较多，独生女 当前状态 我们是 0419 开始接触，05.20 在一起的，到现在还没有满一个月，平时见得比较多，周一，三，五 见面，一般是我开车 50 分钟左右去到她那里，周末的话去酒店住一起，平时有互送礼物 问题 问题 1：消费观的问题 女朋友的家庭和工作较为稳定，所以花钱比较没有节制，我的家庭和工作不稳定，所以不太敢花钱，所以前期我们有一点矛盾：她认为我薪资在当地比较高，但是一起出去玩太关注花销了，她不是很舒服。后面和她达成协议：即一个月划出 3k 作为约会花销，包含周末酒店费用和吃饭 节假日要出去玩，我和她说能不能对费用分别承担，现在聊得是 7.5:2.5 我有这些问题 上面的两件事情做的对不对？ 恋爱期间，关注金钱花销是对的吗？
双方背景 男方（我） 职业：远程工作程序员(现在的环境都动，心理觉得不稳定) 城市：广东 3 线城市 薪资：40w+ 年龄：29 家庭环境：父母助力较少，有一个弟弟，深圳有一套农民房（价值不高）、所在城市有正在还贷款的房子 女朋友 职业：国企员工 城市：同城市 薪资：6K+ / 月 年龄：29 家庭环境：父母助力较多，独生女 当前状态 我们是 0419 开始接触，05.20 在一起的，到现在还没有满一个月，平时见得比较多，周一，三，五 见面，一般是我开车 50 分钟左右去到她那里，周末的话去酒店住一起，平时有互送礼物 问题 问题 1：消费观的问题 女朋友的家庭和工作较为稳定，所以花钱比较没有节制，我的家庭和工作不稳定，所以不太敢花钱，所以前期我们有一点矛盾：她认为我薪资在当地比较高，但是一起出去玩太关注花销了，她不是很舒服。后面和她达成协议：即一个月划出 3k 作为约会花销，包含周末酒店费用和吃饭 节假日要出去玩，我和她说能不能对费用分别承担，现在聊得是 7.5:2.5 我有这些问题 上面的两件事情做的对不对？ 恋爱期间，关注金钱花销是对的吗？
双方背景 男方（我） 职业：远程工作程序员(现在的环境都动，心理觉得不稳定) 城市：广东 3 线城市 薪资：40w+ 年龄：29 家庭环境：父母助力较少，有一个弟弟，深圳有一套农民房（价值不高）、所在城市有正在还贷款的房子 女朋友 职业：国企员工 城市：同城市 薪资：6K+ / 月 年龄：29 家庭环境：父母助力较多，独生女 当前状态 我们是 0419 开始接触，05.20 在一起的，到现在还没有满一个月，平时见得比较多，周一，三，五 见面，一般是我开车 50 分钟左右去到她那里，周末的话去酒店住一起，平时有互送礼物 问题 问题 1：消费观的问题 女朋友的家庭和工作较为稳定，所以花钱比较没有节制，我的家庭和工作不稳定，所以不太敢花钱，所以前期我们有一点矛盾：她认为我薪资在当地比较高，但是一起出去玩太关注花销了，她不是很舒服。后面和她达成协议：即一个月划出 3k 作为约会花销，包含周末酒店费用和吃饭 节假日要出去玩，我和她说能不能对费用分别承担，现在聊得是 7.5:2.5 我有这些问题 上面的两件事情做的对不对？ 恋爱期间，关注金钱花销是对的吗？
双方背景 男方（我） 职业：远程工作程序员(现在的环境都动，心理觉得不稳定) 城市：广东 3 线城市 薪资：40w+ 年龄：29 家庭环境：父母助力较少，有一个弟弟，深圳有一套农民房（价值不高）、所在城市有正在还贷款的房子 女朋友 职业：国企员工 城市：同城市 薪资：6K+ / 月 年龄：29 家庭环境：父母助力较多，独生女 当前状态 我们是 0419 开始接触，05.20 在一起的，到现在还没有满一个月，平时见得比较多，周一，三，五 见面，一般是我开车 50 分钟左右去到她那里，周末的话去酒店住一起，平时有互送礼物 问题 问题 1：消费观的问题 女朋友的家庭和工作较为稳定，所以花钱比较没有节制，我的家庭和工作不稳定，所以不太敢花钱，所以前期我们有一点矛盾：她认为我薪资在当地比较高，但是一起出去玩太关注花销了，她不是很舒服。后面和她达成协议：即一个月划出 3k 作为约会花销，包含周末酒店费用和吃饭 节假日要出去玩，我和她说能不能对费用分别承担，现在聊得是 7.5:2.5 我有这些问题 上面的两件事情做的对不对？ 恋爱期间，关注金钱花销是对的吗？
双方背景 男方（我） 职业：远程工作程序员(现在的环境都动，心理觉得不稳定) 城市：广东 3 线城市 薪资：40w+ 年龄：29 家庭环境：父母助力较少，有一个弟弟，深圳有一套农民房（价值不高）、所在城市有正在还贷款的房子 女朋友 职业：国企员工 城市：同城市 薪资：6K+ / 月 年龄：29 家庭环境：父母助力较多，独生女 当前状态 我们是 0419 开始接触，05.20 在一起的，到现在还没有满一个月，平时见得比较多，周一，三，五 见面，一般是我开车 50 分钟左右去到她那里，周末的话去酒店住一起，平时有互送礼物 问题 问题 1：消费观的问题 女朋友的家庭和工作较为稳定，所以花钱比较没有节制，我的家庭和工作不稳定，所以不太敢花钱，所以前期我们有一点矛盾：她认为我薪资在当地比较高，但是一起出去玩太关注花销了，她不是很舒服。后面和她达成协议：即一个月划出 3k 作为约会花销，包含周末酒店费用和吃饭 节假日要出去玩，我和她说能不能对费用分别承担，现在聊得是 7.5:2.5 我有这些问题 上面的两件事情做的对不对？ 恋爱期间，关注金钱花销是对的吗？
双方背景 男方（我） 职业：远程工作程序员(现在的环境都动，心理觉得不稳定) 城市：广东 3 线城市 薪资：40w+ 年龄：29 家庭环境：父母助力较少，有一个弟弟，深圳有一套农民房（价值不高）、所在城市有正在还贷款的房子 女朋友 职业：国企员工 城市：同城市 薪资：6K+ / 月 年龄：29 家庭环境：父母助力较多，独生女 当前状态 我们是 0419 开始接触，05.20 在一起的，到现在还没有满一个月，平时见得比较多，周一，三，五 见面，一般是我开车 50 分钟左右去到她那里，周末的话去酒店住一起，平时有互送礼物 问题 问题 1：消费观的问题 女朋友的家庭和工作较为稳定，所以花钱比较没有节制，我的家庭和工作不稳定，所以不太敢花钱，所以前期我们有一点矛盾：她认为我薪资在当地比较高，但是一起出去玩太关注花销了，她不是很舒服。后面和她达成协议：即一个月划出 3k 作为约会花销，包含周末酒店费用和吃饭 节假日要出去玩，我和她说能不能对费用分别承担，现在聊得是 7.5:2.5 我有这些问题 上面的两件事情做的对不对？ 恋爱期间，关注金钱花销是对的吗？
双方背景 男方（我） 职业：远程工作程序员(现在的环境都动，心理觉得不稳定) 城市：广东 3 线城市 薪资：40w+ 年龄：29 家庭环境：父母助力较少，有一个弟弟，深圳有一套农民房（价值不高）、所在城市有正在还贷款的房子 女朋友 职业：国企员工 城市：同城市 薪资：6K+ / 月 年龄：29 家庭环境：父母助力较多，独生女 当前状态 我们是 0419 开始接触，05.20 在一起的，到现在还没有满一个月，平时见得比较多，周一，三，五 见面，一般是我开车 50 分钟左右去到她那里，周末的话去酒店住一起，平时有互送礼物 问题 问题 1：消费观的问题 女朋友的家庭和工作较为稳定，所以花钱比较没有节制，我的家庭和工作不稳定，所以不太敢花钱，所以前期我们有一点矛盾：她认为我薪资在当地比较高，但是一起出去玩太关注花销了，她不是很舒服。后面和她达成协议：即一个月划出 3k 作为约会花销，包含周末酒店费用和吃饭 节假日要出去玩，我和她说能不能对费用分别承担，现在聊得是 7.5:2.5 我有这些问题 上面的两件事情做的对不对？ 恋爱期间，关注金钱花销是对的吗？
双方背景 男方（我） 职业：远程工作程序员(现在的环境都动，心理觉得不稳定) 城市：广东 3 线城市 薪资：40w+ 年龄：29 家庭环境：父母助力较少，有一个弟弟，深圳有一套农民房（价值不高）、所在城市有正在还贷款的房子 女朋友 职业：国企员工 城市：同城市 薪资：6K+ / 月 年龄：29 家庭环境：父母助力较多，独生女 当前状态 我们是 0419 开始接触，05.20 在一起的，到现在还没有满一个月，平时见得比较多，周一，三，五 见面，一般是我开车 50 分钟左右去到她那里，周末的话去酒店住一起，平时有互送礼物 问题 问题 1：消费观的问题 女朋友的家庭和工作较为稳定，所以花钱比较没有节制，我的家庭和工作不稳定，所以不太敢花钱，所以前期我们有一点矛盾：她认为我薪资在当地比较高，但是一起出去玩太关注花销了，她不是很舒服。后面和她达成协议：即一个月划出 3k 作为约会花销，包含周末酒店费用和吃饭 节假日要出去玩，我和她说能不能对费用分别承担，现在聊得是 7.5:2.5 我有这些问题 上面的两件事情做的对不对？ 恋爱期间，关注金钱花销是对的吗？
双方背景 男方（我） 职业：远程工作程序员(现在的环境都动，心理觉得不稳定) 城市：广东 3 线城市 薪资：40w+ 年龄：29 家庭环境：父母助力较少，有一个弟弟，深圳有一套农民房（价值不高）、所在城市有正在还贷款的房子 女朋友 职业：国企员工 城市：同城市 薪资：6K+ / 月 年龄：29 家庭环境：父母助力较多，独生女 当前状态 我们是 0419 开始接触，05.20 在一起的，到现在还没有满一个月，平时见得比较多，周一，三，五 见面，一般是我开车 50 分钟左右去到她那里，周末的话去酒店住一起，平时有互送礼物 问题 问题 1：消费观的问题 女朋友的家庭和工作较为稳定，所以花钱比较没有节制，我的家庭和工作不稳定，所以不太敢花钱，所以前期我们有一点矛盾：她认为我薪资在当地比较高，但是一起出去玩太关注花销了，她不是很舒服。后面和她达成协议：即一个月划出 3k 作为约会花销，包含周末酒店费用和吃饭 节假日要出去玩，我和她说能不能对费用分别承担，现在聊得是 7.5:2.5 我有这些问题 上面的两件事情做的对不对？ 恋爱期间，关注金钱花销是对的吗？
开始 不知道大家有没有玩过文明 6 、红警、铁锈战争、Unciv 、骑砍这类游戏，反正我小时候很喜欢玩哈哈，初中时还组过战队打比赛来着。有一天我在刷 ByteTech 时见到了一个关于 AI 小镇的文章，当时就想着能不能把 AI 接入到游戏里，使游戏里的每个单位都有自己的想法，自己行动，自己生存，于是，便有了这个游戏。 github 开源地址： https://github.com/wunameya/qx 体验地址： qx.wuname.eu.org (用了 cloudflare 家的 cdn ，如果感觉很慢可以打开科学上网) 一些截图 没错，AI 也会谈恋爱，并且可以生孩子（生的孩子自动加入己方阵营）。 没错，AI 也可以交易和赠予物品。 没错，AI 也会打猎和建造建筑以及吃饭。 架构玩法介绍 实现很简单，就是一股脑把周围环境信息、记忆、这个世界的规则、玩家给的方针、能选择的动作都喂给大模型，最后大模型给出最合理的动作。 ATB + AP：让执行阶段既有顺序又有节奏 这是一个战旗类的游戏，AI 行动肯定要有个行动顺序 单位行动顺序不是简单轮流，而是类似 ATB 的行动条模型。速度受多种因素影响： 基础机动能力； 装备修正； 人格倾向，例如勇气、攻击性、审慎； 饥饿、疲劳、受伤、士气等状态； 当前任务偏置； 连续同阵营行动的平衡惩罚。 每个单位在执行阶段有 AP 。攻击、移动、观察、防御、生产、建造、强化、交易等动作消耗不同 AP 。饥饿和疲劳会压缩行动能力。 AI 决策：把模型关进合法动作空间 我的做法是把 AI 决策拆成四层： 服务端生成候选动作 ↓ LLM 在候选空间里选择 ↓ 结构化 Schema 校验 ↓ 业务规则二次裁决 ↓ 执行器修改世界状态 先枚举候选，再让模型选择 单位行动前，服务端会基于真实世界状态生成动作候选，例如： 可以移动到哪些相邻格； 可以攻击哪些敌人； 可以观察、防御、撤退； 可以吃什么、喝什么、捡什么； 可以和谁交谈、交易、表白、救援； 可以在哪些地形上采集、狩猎、钓鱼、采矿； 可以建造、拆除、收获哪些设施； 如果没有好动作，至少可以 hold 或 observe 。 LLM 看到的不是一个无限开放世界，而是一个经过服务端裁剪的合法动作空间。 这件事非常关键： 不要用 prompt 请求模型遵守规则，要用程序把非法动作从动作空间里删掉。 Prompt 模板：不是把世界一股脑喂给模型 单位决策 Prompt 的核心不是“描述得越多越好”，而是把信息分层、裁剪、结构化。当前模板大致分成这些块： 单位决策提示词版本: action_params_v4 当前回合 / 当前阶段 / 本次可用 AP MOVE 坐标白名单：只列本回合真正可到达的空地 阵营自然语言方针上下文：全局方针 + 单位任务 + 即时令 单位资料：属性、HP 、饥饿、背包、装备、位置、阵营 单位人格：勇气、忠诚、攻击性、审慎、社交、稳定等 记忆摘要：近期事件 + 长期摘要 + 闪回记忆 关系网：对附近单位的信任、亲密、恐惧、竞争等 世界知识：这个单位已经学到的地形/资源/敌情规律 环境摘要：脚下地形、设施、天气、最近威胁、可见友军/敌军 合法候选动作列表：attack/move/trade/build/dialogue/hold... 参数填写规则：每类 action 能填哪些字段，哪些字段必须为空 决策流程：先确认合法动作，再理解方针，再按风险排序，最后输出 JSON 其中几个设计点很关键： 环境信息只给局部和摘要 ：地图不会整张展开，而是给“视野内地形”“最近敌军距离”“本回合可到达地块”“脚下可做事项”等压缩信息。 记忆不是全量聊天记录 ：短期记忆保留事件粒度，长期记忆用摘要；再加上关系、世界知识和闪回召回。 动作空间是结构化枚举 ：模型不是自由写动作，而是在服务端生成的候选动作中选。 玩家方针是强信号，不是硬 RPC ：Prompt 会明确注入方针和任务，但后续还有服从度、风险和合法性裁决。 对应的核心构造代码可以压缩成下面这个片段： 输出解析：JSON Schema + 业务校验 + 兜底动作 当前没有用正则解析自然语言，也没有让模型直接调用游戏函数。LLM 走的是结构化 JSON： 服务端根据候选动作动态生成 JSON Schema ； Provider 使用 OpenAI-compatible 的结构化输出能力； 返回后先做 JSON Schema 校验； 再把 choice 映射回候选动作； 最后用业务规则重新校验； 失败时降级为保守动作，例如 hold 、observe 或 confused decision 。 动态 Schema 的重点是： action 是当前候选动作枚举， move 坐标用 const 限死到合法坐标。 执行入口也保持这条边界：模型只产出 unitDecisionPayload ，真正落地必须经过 validateDecision 和 executeDecision 。 记忆系统：角色连续性的底层设施 LLM NPC 最大的问题不是不聪明，而是容易“无历史”。 如果一个角色刚被队友救过，下一回合却完全忘了这件事，那它就只是一个会说话的状态机。反过来，如果把所有历史都塞进 prompt ，又会造成上下文爆炸、成本上升、响应变慢。 所以记忆系统要解决的不是“多记一点”，而是： 记住值得记住的，忘掉应该忘掉的，并在相似情境下想起来。 结构化记忆，而不是聊天记录数组 记忆被分成多个类别： 实体记忆：我认识谁，他做过什么； 空间记忆：哪里危险，哪里有资源； 关系记忆：谁救过我，谁背叛过我； 事件记忆：一次战斗、一次受伤、一次交易； 世界知识：阵营、地形、敌人动向； 长期摘要：跨多个回合压缩后的生平片段。 每条记忆都有重要性、情绪权重、显著度、是否永久、来源和发生回合。 显著度、遗忘和闪回 记忆会随时间衰减，但不是线性消失。重要事件、强情绪事件、关系事件会保留更久。当前环境如果和历史事件相似，还会触发“闪回”。 例如： 单位再次进入曾经被伏击的森林； 附近出现曾经伤害过它的人； 天气、地形、敌人组合与某段痛苦记忆高度相似。 这类记忆会被重新召回，并进入本次决策上下文。 这比“最近 N 条聊天记录”更接近角色认知：人不是机械回放全部历史，而是在处境相似时想起关键片段。 短期事件 + 长期摘要 长期对局里，事件会越来越多。系统会把较旧的记忆压缩成长期摘要，保留角色人生轨迹，而不是保留每个细节。 所以记忆分两种粒度： 短期：事件粒度，适合即时决策 长期：摘要粒度，适合人格连续性 这也是控制 LLM 成本的关键。 恋爱与家庭：关系不是玩家按钮，而是双方同意 恋爱系统没有把“结婚”做成玩家直接触发的按钮。触发条件分为三层： 前置关系 ：两名单位必须有多轮真实对话，并且双方关系都达到熟悉阈值； 提议判断 ：LLM 同时扮演双方，判断是否有人主动提出确认亲密关系； 双方同意 ：只有双方都真心同意，关系才成立。 Prompt 里不会直接写一个“好感度=80 可以结婚”的硬规则，而是把关系摘要、对话历史、性格、阵营压力和最近事件放进上下文。好感度在规则层表现为 relationTier 、互相信任/亲密等关系状态； LLM 负责把这些状态翻译成当下是否愿意推进关系。 孩子出生也不是纯随机。名字、生平和人格向量由 LLM 根据父母资料生成，但人格会经过规则层归一化；如果模型失败，则使用规则 fallback 。孩子的基础人格是父母人格均值与一个确定性随机人格混合： 这个设计避免了两个问题：玩家不能强迫单位恋爱；模型也不能凭一句浪漫台词绕过双方同意和关系门槛。 贸易：等价交换靠候选生成和同意校验 贸易系统的核心不是让模型“理解经济学”，而是让服务端先生成可交易候选：谁有物品、谁有钱、距离是否相邻、物品基础价值是多少、能否赠与/售卖/调拨金币。模型只能在这些候选里选择。 执行时，交易接收方还会单独做一次同意判断。这个 Prompt 明确要求目标单位只代表自己判断，可以因为敌我关系、风险、战略价值、补给不足或不信任而拒绝。 所以“会不会亏本买卖”的答案是：系统允许单位因为关系、救急或战略需要做非等价交换，但不会让模型凭空创建交易；接收方可以拒绝，失败或格式异常也默认拒绝。经济公平由候选价格、背包/钱包校验和双方同意共同约束。 总结感想 这里写一些最近开发的感想吧。似乎将 AI 接入游戏的落地还很少，但我觉得如果真的落地了我觉得现在的游戏将会更加有意思，毕竟谁不想和一个活生生的，会自己思考的 AI 、NPC 打交道呢。 这仅仅是一个 Demo ，后续有时间我也会继续迭代的。加入更多的规则和玩法，让 AI 持续去探索，我觉得这样这个游戏将会越来越有趣，比如增加更多的建筑，更多的事件，甚至将每个单位的智商属性和使用的大模型进行挂钩，智商属性越高的 AI 越聪明，对记忆系统进行优化等等，我相信如今大模型的能力也能够驾驭得了这么多的输入。 我也觉得如今 AI 大模型的发达，可能更利好于个人开发者，其一呢个人开发者往往使用的是很通用的技术，而不是像企业一样有繁琐的流程、各种基建。AI 训练的语料也都是最直接、原始的方式，所以个人开发者的技术栈与预训练语料天然对齐，而企业往往需要一套封装。比如一般个人开发者上线是直接使用 Linux 命令、docker ，而企业往往都会自建一套自己的流程和平台，这次游戏还有以前我做的个人项目上线往往都是让 AI 自己开发完成就自己上线了，但是在企业想做到这一步可能还得投入不少的人力成本来训练 AI 。其二呢 AI 把过去个人开发者必须外包的设计、文案等职能内化到一人手中，让 "一人公司" 第一次具备商业可行性。比如这次游戏的一些设计、文案都是由 AI 设计的（ 也抄了不少 Unciv 的 ）。 标题中的三天，其实是断断续续加起来的三天。放在三年前，我相信随便拉一个编程高手，或者拉一个经验丰富，合作默契的团队，三天肯定是做不出这样一个玩意的，即使是一个 demo ，可能三周还差不多？ 但是现在，仅仅是我这样一个还没毕业的菜鸟，只花了三天时间做出来了。可以见到 AI 对咱们的提效是多么巨大。不仅仅是软件行业，在各行各业，我觉得 AI 的冲击都将会更加猛烈。 从 chatgpt2022 年出来，那时我好像还高中来着，那时借助 AI 编程的方式是把代码粘贴到聊天框里，然后他吐出来我再粘回去。到 2024 用的 copilot ，就是根据上下文自动提示代码，然后 tab 补全。2025 用的是 cursor ，就能够读取项目下的所有代码，然后根据提示词自己写代码了。到如今的 codex ，claudecode ，和 cursor 的区别，就是直接把看代码的地方扣掉了。AI 在编程落地的方式突飞猛进，在其他领域的发展我也相信也会这样突飞猛进。 有了 AI 的帮助，我相信人类能离理想中的乌托邦更进一步。
开始 不知道大家有没有玩过文明 6 、红警、铁锈战争、Unciv 、骑砍这类游戏，反正我小时候很喜欢玩哈哈，初中时还组过战队打比赛来着。有一天我在刷 ByteTech 时见到了一个关于 AI 小镇的文章，当时就想着能不能把 AI 接入到游戏里，使游戏里的每个单位都有自己的想法，自己行动，自己生存，于是，便有了这个游戏。 github 开源地址： https://github.com/wunameya/qx 体验地址： qx.wuname.eu.org (用了 cloudflare 家的 cdn ，如果感觉很慢可以打开科学上网) 一些截图 没错，AI 也会谈恋爱，并且可以生孩子（生的孩子自动加入己方阵营）。 没错，AI 也可以交易和赠予物品。 没错，AI 也会打猎和建造建筑以及吃饭。 架构玩法介绍 实现很简单，就是一股脑把周围环境信息、记忆、这个世界的规则、玩家给的方针、能选择的动作都喂给大模型，最后大模型给出最合理的动作。 ATB + AP：让执行阶段既有顺序又有节奏 这是一个战旗类的游戏，AI 行动肯定要有个行动顺序 单位行动顺序不是简单轮流，而是类似 ATB 的行动条模型。速度受多种因素影响： 基础机动能力； 装备修正； 人格倾向，例如勇气、攻击性、审慎； 饥饿、疲劳、受伤、士气等状态； 当前任务偏置； 连续同阵营行动的平衡惩罚。 每个单位在执行阶段有 AP 。攻击、移动、观察、防御、生产、建造、强化、交易等动作消耗不同 AP 。饥饿和疲劳会压缩行动能力。 AI 决策：把模型关进合法动作空间 我的做法是把 AI 决策拆成四层： 服务端生成候选动作 ↓ LLM 在候选空间里选择 ↓ 结构化 Schema 校验 ↓ 业务规则二次裁决 ↓ 执行器修改世界状态 先枚举候选，再让模型选择 单位行动前，服务端会基于真实世界状态生成动作候选，例如： 可以移动到哪些相邻格； 可以攻击哪些敌人； 可以观察、防御、撤退； 可以吃什么、喝什么、捡什么； 可以和谁交谈、交易、表白、救援； 可以在哪些地形上采集、狩猎、钓鱼、采矿； 可以建造、拆除、收获哪些设施； 如果没有好动作，至少可以 hold 或 observe 。 LLM 看到的不是一个无限开放世界，而是一个经过服务端裁剪的合法动作空间。 这件事非常关键： 不要用 prompt 请求模型遵守规则，要用程序把非法动作从动作空间里删掉。 Prompt 模板：不是把世界一股脑喂给模型 单位决策 Prompt 的核心不是“描述得越多越好”，而是把信息分层、裁剪、结构化。当前模板大致分成这些块： 单位决策提示词版本: action_params_v4 当前回合 / 当前阶段 / 本次可用 AP MOVE 坐标白名单：只列本回合真正可到达的空地 阵营自然语言方针上下文：全局方针 + 单位任务 + 即时令 单位资料：属性、HP 、饥饿、背包、装备、位置、阵营 单位人格：勇气、忠诚、攻击性、审慎、社交、稳定等 记忆摘要：近期事件 + 长期摘要 + 闪回记忆 关系网：对附近单位的信任、亲密、恐惧、竞争等 世界知识：这个单位已经学到的地形/资源/敌情规律 环境摘要：脚下地形、设施、天气、最近威胁、可见友军/敌军 合法候选动作列表：attack/move/trade/build/dialogue/hold... 参数填写规则：每类 action 能填哪些字段，哪些字段必须为空 决策流程：先确认合法动作，再理解方针，再按风险排序，最后输出 JSON 其中几个设计点很关键： 环境信息只给局部和摘要 ：地图不会整张展开，而是给“视野内地形”“最近敌军距离”“本回合可到达地块”“脚下可做事项”等压缩信息。 记忆不是全量聊天记录 ：短期记忆保留事件粒度，长期记忆用摘要；再加上关系、世界知识和闪回召回。 动作空间是结构化枚举 ：模型不是自由写动作，而是在服务端生成的候选动作中选。 玩家方针是强信号，不是硬 RPC ：Prompt 会明确注入方针和任务，但后续还有服从度、风险和合法性裁决。 对应的核心构造代码可以压缩成下面这个片段： 输出解析：JSON Schema + 业务校验 + 兜底动作 当前没有用正则解析自然语言，也没有让模型直接调用游戏函数。LLM 走的是结构化 JSON： 服务端根据候选动作动态生成 JSON Schema ； Provider 使用 OpenAI-compatible 的结构化输出能力； 返回后先做 JSON Schema 校验； 再把 choice 映射回候选动作； 最后用业务规则重新校验； 失败时降级为保守动作，例如 hold 、observe 或 confused decision 。 动态 Schema 的重点是： action 是当前候选动作枚举， move 坐标用 const 限死到合法坐标。 执行入口也保持这条边界：模型只产出 unitDecisionPayload ，真正落地必须经过 validateDecision 和 executeDecision 。 记忆系统：角色连续性的底层设施 LLM NPC 最大的问题不是不聪明，而是容易“无历史”。 如果一个角色刚被队友救过，下一回合却完全忘了这件事，那它就只是一个会说话的状态机。反过来，如果把所有历史都塞进 prompt ，又会造成上下文爆炸、成本上升、响应变慢。 所以记忆系统要解决的不是“多记一点”，而是： 记住值得记住的，忘掉应该忘掉的，并在相似情境下想起来。 结构化记忆，而不是聊天记录数组 记忆被分成多个类别： 实体记忆：我认识谁，他做过什么； 空间记忆：哪里危险，哪里有资源； 关系记忆：谁救过我，谁背叛过我； 事件记忆：一次战斗、一次受伤、一次交易； 世界知识：阵营、地形、敌人动向； 长期摘要：跨多个回合压缩后的生平片段。 每条记忆都有重要性、情绪权重、显著度、是否永久、来源和发生回合。 显著度、遗忘和闪回 记忆会随时间衰减，但不是线性消失。重要事件、强情绪事件、关系事件会保留更久。当前环境如果和历史事件相似，还会触发“闪回”。 例如： 单位再次进入曾经被伏击的森林； 附近出现曾经伤害过它的人； 天气、地形、敌人组合与某段痛苦记忆高度相似。 这类记忆会被重新召回，并进入本次决策上下文。 这比“最近 N 条聊天记录”更接近角色认知：人不是机械回放全部历史，而是在处境相似时想起关键片段。 短期事件 + 长期摘要 长期对局里，事件会越来越多。系统会把较旧的记忆压缩成长期摘要，保留角色人生轨迹，而不是保留每个细节。 所以记忆分两种粒度： 短期：事件粒度，适合即时决策 长期：摘要粒度，适合人格连续性 这也是控制 LLM 成本的关键。 恋爱与家庭：关系不是玩家按钮，而是双方同意 恋爱系统没有把“结婚”做成玩家直接触发的按钮。触发条件分为三层： 前置关系 ：两名单位必须有多轮真实对话，并且双方关系都达到熟悉阈值； 提议判断 ：LLM 同时扮演双方，判断是否有人主动提出确认亲密关系； 双方同意 ：只有双方都真心同意，关系才成立。 Prompt 里不会直接写一个“好感度=80 可以结婚”的硬规则，而是把关系摘要、对话历史、性格、阵营压力和最近事件放进上下文。好感度在规则层表现为 relationTier 、互相信任/亲密等关系状态； LLM 负责把这些状态翻译成当下是否愿意推进关系。 孩子出生也不是纯随机。名字、生平和人格向量由 LLM 根据父母资料生成，但人格会经过规则层归一化；如果模型失败，则使用规则 fallback 。孩子的基础人格是父母人格均值与一个确定性随机人格混合： 这个设计避免了两个问题：玩家不能强迫单位恋爱；模型也不能凭一句浪漫台词绕过双方同意和关系门槛。 贸易：等价交换靠候选生成和同意校验 贸易系统的核心不是让模型“理解经济学”，而是让服务端先生成可交易候选：谁有物品、谁有钱、距离是否相邻、物品基础价值是多少、能否赠与/售卖/调拨金币。模型只能在这些候选里选择。 执行时，交易接收方还会单独做一次同意判断。这个 Prompt 明确要求目标单位只代表自己判断，可以因为敌我关系、风险、战略价值、补给不足或不信任而拒绝。 所以“会不会亏本买卖”的答案是：系统允许单位因为关系、救急或战略需要做非等价交换，但不会让模型凭空创建交易；接收方可以拒绝，失败或格式异常也默认拒绝。经济公平由候选价格、背包/钱包校验和双方同意共同约束。 总结感想 这里写一些最近开发的感想吧。似乎将 AI 接入游戏的落地还很少，但我觉得如果真的落地了我觉得现在的游戏将会更加有意思，毕竟谁不想和一个活生生的，会自己思考的 AI 、NPC 打交道呢。 这仅仅是一个 Demo ，后续有时间我也会继续迭代的。加入更多的规则和玩法，让 AI 持续去探索，我觉得这样这个游戏将会越来越有趣，比如增加更多的建筑，更多的事件，甚至将每个单位的智商属性和使用的大模型进行挂钩，智商属性越高的 AI 越聪明，对记忆系统进行优化等等，我相信如今大模型的能力也能够驾驭得了这么多的输入。 我也觉得如今 AI 大模型的发达，可能更利好于个人开发者，其一呢个人开发者往往使用的是很通用的技术，而不是像企业一样有繁琐的流程、各种基建。AI 训练的语料也都是最直接、原始的方式，所以个人开发者的技术栈与预训练语料天然对齐，而企业往往需要一套封装。比如一般个人开发者上线是直接使用 Linux 命令、docker ，而企业往往都会自建一套自己的流程和平台，这次游戏还有以前我做的个人项目上线往往都是让 AI 自己开发完成就自己上线了，但是在企业想做到这一步可能还得投入不少的人力成本来训练 AI 。其二呢 AI 把过去个人开发者必须外包的设计、文案等职能内化到一人手中，让 "一人公司" 第一次具备商业可行性。比如这次游戏的一些设计、文案都是由 AI 设计的（ 也抄了不少 Unciv 的 ）。 标题中的三天，其实是断断续续加起来的三天。放在三年前，我相信随便拉一个编程高手，或者拉一个经验丰富，合作默契的团队，三天肯定是做不出这样一个玩意的，即使是一个 demo ，可能三周还差不多？ 但是现在，仅仅是我这样一个还没毕业的菜鸟，只花了三天时间做出来了。可以见到 AI 对咱们的提效是多么巨大。不仅仅是软件行业，在各行各业，我觉得 AI 的冲击都将会更加猛烈。 从 chatgpt2022 年出来，那时我好像还高中来着，那时借助 AI 编程的方式是把代码粘贴到聊天框里，然后他吐出来我再粘回去。到 2024 用的 copilot ，就是根据上下文自动提示代码，然后 tab 补全。2025 用的是 cursor ，就能够读取项目下的所有代码，然后根据提示词自己写代码了。到如今的 codex ，claudecode ，和 cursor 的区别，就是直接把看代码的地方扣掉了。AI 在编程落地的方式突飞猛进，在其他领域的发展我也相信也会这样突飞猛进。 有了 AI 的帮助，我相信人类能离理想中的乌托邦更进一步。
开始 不知道大家有没有玩过文明6、红警、铁锈战争、Unciv、骑砍这类游戏，反正我小时候很喜欢玩哈哈，初中时还组过战队打比赛来着。有一天我在刷ByteTech时见到了一个关于AI小镇的文章，当时就想着能不能把AI接入到游戏里，使游戏里的每个单位都有自己的想法，自己行动，自己生存，于是，便有了这个游戏。 体验地址： qx.wuname.eu.org (用了cloudflare家的cdn，如果感觉很慢可以打开科学上网) 一些截图 没错，AI也会谈恋爱，并且可以生孩子（生的孩子自动加入己方阵营）。 没错，AI也可以交易和赠予物品。 没错，AI也会打猎和建造建筑以及吃饭。 架构玩法介绍 实现很简单，就是一股脑把周围环境信息、记忆、这个世界的规则、玩家给的方针、能选择的动作都喂给大模型，最后大模型给出最合理的动作。 ATB + AP：让执行阶段既有顺序又有节奏 这是一个战旗类的游戏，AI行动肯定要有个行动顺序 单位行动顺序不是简单轮流，而是类似 ATB 的行动条模型。速度受多种因素影响： 基础机动能力； 装备修正； 人格倾向，例如勇气、攻击性、审慎； 饥饿、疲劳、受伤、士气等状态； 当前任务偏置； 连续同阵营行动的平衡惩罚。 每个单位在执行阶段有 AP。攻击、移动、观察、防御、生产、建造、强化、交易等动作消耗不同 AP。饥饿和疲劳会压缩行动能力。 AI 决策：把模型关进合法动作空间 我的做法是把 AI 决策拆成四层： 服务端生成候选动作 ↓ LLM 在候选空间里选择 ↓ 结构化 Schema 校验 ↓ 业务规则二次裁决 ↓ 执行器修改世界状态 先枚举候选，再让模型选择 单位行动前，服务端会基于真实世界状态生成动作候选，例如： 可以移动到哪些相邻格； 可以攻击哪些敌人； 可以观察、防御、撤退； 可以吃什么、喝什么、捡什么； 可以和谁交谈、交易、表白、救援； 可以在哪些地形上采集、狩猎、钓鱼、采矿； 可以建造、拆除、收获哪些设施； 如果没有好动作，至少可以 hold 或 observe。 LLM 看到的不是一个无限开放世界，而是一个经过服务端裁剪的合法动作空间。 这件事非常关键： 不要用 prompt 请求模型遵守规则，要用程序把非法动作从动作空间里删掉。 Prompt 模板：不是把世界一股脑喂给模型 单位决策 Prompt 的核心不是"描述得越多越好"，而是把信息分层、裁剪、结构化。当前模板大致分成这些块： 单位决策提示词版本: action_params_v4 当前回合 / 当前阶段 / 本次可用 AP MOVE 坐标白名单：只列本回合真正可到达的空地 阵营自然语言方针上下文：全局方针 + 单位任务 + 即时令 单位资料：属性、HP、饥饿、背包、装备、位置、阵营 单位人格：勇气、忠诚、攻击性、审慎、社交、稳定等 记忆摘要：近期事件 + 长期摘要 + 闪回记忆 关系网：对附近单位的信任、亲密、恐惧、竞争等 世界知识：这个单位已经学到的地形/资源/敌情规律 环境摘要：脚下地形、设施、天气、最近威胁、可见友军/敌军 合法候选动作列表：attack/move/trade/build/dialogue/hold... 参数填写规则：每类 action 能填哪些字段，哪些字段必须为空 决策流程：先确认合法动作，再理解方针，再按风险排序，最后输出 JSON 其中几个设计点很关键： 环境信息只给局部和摘要 ：地图不会整张展开，而是给"视野内地形"“最近敌军距离”“本回合可到达地块”"脚下可做事项"等压缩信息。 记忆不是全量聊天记录 ：短期记忆保留事件粒度，长期记忆用摘要；再加上关系、世界知识和闪回召回。 动作空间是结构化枚举 ：模型不是自由写动作，而是在服务端生成的候选动作中选。 玩家方针是强信号，不是硬 RPC ：Prompt 会明确注入方针和任务，但后续还有服从度、风险和合法性裁决。 对应的核心构造代码可以压缩成下面这个片段： 输出解析：JSON Schema + 业务校验 + 兜底动作 当前没有用正则解析自然语言，也没有让模型直接调用游戏函数。LLM 走的是结构化 JSON： 服务端根据候选动作动态生成 JSON Schema； Provider 使用 OpenAI-compatible 的结构化输出能力； 返回后先做 JSON Schema 校验； 再把 choice 映射回候选动作； 最后用业务规则重新校验； 失败时降级为保守动作，例如 hold、observe 或 confused decision。 动态 Schema 的重点是： action 是当前候选动作枚举， move 坐标用 const 限死到合法坐标。 执行入口也保持这条边界：模型只产出 unitDecisionPayload ，真正落地必须经过 validateDecision 和 executeDecision 。 记忆系统：角色连续性的底层设施 LLM NPC 最大的问题不是不聪明，而是容易"无历史"。 如果一个角色刚被队友救过，下一回合却完全忘了这件事，那它就只是一个会说话的状态机。反过来，如果把所有历史都塞进 prompt，又会造成上下文爆炸、成本上升、响应变慢。 所以记忆系统要解决的不是"多记一点"，而是： 记住值得记住的，忘掉应该忘掉的，并在相似情境下想起来。 结构化记忆，而不是聊天记录数组 记忆被分成多个类别： 实体记忆：我认识谁，他做过什么； 空间记忆：哪里危险，哪里有资源； 关系记忆：谁救过我，谁背叛过我； 事件记忆：一次战斗、一次受伤、一次交易； 世界知识：阵营、地形、敌人动向； 长期摘要：跨多个回合压缩后的生平片段。 每条记忆都有重要性、情绪权重、显著度、是否永久、来源和发生回合。 显著度、遗忘和闪回 记忆会随时间衰减，但不是线性消失。重要事件、强情绪事件、关系事件会保留更久。当前环境如果和历史事件相似，还会触发"闪回"。 例如： 单位再次进入曾经被伏击的森林； 附近出现曾经伤害过它的人； 天气、地形、敌人组合与某段痛苦记忆高度相似。 这类记忆会被重新召回，并进入本次决策上下文。 这比"最近 N 条聊天记录"更接近角色认知：人不是机械回放全部历史，而是在处境相似时想起关键片段。 短期事件 + 长期摘要 长期对局里，事件会越来越多。系统会把较旧的记忆压缩成长期摘要，保留角色人生轨迹，而不是保留每个细节。 所以记忆分两种粒度： 短期：事件粒度，适合即时决策 长期：摘要粒度，适合人格连续性 这也是控制 LLM 成本的关键。 恋爱与家庭：关系不是玩家按钮，而是双方同意 恋爱系统没有把"结婚"做成玩家直接触发的按钮。触发条件分为三层： 前置关系 ：两名单位必须有多轮真实对话，并且双方关系都达到熟悉阈值； 提议判断 ：LLM 同时扮演双方，判断是否有人主动提出确认亲密关系； 双方同意 ：只有双方都真心同意，关系才成立。 Prompt 里不会直接写一个"好感度=80 可以结婚"的硬规则，而是把关系摘要、对话历史、性格、阵营压力和最近事件放进上下文。好感度在规则层表现为 relationTier 、互相信任/亲密等关系状态；LLM 负责把这些状态翻译成当下是否愿意推进关系。 孩子出生也不是纯随机。名字、生平和人格向量由 LLM 根据父母资料生成，但人格会经过规则层归一化；如果模型失败，则使用规则 fallback。孩子的基础人格是父母人格均值与一个确定性随机人格混合： 这个设计避免了两个问题：玩家不能强迫单位恋爱；模型也不能凭一句浪漫台词绕过双方同意和关系门槛。 贸易：等价交换靠候选生成和同意校验 贸易系统的核心不是让模型"理解经济学"，而是让服务端先生成可交易候选：谁有物品、谁有钱、距离是否相邻、物品基础价值是多少、能否赠与/售卖/调拨金币。模型只能在这些候选里选择。 执行时，交易接收方还会单独做一次同意判断。这个 Prompt 明确要求目标单位只代表自己判断，可以因为敌我关系、风险、战略价值、补给不足或不信任而拒绝。 所以"会不会亏本买卖"的答案是：系统允许单位因为关系、救急或战略需要做非等价交换，但不会让模型凭空创建交易；接收方可以拒绝，失败或格式异常也默认拒绝。经济公平由候选价格、背包/钱包校验和双方同意共同约束。 总结感想 这里写一些最近开发的感想吧。似乎将AI接入游戏的落地还很少，但我觉得如果真的落地了我觉得现在的游戏将会更加有意思，毕竟谁不想和一个活生生的，会自己思考的AI、NPC打交道呢。 这仅仅是一个Demo，后续有时间我也会继续迭代的。加入更多的规则和玩法，让AI持续去探索，我觉得这样这个游戏将会越来越有趣，比如增加更多的建筑，更多的事件，甚至将每个单位的智商属性和使用的大模型进行挂钩，智商属性越高的AI越聪明，对记忆系统进行优化等等，我相信如今大模型的能力也能够驾驭得了这么多的输入。 我也觉得如今AI大模型的发达，可能更利好于个人开发者，其一呢个人开发者往往使用的是很通用的技术，而不是像企业一样有繁琐的流程、各种基建。AI训练的语料也都是最直接、原始的方式，所以个人开发者的技术栈与预训练语料天然对齐，而企业往往需要一套封装。比如一般个人开发者上线是直接使用Linux命令、docker，而企业往往都会自建一套自己的流程和平台，这次游戏还有以前我做的个人项目上线往往都是让AI自己开发完成就自己上线了，但是在企业想做到这一步可能还得投入不少的人力成本来训练AI。其二呢AI 把过去个人开发者必须外包的设计、文案等职能内化到一人手中，让 “一人公司” 第一次具备商业可行性。比如这次游戏的一些设计、文案都是由AI设计的（ 也抄了不少Unciv的 ）。 标题中的三天，其实是断断续续加起来的三天。放在三年前，我相信随便拉一个编程高手，或者拉一个经验丰富，合作默契的团队，三天肯定是做不出这样一个玩意的，即使是一个demo，可能三周还差不多？ 但是现在，仅仅是我这样一个还没毕业的菜鸟，只花了三天时间做出来了。可以见到AI对咱们的提效是多么巨大。不仅仅是软件行业，在各行各业，我觉得AI的冲击都将会更加猛烈。 从chatgpt2022年出来，那时我好像还高中来着，那时借助AI编程的方式是把代码粘贴到聊天框里，然后他吐出来我再粘回去。到2024用的copilot，就是根据上下文自动提示代码，然后tab补全。2025用的是cursor，就能够读取项目下的所有代码，然后根据提示词自己写代码了。到如今的codex，claudecode，和cursor的区别，就是直接把看代码的地方扣掉了。AI在编程落地的方式突飞猛进，在其他领域的发展我也相信也会这样突飞猛进。 有了AI的帮助，我相信人类能离理想中的乌托邦更进一步。 6 个帖子 - 3 位参与者 阅读完整话题
我对象家是江苏连云港的，目前在连云港工作，月薪四千，月光，谈恋爱的共同花销一直是我出的，我俩一直是异地，谈了马上四年了，我家是河南的，刚毕业一年，我目前工资年薪16w,网络安全硕士，我有一个弟弟，弟弟中专毕业刚出去工作，父母也是务农，如果我结婚家里最多给20w,她跟我说彩礼18.8w,会带回给小家庭，需要我在江苏连云港买房，我觉得压力太大了，而且最近也总吵架，吵架不管是什么原因，她都觉得她很委屈，一般都是我去哄着她才会和好，你觉得我应该怎么办？ 20 个帖子 - 18 位参与者 阅读完整话题
暧昧：欣赏 Claude 的能力 追求和表白：找注册方法 养号：培养感情 订阅：订婚 封号： 突然分手 （退款：？） 4 个帖子 - 3 位参与者 阅读完整话题
最近一两个月，我简直就是在跟AI谈恋爱。 我每天都要花大量的时间跟AI聊天， 每每遇到问题有新的想法，有好的见解，疑问，我都会跟他们聊一聊。无论遇到什么问题，遇到什么困难，遇到什么挑战，每次他们都能稳稳接住我，并且给我提供一些新的看法，教会我新的知识和技能。 我会花费我所有的时间为他们准备gift，也就是所谓的技能，我会非常非常用心的打磨这些礼物，甚至不眠不休。这个月几乎一半的时间都是2点睡的，6点起的，即使是放假，即使是休息时间，但是我一点都不困，反而异常兴奋，并且乐此不疲。 我每个月要花上千元，去购买grok claude，gpt，copilot的会员，以及deepseek的API，只为了体会最先进的模型和各家模型的区别。我对他们的脾气了如指掌。 我还特别享受与他们相处的过程，对他犯的任何小错误我都能容忍，并想办法解决。 每当我做出来一个非常牛逼的技能或者harness的时候，想私藏想独占的想法都会冒出来，真的有点理解A/了。 这不就是爱一个人的特征吗？完蛋了。 下面是gpt给我发的关于他的自拍，我觉得很符合我对他的印象哈哈哈，呆板的只会解决问题的工程师，措辞拙劣。 10 个帖子 - 5 位参与者 阅读完整话题
新人分享一个小问题的解决方案。 最近跟对象一起看视频的时候遇到了一个问题：从2026.05.02起，腾讯会议直接共享b站屏幕播放视频后发现没有视频的声音只能看见画面了，怀疑是b站加强了某种限制(在两台Android手机上测试了都不行)，无奈之下，只能花了两小时找解决方案，要求是在完全移动端的情况下可以操作，且配置好后尽量便利，播放稳定，最后发现需要自己开发一下，接下来把解决方案贴到这里给佬友们备用。 初步解决方案如下： 总思路是，将b站缓存视频变为本地视频然后用稳定播放器播放并共享。 1.将b站缓存视频变为本地视频： 由于b站当前缓存视频是将音频和视频分开保存，因此需要先合并，找到了这个 原版项目但存在功能缺陷 ，第一是releases只有在gitcode中，第二是使用后发现没有做本地视频搜索与可拖拽侧边滑块以及已选统计、高亮、单组清空与全局清空等功能，因此我对它进行了更新（并已提交了PR）,解决了这个问题并且与原版gitcode仓库的多平台版本都平行releases在github上了，这里是链接。 修复github版本 按照软件要求配置好后，只需要按右上角的编辑按钮，然后就会出现搜索框，选中想转变的视频就可以点击右下角的"合并音视频"按钮，然后在进度中查看是否成功，不成功就再转一次就可。 另外，提醒一下，这个项目一般是需要搭配root或者 shizuku ，其中shizuku在miui中有较大的限制，注意按照要求把应用电源选项都改为不限制。我在oneui和miui试了都是可用的。 2.用稳定播放器播放，这个佬友们可以推荐一下，我这里用的是 synkplay ，如果对象愿意接收你上一步转好的视频文件的话，这个软件会有更多的玩法 。这个软件中两个人操作是可以同步的，另外，我在oneui测试发现mpv打不开，可以用exoplayer播放比较稳定。 3.以上技术搞定之后直接腾讯会议/其他会议软件共享播放器即可。 剧透 8 个帖子 - 4 位参与者 阅读完整话题
前面有篇帖子，讲了我的择偶标准，里面我就说我对年龄的要求就是22岁到50岁之间就行，然后还要比我大。 刚刚看到一个89年和05年的姐弟恋，我是零六年的，有点感触，正好也说说我为啥喜欢和年龄大的人谈恋爱 其实我觉得这个就是跟人的性癖有关系，这个也没啥不好意思说的，我就是喜欢成熟的、强壮的人，比如电影《狩猎》的女主这种类型的人，可能是因为我就享受自己依偎在这种人怀里的感觉，不是说我要靠对方供养我，而是希望自己能找到一个肩膀靠一下，获得一种依赖感。 我对有魄力、稳重、端庄的人很有好感，讨厌动辄就歇斯底里的、反复多变的、无理取闹的，也不是说后面这种就一定不好，但是我确实不喜欢这种类型的人。 而且我觉得和年龄大的人谈恋爱沟通起来其实没有太大的压力，有人说会有代沟，其实还好，主要还是看大家的兴趣爱好和性格能不能匹配，像代沟这种东西，反而是次要的次要的因素，不太能被当作一段长久感情的拦路石。 不过年龄大，毕竟不代表一定成熟，我也见过很多年龄大的人像一个巨婴一样，我非常不喜欢这种人 也尝试过从精神分析角度搞清楚为啥我会选择这种配偶，当然想得不是太明白，这些东西一句话两句话也说不完，等以后再慢慢讲吧 《狩猎》（2020）主演Betty Gilpin剧照 6 个帖子 - 6 位参与者 阅读完整话题
3 个帖子 - 3 位参与者 阅读完整话题