一位极客尝试利用AI生成剧本杀系统，意外发现古早风格的谋杀游戏更适合AI生成。通过分享系统架构与开发过程中的实战经验，揭示了AI编程中复杂度控制的重要性，为业余开发者提供了极具参考价值的思路。
智能速览
AI生成的剧本在形式上更接近古早的“谋杀游戏”
格式统一且字数少的古早风格能有效节省Token成本
遵循KISS原则，将系统架构从9个模块精简至3个
在处理PDF知识库时，采用AI建议的“重构”而非“修改”策略
系统规划包含生成、物料、游玩及知识库四大核心模块
精华内容
探索AI在创意编程的边界，不仅需要技术热情，更需要对工具特性的深刻理解。通过构建剧本杀系统的过程，展现了如何通过调整产品形态来适配AI的能力边界。
古早风意外契合
AI生成的剧本内容并未像预期那样呈现出现代剧本杀的复杂形态，反而意外地还原了《死穿白》等古早“谋杀游戏”的风格。这种形式虽然简陋，但恰恰符合AI生成的特点。字数少、规格统一，不仅大幅降低了Token的消耗，也规避了现代剧本杀规则繁杂、篇幅过长导致AI逻辑混乱的问题。统一的标准格式让AI能够更高效地处理内容生成任务。
遵循KISS原则
在系统开发初期，设计曾因功能点过多而变得臃肿，子库一度达到9个，导致AI无法胜任复杂的逻辑处理。经过反思，架构被大幅精简至三个核心库：内容生成、物料生成和游玩系统。这一过程印证了软件开发中的KISS原则。对于AI编程而言，保持简单不仅是为了技术上的可行性，更是为了控制成本，避免过度的Token消耗。
AI辅助知识库构建
为了构建剧本杀知识库，开发者试图利用现有的PDF解析工具。在咨询AI后，放弃了直接修改现有代码的想法，转而参考其架构重新设计。这一策略催生了一个专门的“剧本杀知识库”系统，能够将PDF文档解析为包含诡计类型、角色动机、推理逻辑等结构化数据的向量库。这种利用AI指导系统架构的方法，有效避免了在陌生技术领域盲目试错。
四模块系统规划
目前的剧本杀生成工具体系包含四个模块：剧本生成JSON、物料生成（图片、卡片、PDF）、数字DM游玩系统以及剧本杀知识库。知识库通过学习现有剧本的诡计和设计模式，保证生成内容的新鲜度与逻辑性。整个系统定位于轻量级、快节奏的古早谋杀游戏，旨在一个月内完成初步构建，为玩家提供一种不同于现代沉重剧本杀的娱乐体验。
这一案例生动演示了在AI时代，产品形态需要适应技术特性。与其强求AI处理复杂的现代长篇巨制，不如回归更简单、更规则化的古早风格。这种务实的“降维”开发思路，不仅让业余项目快速落地，也为AI在内容创作领域的应用提供了新的视角。
