Chrongrid

Chrongrid(时空机器) 是一款 AI 驱动的叙事编排引擎。在它构建的故事里,你不是在阅读一段已经写好的剧情,也不是在按钮之间挑选选项 —— 你以你想要的方式进入故事,世界依据它自身的逻辑回应你,事件就这样一步步生长出来。

你能做的事是:进入一个预设的故事世界,做出你自己的选择,让世界随着发展动态填充。每一次旅程都不会重复 —— 不是因为分支变多,而是因为故事不再是预先写好的脚本,你甚至会抵达作者预设之外的结局。

Chrongrid 一次买断,完全在你本地运行。它需要你接入一个 LLM(你自己选择哪一个)才能工作 —— 这意味着你的故事内容只在你和你信任的 LLM 服务商之间流转,不会发送给我们。

内容:Demo 提供的五个故事

Demo 预置五个完整的故事,你可以在发售前先试玩。这五个完全独立的故事 —— 题材、节奏、玩法各不相同,由浅入深,带你从不同角度感受 Chrongrid 能做什么。

• 《寻猫记》 —— 北京老胡同的初夏午后,你是十四岁的少年阿晨,邻居张奶奶的橘猫不见了。一个温暖的入门故事,也是 Chrongrid 最基础的叙事循环。
  
• 《我的一天》 —— 你是 23 岁的自由插画师,这周既要完成商单约稿又要准备摆摊单品。每一格时间都是选择,每一个选择都有代价。你来决定如何度过这七天。
  
• 《明日晚安》 —— 海港小镇的最后一夜。一桩已经结案的事故、一位老记者朋友,酒和故事都在。这一夜会是怎样的一夜,由你决定。
  
• 《涡心》 —— 太平洋西侧海域出现直径十公里的漩涡,海啸吞没日本全境。你是科考船"启明号"的首席科学家 —— 距离真相最近的人类。
  
• 《夜潮馆》 —— 你是海洋馆的夜班保安,今晚的八小时你要独自守着这座旧海洋馆。经理给了你一张八条规则的清单,说:"照着做,熬到早上就行。"

这五个故事是 Chrongrid 当前能力的一次切片展示。我们仍在打磨,发售时会带来更丰富、可玩性更高的新故事。

如何玩 Chrongrid

关于 LLM 接入

Chrongrid 不内置 LLM。首次启动后,你需要先在启动器中接入一个可用的 LLM 才能进入主界面 —— 这是产品的设计选择,不是后续会放宽的临时限制。

我们支持任何 OpenAI 兼容 / Anthropic 兼容协议的在线服务,以及本地运行的 Ollama。如何接入 LLM 服务完全由你自己决定。请注意,虽然 Chrongrid 是一次性买断产品,但使用 LLM 可能会持续产生费用,这是 AI 驱动产品不可忽视的隐性成本。并且至少在当前情况下,使用 LLM 的成本并不低廉,请你一定注意。

关于你的 API Key

试玩版不保存 API Key,每次启动都需重新填写。

发售版会提供持久化保存功能,但请仅在你信任的家用环境下启用 —— 在公共场所打开 Chrongrid 并且开启持久化保存功能,很有可能会泄露你自己的 API Key 并产生意外的 LLM 服务商账单。请你小心保管好自己的 API Key。

关于呈现方式

Chrongrid 提供两种窗口模式,你可以随时切换:

• 双窗口模式 —— 启动器(Launcher)与容器(Container)窗口独立运行,你在启动器输入行动,叙事在容器中展开,沉浸感强。双窗口模式是默认推荐的模式。
  
• 单窗口模式 —— 只运行启动器,你的输入和叙事显示都在启动器窗口中。单窗口模式是传统经典的模式。

关于语言

首次启动时,你会进入"碑林" —— 几十种语言块依次排列,你从中选择要使用的语言。游戏过程中的多语言能力由接入的 LLM 提供。

关于当前的短板

我们想在你打开 Demo 之前先说三件事:

• 多语言体验不稳定 —— Chrongrid 在架构上支持几十种语言,但 LLM 在不同语言上的能力差异很大。中文与英文是目前最稳定的,其他语言的表现取决于你选择的模型。如果在故事开始就出现显示语言和选择语言不一致的情况,我们强烈推荐你重新打开新的故事再次尝试。
  
• AI 回复需要时间 —— 一次叙事推进通常需要数秒至数十秒,与你选用的模型与网络情况相关。Chrongrid 不预先生成内容,等待是 AI 实时思考的代价 —— 我们会持续优化,但它不会消失。
  
• 偶尔的解析故障 —— 当 LLM 返回了不规范的内容时,Chrongrid 可能无法正确解析,场景会卡住。这种情况通常不影响你继续交互。如果反复发生,可以尝试切换一个模型。

这些都是 AI 驱动的产品在当前的真实状态。我们不打算掩饰它们,而是会随着模型与编排层的进步,一项一项把它们推到更小。

内容生成的边界

Chrongrid 的故事内容由你接入的 LLM 实时生成。我们在产品提示词层面主动规避不符合 Steam 规定的内容,并会随规则与模型的变化持续打磨。

但最终输出由 LLM 决定 —— 模型本身的训练、版本差异,以及玩家在交互中的引导,都可能让 LLM 产出超出我们预期的内容。请选择合规的 LLM 服务商,遵守该服务商的使用条款,并在合理范围内进行输入 —— 这也是获得良好游戏体验的前提。