基于向量数据库与 LLM 的 Web3 游戏 | MUD 人文引擎设计(叄)
Leeduckgo
2023-09-26 18:14
订阅此专栏
收藏此文章

对于传统的 Web2 游戏而言,每个游戏的数据是隔离的。

+--------------------+     |    +--------------------+
|       Game A       |     |    |       Game B       |
+--------------------+     |    +--------------------+
| The Data of Game A |     |    | The Data of Game B | 
+--------------------+     |    +--------------------+

游戏中的各类数据,例如账号数据、角色数据、NPC 数据等等,很难在不同的游戏间进行流通,从而在这个方面限制了想象空间。

在 Web3 世界中,各个游戏都通过钱包进行接入,因此,Web3 游戏天然地在账号上实现了共享。

+----------------------------------------------------+
|                    Wallet Account                  |
+----------------------------------------------------+
+--------------------+     |    +--------------------+
|       Web3 Game A  |     |    |   Web3 Game B      |
+--------------------+     |    +--------------------+

然而,实现用同一个账号能登录不同的游戏只是一个开始。通过更多类型的数据"多游戏共用",我们可以构建一个全新的游戏宇宙。

+---------------------------------------------------------------+
|                               More...                         |
+---------------------------------------------------------------+
|                              NPC Data                         |
+---------------------------------------------------------------+
|                             Role Data                         |
+---------------------------------------------------------------+
|                          Wallet Account                       |
+---------------------------------------------------------------+
+--------------------+   +------------------+  +----------------+
|       Web3 Game A  |   |   Web3 Game B    |  |  Web3 Game C   |
+--------------------+   +------------------+  +----------------+

其实在古早的桌面游戏中,这种设计即已存在。在 D&D(龙与地下城)桌游中,我们只要建立角色卡片,那末就可以将这张角色卡片用于所有遵循 D&D 规则的桌面游戏中。

同样的,在部分 Web3 游戏中,这种玩法也开始启动,例如大名鼎鼎的 Lootverse

对于其中非个人部分的数据,我们可以将其称之为“游戏领域的公共物品”。NonceGeekDAO 认为,这是一个还未被探索但值得研究的新鲜事物。

0x02 向量数据库

MoveSpace 中我们提出,因为其高维度、高性能等多种特性,向量数据库在未来会越来越重要,甚至在未来会成为 SQL 数据库的数据来源。

https://movespace.xyz

现状:

+-------+       +-----------+
| 数据源 |------>| SQL 数据库 |-------- Apps using SQL Database
+-------+   |   +-----------+
            |   +-----------+
            +-->| 向量数据库 |--------- Apps using Vector Database
                +----------+

未来:

+-------+       +----------+
| 数据源 |------>| 向量数据库 |-------------------------------- Apps using both of SQL & Vector 
+-------+       +----------+                                       |
                      ↓------------------↓                         |
                +-------------+   +-------------+                  |
                | SQL 数据库 A |   | SQL 数据库 B |------------------+
                +-------------+   +-------------+

一方面,向量数据库因为其简单的k-v结构,可以成为多个不同的 SQL 数据库的数据来源。另外,App 也会从现有的单一类型数据库使用变成 SQL Database 和 Vector Database 中的数据按需混用。

结合刚才“游戏领域的公共物品”的命题,我们可以将刚才的图更进一步。

+---------------------------------------------------------------+
|                               More...                         |
+---------------------------------------------------------------+
|                              NPC Data                         |--------+
+---------------------------------------------------------------+        |
|                             Role Data                         |--------+---> Vector Dataset
+---------------------------------------------------------------+        |
|                          Wallet Account                       |--------+
+---------------------------------------------------------------+
+--------------------+   +------------------+  +----------------+
|       Web3 Game A  |   |   Web3 Game B    |  |  Web3 Game C   |
+--------------------+   +------------------+  +----------------+

公共物品中的数据适合存储于向量数据库中。

0x03 一个基于向量数据库与 LLM 的 Web3 游戏例子

在 0x01 和 0x02 讨论的基础上,我们可以给出一个关于 Vector Dataset &LLM-based 的游戏设计。

我们设计三种类型的向量数据库:Role Vector DatasetEvents Vector DatasetNPC Vector Dataset,来给游戏提供角色生成事件NPC 相关的能力。

然后,在游戏中加入LLM模块,提供AIGC的能力;

最后,通过将玩家的游戏记录回写到 Vector Dataset 中,做简单的UGC实现。

在下一篇中,我们将会具体阐述这个例子的代码实现。



历史文章:

从向量数据库开始 | 基于 Move 的 MUD 人文引擎设计(壹)

【译】自治世界的例子 | 基于 Move 的 MUD 人文引擎设计(贰)

【免责声明】市场有风险,投资需谨慎。本文不构成投资建议,用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资,责任自负。

Leeduckgo
数据请求中
查看更多

推荐专栏

数据请求中
在 App 打开