2026山东大学软件学院创新项目实训博客(四)

【智绘博弈】画风建模——为什么要给AI加上记忆项目智绘博弈 —— 人机对抗绘画猜词与心理解读系统角色AI 识别 心理解读模块负责人日期2026.4.20 - 2026.5.3一、本周目标前三周完成了AI猜词的核心功能模型选型、API接入、Prompt分级、响应解析。从技术指标来看任务书要求的功能已经基本达标了。但这段时间发生了一件事让我们开始重新思考整个项目的方向。二、一次真实的用户反馈我把项目部署在局域网里找了几个朋友来试玩。玩了大概四五局之后一个朋友说了一句话东西太少了感觉玩几局就没意思了。仔细想想他说得没错。每一局的体验都是一样的画→猜→下一局→画→猜。AI每次都像第一次见你一样从零开始猜。你画了十局苹果它第十一局看到你画苹果还是一脸懵——这不合理。如果是一个真人跟你玩你画我猜玩到第三局他就会开始说你画圆形的时候总是从右边起笔、你画动物一定先画头。人有记忆而我们的AI没有。三、从问题到方案画风建模问题明确了AI没有记忆每局都是一锤子买卖。那解决方案也很自然——给AI加上跨局记忆。但加记忆不是目的记忆要为游戏体验服务。我们思考了很久最终想到了一个既能提升技术深度、又能改善游戏体验的方案画风建模。核心思路是AI在多局游戏中积累对每个玩家画风的理解建立个性化的画风档案然后用这个档案来增强后续的猜词能力。越玩越懂你越玩越准。3.1 三层架构第一层画风特征提取每一局结束后系统从玩家的绘画行为数据中提取一组特征起笔习惯从画布哪个区域开始画笔触节奏快慢交替的模式构图偏好喜欢画在中间还是偏左偏右细节程度笔画数量多不多修改习惯经常撤销还是一气呵成这些数据我们的前端Canvas其实已经在采集了用于心理分析模块只是之前没有反哺给AI猜词。第二层画风档案生成积累到第3局结束后系统调用大模型DeepSeek-V3.2把历史行为数据做摘要生成一份画风档案。比如玩家小明 已观察局数5局 画风摘要 - 构图偏好偏右上方画面覆盖率约45% - 笔触风格起笔快、收笔慢平均每幅画12笔 - 特殊习惯画动物时先画头部轮廓画物品时先画外形 - 历史混淆记录苹果曾被猜成气球2次这份档案不是硬编码的规则而是大模型根据真实数据动态生成的自然语言描述。之后每局结束都会更新。第三层档案增强猜词关键的一步——猜词的时候把这份画风档案注入到prompt里你正在和一位你熟悉的玩家对战。根据过往观察这位玩家画物品时 喜欢先画外轮廓再补细节构图偏右上方曾经画苹果时画得像气球。 现在请看这幅新的画猜猜是什么。AI拿到了历史经验猜测会更精准。比如它看到一个圆形以前会猜气球但现在知道这个玩家画苹果就长这样就能修正判断。3.2 为什么是3局触发这个数字是我们讨论后的决策1-2局数据太少生成的档案没有意义5局以上又让新用户等太久感受不到AI的变化3局刚好有足够的行为样本而且玩家在第4局会明显感受到AI突然变准了——这个体验上的惊喜感很重要四、画风建模如何串联整个项目之前我一直觉得项目里的AI猜词和心理分析是两个割裂的功能。猜词是猜词心理分析是心理分析它们之间没有关系。但画风建模加进来之后闭环形成了玩家画画 → 行为数据采集 → 画风建模积累记忆 ↓ AI猜词档案增强越来越准 ↓ 心理报告融入画风演变分析 ↓ 玩家画画... ← 下一局 ← 反向出题用画风差异控制难度数据从前端产生经过画风建模积累同时服务于AI猜词和心理分析还能反向影响出题策略。整个系统从调一次API变成了一个有数据流转、有记忆、有进化的闭环。五、新玩法模式的思考画风建模解决了AI没记忆的问题但朋友说的东西太少还需要从玩法层面解决。我们计划新增三种游戏模式限定画具模式不给画笔只给几个几何图形圆/方/线玩家用拼图的方式表达目标词。AI在几何碎片下识别难度暴增这才是真正的人机博弈——玩家要用有限的表达方式画得让人能猜到但AI猜不到。反向猜词模式角色互换。系统回放一幅历史画作逐笔播放玩家来猜画的是什么。笔画越少猜对分越高。这里用到了画风建模——系统可以故意选画风跟当前玩家差异最大的历史画作来增加难度。接力画模式两人接力完成一幅画AI猜最终成品。两人画风不一致可能干扰AI玩家可以利用这一点来骗AI。这四种模式加上基础模式本质上都是人机对抗只是博弈的形式不同正面对抗、约束对抗、角色反转、协作对抗。不是偏离主题而是把主题做深了。六、模型选型升级新功能需要两种不同的模型能力用途模型理由AI猜词 看图GLM-4.6V智谱与现有SDK兼容改一个模型名即可画风档案 心理报告DeepSeek-V3.2文本推理能力强中文表达好视觉降级备份qwen3-vl-flash价格最低兜底用两个模型覆盖所有需求不堆砌。视觉的事交给视觉模型推理的事交给推理模型各做各擅长的。七、遇到的问题问题1画风建模会不会让游戏变得太简单AI越来越准玩家岂不是越来越难赢这不就破坏了游戏平衡吗想了想其实不会。因为画风建模是双向的——AI在学习你你也在意识到AI在学习你。高水平的玩家可以故意改变画风来骗AI你知道AI记住了你画苹果先画轮廓的习惯下次你就反着来先画柄再画圆。这变成了一个更高层次的博弈。问题2方案会不会违背任务书逐条对照了任务书的六大模块指标全部不受影响。新功能是在已有基础上的增量创新不替换任何已实现的功能。任务书是地板不是天花板。八、下周计划AI响应解析优化完善4层降级解析策略为后续接入新模型做准备画风建模数据库设计新增 player_style_profiles 表画风特征提取函数把现有的行为采集数据转换为画风特征指纹九、本周总结这周没有写代码但做了一件可能比写代码更重要的事重新审视了整个项目的方向。从朋友的一句东西太少出发到分析竞品差距到画风建模方案的诞生再到四种博弈模式的设计最后确认了升级后的完整架构和模型选型。有时候停下来想清楚做什么和为什么做比闷头写代码更有价值。本文方案在与AI的深度讨论中形成。交互过程我提出了朋友说内容单一怎么办的问题AI提出了画风建模的初步想法我追问了为什么要拆Agent是不是为了凑Agent而Agent经过多轮讨论后收敛到了现在的方案。方案中的触发时机、并存式心理报告架构、四种博弈模式的分类都是我们讨论中逐步确认的。