AI NPC និងការនិទានរឿងអន្តរកម្ម៖ ការណែនាំអំពីការរចនាការសន្ទនាដើម្បីធ្វើឱ្យតួអង្គហ្គេម «មានជីវិត»

ថ្ងៃពុធ ពេលរសៀល ក្នុងបន្ទប់ប្រជុំរបស់ស្ទូឌីយោហ្គេមខ្នាតតូចដែលមានបុគ្គលិកម្ភៃនាក់នៅតំបន់ Nei-hu ក្រុងតៃប៉ិ លោក Lin Tzu-hsuan អ្នករចនាសាច់រឿងបានហុចឧបករណ៍បញ្ជា (Gamepad) ទៅឱ្យប្រធានផលិតកម្ម។ ក្នុងកំឡុងពេល Demo នោះ អ្នកលេងបាននិយាយទៅកាន់ម្ចាស់ហាងស្រីថា៖ «បំណុលដែលប្អូនប្រុសរបស់អ្នកជំពាក់ ខ្ញុំបានសងជំនួសរួចរាល់ហើយ»។ ម្ចាស់ហាងស្រីបានស្ងៀមស្ងាត់រយៈពេលពីរវិនាទី សំនៀងក៏ប្រែជាស្រទន់ ហើយថ្លៃស្រាក៏ត្រូវកាត់បន្ថយពាក់កណ្តាល——កិច្ចសន្ទនានេះមិនមានស្ថិតក្នុងស្គ្រីបណាមួយឡើយ ប៉ុន្តែវាត្រូវបានបង្កើតឡើងភ្លាមៗដោយម៉ូដែលភាសា (Language Model)។ បន្ទប់ប្រជុំបានស្ងាត់ជ្រងំរយៈពេលបីវិនាទី ហើយប្រយោគដំបូងដែលប្រធានផលិតកម្មបាននិយាយមិនមែនជាពាក្យថា «អស្ចារ្យម៉្លេះទេ!» នោះឡើយ ប៉ុន្តែជាពាក្យថា «ប្រយោគបែបនេះ តម្លៃដើមអស់ប៉ុន្មាន?»។

ប្រតិកម្មទាំងពីរនេះ បានឆ្លុះបញ្ចាំងយ៉ាងច្បាស់អំពីទិដ្ឋភាពទាំងមូលរបស់ LLM NPC ក្នុងឆ្នាំ 2026៖ បទពិសោធន៍ពិតជាអស្ចារ្យដូចជាវេទមន្ត ប៉ុន្តែវិក្កយបត្រក៏ពិតជាត្រូវគណនាឱ្យបានច្បាស់លាស់ផងដែរ។ អត្ថបទនេះនឹងពន្យល់យ៉ាងច្បាស់អំពីគោលការណ៍ ឧបករណ៍ វិធីសាស្ត្រសរសេរ Prompt ក៏ដូចជាបញ្ហាតម្លៃដើម និងភាពយឺតយ៉ាវ (Latency) ដែលគ្មានអ្នកណាចង់និយាយដល់។

ប្លុកកសាងទាំងបួនរបស់ LLM NPC៖ ការកំណត់តួអង្គ ការចងចាំ ចំណេះដឹង និងរបាំងការពារ

ការដាក់ ChatGPT ចូលទៅក្នុងហ្គេម មិនមែនមានន័យថាជា AI NPC នោះទេ។ LLM NPC ដែលអាចដាក់ឱ្យដំណើរការបាន គឺត្រូវមានស្រទាប់យ៉ាងតិចបួន។ ការកំណត់តួអង្គ (System Prompt) កំណត់ថាអ្នកណាជាតួអង្គ ទម្រង់នៃការនិយាយ ដឹងពីអ្វីខ្លះ និងអ្វីដែលមិនត្រូវធ្វើដាច់ខាត។ ការចងចាំជួយឱ្យតួអង្គចងចាំនូវអ្វីដែលអ្នកលេងបានធ្វើ בפעםមុន——ក្នុងស្ថានភាពជាក់ស្តែង គឺការរក្សាទុកការสรุปការសន្ទនាជាឯកសារ ហើយបញ្ចូលវាទៅក្នុង Context ជារៀងរាល់ពេលដែលកោះហៅ បើមិនដូច្នេះទេ NPC នឹងមើលទៅដូចជាអ្នកជំងឺបាត់បង់ការចងចាំអញ្ចឹង។ មូលដ្ឋានចំណេះដឹងប្រើប្រាស់ RAG ដើម្បីភ្ជាប់ទៅនឹងការកំណត់ទស្សនៈពិភពលោក (Worldview) នៅពេលដែលអ្នកលេងសួរថា «នរណាជាអ្នកឈ្នះសង្គ្រាមភាគខាងជើង?» ចម្លើយត្រូវបានទាញយកចេញពីឯកសារកំណត់ មិនមែនឱ្យម៉ូដែលប្រឌិតឡើងដោយឯកងនោះទេ ដែលមានគោលការណ៍ដូចគ្នាទៅនឹង RAG គឺអ្វី។

របាំងការពារគឺជារឿងសំខាន់បំផុត ប៉ុន្តែជារឿយៗតែងតែត្រូវបានគេមើលរំលង៖ NPC មិនត្រូវទម្លាយសាច់រឿងសំខាន់ (Spoiler) មិនត្រូវត្រូវបានអ្នកលេងបោកប្រាស់ទម្លាយវិធីសាស្ត្រដោះស្រាយកិច្ចការ (Quest) និងមិនត្រូវត្រូវបានបញ្ចុះបញ្ចូលឱ្យនិយាយមាតិកាដែលហួសដែនកំណត់នោះទេ។ សម្រាប់ខ្លឹមសារដែលបង្កើតឡើងភ្លាមៗ (Real-time generated content) វេទិកា Steam ក៏ទាមទារឱ្យមានមុខងាររាយការណ៍របស់អ្នកលេងផងដែរ——របាំងការពារមិនមែនជាជម្រើសបន្ថែមទេ ប៉ុន្តែជាលក្ខខណ្ឌក្នុងការដាក់លក់។

វិធីជ្រើសរើសឧបករណ៍៖ កញ្ចប់រួមបញ្ចូលគ្នាជួយសន្សំសំចៃពេល ការភ្ជាប់ខ្លួនឯងជួយសន្សំលុយ

ប្រសិនបើអ្នកចង់បានសំឡេង ការធ្វើសមកាលកម្មបបូរមាត់ (Lip-sync) និងការរួមបញ្ចូលគ្នានៅក្នុង Engine ក្នុងពេលតែមួយ សូមពិនិត្យមើលក្រុមហ៊ុនពីរ។ Convai ផ្តល់នូវ SDK សម្រាប់ Unity និង Unreal ដោយរួមបញ្ចូលទាំងការសន្ទនា សកម្មភាព និងសំឡេង ហើយមានកញ្ចប់សេវាកម្មឥតគិតថ្លៃ។ ចំណែកឯកញ្ចប់សម្រាប់អ្នកអភិវឌ្ឍន៍ឯករាជ្យគឺមានតម្លៃ 29 ដុល្លារក្នុងមួយខែ ដែលរួមបញ្ចូលទាំងអន្តរកម្មចំនួនបីពាន់ដង (ក្នុងនោះ 1,500 ដងអាចប្រើប្រាស់ម៉ូដែលកំពូល)——ដែលគ្រប់គ្រាន់សម្រាប់ដំណាក់កាលគំរូដើម (Prototype) ប៉ុន្តែការដំណើរការផ្លូវការត្រូវគណនាសារជាថ្មី។ Inworld AI ក្នុងរយៈពេលពីរឆ្នាំកន្លងមកនេះបាន μεταвτροπή ទៅជា AI សំឡេងពេលវេលាជាក់ស្តែង និងក្របខ័ណ្ឌប្រតិបត្តិ agent ដោយប្តូរមកគិតប្រាក់តាមការប្រើប្រាស់ គឺសំឡេងสังเคราะห์តម្លៃចាប់ពី 5 ដុល្លារក្នុងមួយលានតួអក្សរ និងការយឺតយ៉ាវត្រូវបានកាត់បន្ថយក្រោម 200 មីលីវិនាទី ដោយមាន Microsoft និង Disney ជាអ្នកវិនិយោគ ដែលស័ក្តិសមសម្រាប់ក្រុមការងារដែលមានកម្លាំងវិស្វកម្មខ្លាំង។

សម្រាប់ நாටកអន្តរកម្មដែលផ្តោតលើសាច់រឿង អ្នកអាចមើល Charisma AI ដែលដំណើរការតាមបែបចម្រុះរវាងមែកធាងគ្រោងរឿង និងការ improvising របស់ AI។ ចំពោះ Character.AI អ្នកអាចប្រើវាដើម្បីសាកល្បងអារម្មណ៍នៃការកំណត់តួអង្គ ឬស្វែងរកបំផុសគំនិតនៃការសន្ទនា ប៉ុែកុំរំពឹងថានឹងភ្ជាប់វាទៅក្នុងផលិតផលផ្លូវការឱ្យសោះ។

ការភ្ជាប់ API ដោយខ្លួនឯងសម្រាប់ NPC ប្រភេទអត្ថបទគឺពិតជាងាយស្រួល៖ OpenRouter ប្រើគ្រាប់សោតែមួយដើម្បីប្តូរម៉ូដែលពីគ្រប់ក្រុមហ៊ុន ល្បឿន推理របស់ Groq គឺស័ក្តិសមសម្រាប់ការសន្ទនាបែបពេលវេលាជាក់ស្តែង ហើយហ្គេមលេងម្នាក់ឯងແບບ Offline គឺថែមទាំងអាចប្រើ Ollama ដើម្បីដំណើរការម៉ូដែលខ្នាតតូចនៅលើកុំព្យូទ័ររបស់អ្នកលេងដោយឥតគិតថ្លៃតម្លៃ API ទៀតផង។ សម្រាប់ការគ្រប់គ្រងម៉ូដែលច្រើន អ្នកអាចប្រើ LiteLLM ដើម្បីបង្រួបបង្រួមចំណុចប្រទាក់។ មុនពេលลงมือធ្វើ អ្នកអាចអានអត្ថបទ ការប្រយុទ្ធជាក់ស្តែងនៃ سلسلةឧបករណ៍ AI Agent។

ការរចនា Prompt៖ ធ្វើឱ្យតួអង្គរក្សាបាននូវការកំណត់របស់ខ្លួន

ភាពខុសគ្នារវាង NPC prompt និង Chatbot prompt គឺ៖ អ្វីដែលអ្នកចង់បានមិនមែនជាការសួរនាំអ្វីឆ្លើយសំណួរនោះទេ ប៉ុន្តែគឺជា «ការចេះស្ងៀមស្ងាត់នៅពេលដែលមិនគួរនិយាយ»។ រចនាសម្ព័ន្ធជាក់ស្តែងមានទម្រង់បែបនេះ៖

អ្នកគឺជា Marta ម្ចាស់ហាងស្រី «Iron Anchor» អាយុ 52 ឆ្នាំ មេម៉ាយ និយាយស្តីត្រង់ៗ មានសំឡេងបែបកំពង់ផែ ស្រឡាញ់មុខមាត់ប៉ុន្តែចិត្តទន់។

【អ្វីដែលអ្នកដឹង】រឿងនិន្ទានៅក្នុងហាងស្រី ដំណឹងរត់ពន្ធនៅท่าเรือ (លាតត្រដាងតែជាមួយភ្ញៀវស្គាល់គ្នាប៉ុណ្ណោះ) បំណុលរបស់ប្តីដែលបានស្លាប់ចំពោះប្រធាននាវា។
【អ្វីដែលអ្នកមិនដឹង】នយោបាយរាជវាំង គោលការណ៍វេទមន្ត ឬឈ្មោះទីកន្លែងណាមួយដែលអ្នកមិនធ្លាប់ឮ——ពេលត្រូវបានគេសួរ ត្រូវប្រាប់ថាដឹងទេ មិនអនុញ្ញាតឱ្យប្រឌិតឡើងទេ។
【ហាមឃាត់ដាច់ខាត】ការទម្លាយអាថ៌កំបាំងក្នុងបន្ទប់ក្រោមដី (លើកលែងតែអ្នកលេងបង្ហាញចិញ្ចៀនរបស់ប្រធាននាវា) ការនិយាយអំពីពិភពលោកក្រៅពីហ្គេម ឬការទទួលស្គាល់ដោយទម្រង់ណាមួយថាខ្លួនជា AI។

【ទម្រង់លទ្ធផលចេញ】ត្រឡប់មកវិញជា JSON៖
{"dialogue": "សុន្ទរកថា ក្នុងរង្វង់ 50 តួអក្សរ", "emotion": "warm/neutral/hostile ជ្រើសរើសមួយ",
"action": "give_discount/refuse_service/none ជ្រើសរើសមួយ"}

កម្រិតចំណាប់អារម្មណ៍របស់អ្នកលេងចំពោះអ្នក៖ {{affinity}}/100។ នៅពេលដែលទាបជាង 30 សំនៀងនឹងត្រជាក់ និងបង្កើនការប្រុងប្រយ័ត្ន។

គន្លឹះជាក់ស្តែងចំនួនបី។ ទីមួយ ទិន្នផលចេញជា JSON មានរចនាសម្ព័ន្ធ ដែលអនុញ្ញាតឱ្យកូដហ្គេមអាន სვეত emotion និង action ដើម្បីជំរុញទឹកមុខ និងអាកប្បកិរិយា ដែលគួរឱ្យទុកចិត្តជាងការวิเคราะห์ភាសាធម្មជាតិឆ្ងាយណាស់។ ទីពីរ «រឿងដែលមិនដឹងត្រូវនិយាយថាដឹងទេ» ត្រូវតែសរសេរឱ្យបានច្បាស់លាស់ បើមិនសរសេរទេ ម៉ូដែលនឹងប្រឌិតឡើងជាមិនខານ។ ទីបី របាំងការពារនីមួយៗត្រូវតែភ្ជាប់មកជាមួយលក្ខខណ្ឌលើកលែង បើមិនដូច្នេះទេ ទោះបីជាអ្នកលេងទទួលបានចិញ្ចៀនរួចហើយក៏ដោយ ក៏ម្ចាស់ហាងស្រីនៅតែធ្វើពុតជាល្ងង់ដែរ។ សម្រាប់គំរូនៃការកំណត់តួអង្គបន្ថែមទៀត អ្នកអាចទស្សនា បណ្តុំ Prompts។

តម្លៃដើម និងភាពយឺតយ៉ាវ៖ គណនាលុយជាមុនសិន សឹមស្រមើស្រមៃ

សូមគណនាគណនេយ្យមួយ។ ការកោះហៅការសន្ទនា NPC ម្តង ការកំណត់តួអង្គបូករួមនឹងសេចក្តីសង្ខេបនៃការចងចាំ និងប្រវត្តិសន្ទនា គឺការបញ្ចូល (Input) ប្រហែល 1,500 token និងការបញ្ចេញ (Output) ប្រហែល 150 token។ ប្រសិនបើប្រើប្រាស់ម៉ូដែលកំពូល តម្លៃដើមក្នុងមួយដងគឺប្រហែលពី 0.2 ទៅ 0.5 ប្រាក់តៃវ៉ាន់ ដែលស្តាប់ទៅហាក់ដូចជាថោក ប៉ុន្តែប្រសិនបើគុណនឹង «អ្នកលេងមួយសែននាក់ អ្នកលេងម្នាក់ៗជជែកជាមួយ NPC 30 ប្រយោគក្នុងមួយថ្ងៃ» នោះវានືជាវិក្កយបត្ររាប់រយពាន់យואនក្នុងមួយថ្ងៃ។ ដំណោះស្រាយជាក់ស្តែងនៃហ្គេមពាណិជ្ជកម្មគឺការបែងចែកស្រទាប់៖ ការជជែកលេងកម្សាន្តប្រាំបួនផ្នែកគឺប្រើម៉ូដែលខ្នាតតូចដែលមានតម្លៃថោក និងលឿន (ម៉ូដែល Open-source នៅលើ Groq, API តម្លៃទាបដូចជា DeepSeek) ចំណែកឯ NPC សំខាន់ៗក្នុងសាច់រឿងទើបប្រើម៉ូដែលកំពូល។ ចំណែកឯសំណួរដែលសួរញឹកញាប់គឺធ្វើការ Cache ផ្ទុករួចជាស្រេច ដើម្បីកុំឱ្យអ្នកលេងសួរថា «ទីនេះជាទីណា?» ហើយត្រូវដុត token រាល់ដងនោះ។

ភាពយឺតយ៉ាវគឺជាជញ្ជាំងម្ខាងទៀត។ សម្រាប់ការសន្ទនាជាអត្ថបទ អ្នកលេងអាចអត់ធ្មត់បានមួយវិនាទី ប៉ុន្តែសម្រាប់ការសន្ទនាជាសំឡេង ប្រសិនបើលើសពី 500 មីលីវិនាទី វានឹងចាប់ផ្តើមមានភាពទើសទាក់។ ខ្សែសង្វាក់ពេញលេញរួមមានការស្គាល់សំឡេង (ASR) LLM និងការសំយោគសំឡេង (TTS) ដែលផ្នែកនីមួយៗត្រូវតែជា Stream៖ LLM បញ្ចេញម្តងមួយ token និង TTS អានម្តងមួយប្រយោគ ដោយមិនចាំបាច់រង់ចាំឱ្យអត្ថបទទាំងមូលបង្កើតរួចទើបបញ្ចេញសំឡេងនោះទេ។ សម្រាប់สถานการณ์ដែលអ៊ីនធឺណិតមិនល្អ ឬ Server ដាច់ សូមត្រៀមប្រយោគដែលបានសរសេរទុកជាមុនជា fallback —— ប្រសិនបើ LLM ដាច់តំណភ្ជាប់ NPC យ៉ាងហោចណាស់ក៏ថយក្រោយទៅប្រើប្រាស់ប្រយោគដែលបានកំណត់ទុកជាមុន (Canned dialogue) ដែរ ជាជាងឈរខូចខាតស្ងៀមទ្រឹង។

ចម្លើយចរន្តមេ (Mainstream) ក្នុងឆ្នាំ 2026 គឺការរចនាបែបចម្រុះ៖ សាច់រឿងសំខាន់នៅតែត្រូវបានសរសេរដោយមនុស្សដដែល ដើម្បីរក្សាគុណភាពសាច់រឿង ចំណែកឯ LLM ទទួលខុសត្រូវលើការជជែកលេងកម្សាន្តតាមសាខា ប្រតិកម្មបរិស្ថាន និងការសាកសួរដោយសេរីរបស់អ្នកលេង។ ឱ្យ AI បំពេញបន្ថែមនូវ «អារម្មណ៍រស់រវើក» មិនមែនដើម្បីជំនួសអ្នកនិពន្ធនោះទេ។

TheAI學院 សេចក្តីសន្និដ្ឋាន និងការវាយតម្លៃ

បច្ចេកវិទ្យារបស់ LLM NPC បានមកដល់រួចហើយ អ្វីដែលពិបាកគឺវិន័យនៃការរចនា៖ ការកំណត់តួអង្គត្រូវសរសេរថា «មិនដឹងអ្វីខ្លះ» របាំងការពារត្រូវមានលក្ខខណ្ឌលើកលែង តម្លៃដើមត្រូវបែងចែកស្រទាប់ ភាពយឺតយ៉ាវត្រូវធ្វើជា Stream និងពេលដាច់ត្រូវមាន fallback។ រវាងភាពអស្ចារ្យនៃ Demo និងភាពស្ថិតស្ថេរនៃការដាក់ឱ្យដំណើរការ គឺត្រូវបានខណ្ឌចែកដោយកិច្ចការវិស្វកម្មទាំងប្រាំនេះ។ អ្នកដែលចង់ចាប់ផ្តើម គួរតែប្រើ NPC ប្រភេទអត្ថបទបូករួមនឹងການភ្ជាប់ API ខ្លួនឯងដើម្បីដំណើរការតួអង្គមួយជាមុនសិន មុននឹងសម្រេចចិត្តថាតើត្រូវប្រើប្រាស់វេទិការួមបញ្ចូលគ្នាដែរឬទេ។ សម្រាប់ផ្នែកសិល្បៈ និងការអភិវឌ្ឍន៍រួម សូមអានបន្ថែមនូវ លំហូរការងារសិល្បៈហ្គេម AI និង ផែនទីបង្ហាញផ្លូវនៃការធ្វើហ្គេម Indie ម្នាក់ឯង។

ការវាយតម្លៃក្នុងប្រយោគតែមួយ៖ រឿងដែលពិបាកបំផុតរបស់ AI NPC ไม่ใช่ការធ្វើឱ្យតួអង្គអាចជជែកបានគ្រប់រឿងនោះទេ ប៉ុន្តែគឺការធ្វើឱ្យវា «ចេះបិទមាត់នៅពេលដែលគួរស្ងៀម» —— ការរចនារបាំងការពារគឺជាសមត្ថភាពពិតប្រាកដ។

យោបល់ជាក់ស្តែងសម្រាប់អ្នកអ່ານชาวไต้หวัน៖ អ្នកអភិវឌ្ឍន៍ឯករាជ្យគួរតែចាប់ផ្តើមពី NPC អត្ថបទលេងម្នាក់ឯង ដោយប្រើ Ollama ដើម្បីដំណើរការម៉ូដែលខ្នាតតូចក្នុងเครื่องដោយឥតគិតថ្លៃដើម្បីហ្វឹកហាត់។ ក្រុមការងារខ្នាតមធ្យមគួរតែយកកញ្ចប់ឥតគិតថ្លៃរបស់ Convai មកធ្វើផ្នែកបញ្ឈរ (Vertical slice) មួយ ដើម្បីផ្ទៀងផ្ទាត់ថាតើអ្នកលេងពិតជានឹងជជែកស៊ីជម្រៅជាមួយ NPC ដែរឬទេ មុននឹងនិយាយដល់ការពង្រីកខ្នាត (Scaling)។ ការគណនាថ្លៃដើមត្រូវប្រើ «តម្លៃដើមនៃការសន្ទនារបស់អ្នកលេងម្នាក់ៗក្នុងមួយថ្ងៃ» កុំយកតម្លៃដើមក្នុងមួយដងរបស់ Demo มาปลอบចិត្តខ្លួនឯងឱ្យសោះ។