AI NPC ກັບການເລົ່າເລື່ອງແບບມີສ່ວນຮ່ວມ: ບົດແນະນຳການອອກແບບບົດສົນທະນາທີ່ເຮັດໃຫ້ຕົວລະຄອນໃນເກມ «ມີຊີວິດຊີວາຂຶ້ນມາ»

ວັນພຸດຕອນບ່າຍ, ທີ່ຫ້ອງປະຊຸມຂອງສະຕູດິໂອເກມຂະໜາດຊາວຄົນແຫ່ງໜຶ່ງໃນເມືອງເນ່ຫູ, ໄທເປ, ນັກອອກແບບເນື້ອຫາເລື່ອງຫຼິ້ນ (Narrative Designer) ລິນຈືເຊນ ໄດ້ສົ່ງຈອຍເກມໃຫ້ກັບໂປດິວເຊີ. ຢູ່ໃນເດໂມ (Demo), ຜູ້ຫຼິ້ນໄດ້ເວົ້າກັບເຈົ້າຂອງຮ້ານເຫຼົ້າວ່າ: "ໜີ້ທີ່น้องชาย (น้องชาย/ນ້ອງຊາຍ) ຂອງເຈົ້າຕິດໄວ້, ຂ້ອຍຈ່າຍຄືນໃຫ້ໝົດແລ້ວ." ເຈົ້າຂອງຮ້ານເຫຼົ້າງຽບໄປສອງວິນາທີ, ສຽງອ່ອນລົງ, ແລະຄ່າເຫຼົ້າຫຼຸດລົງເຄິ່ງໜຶ່ງ — บทสนทນານີ້ບໍ່ໄດ້ຢູ່ໃນບົດຂຽນໃດໆເລີຍ, ແຕ່ມັນຖືກສ້າງຂຶ້ນແບບຮຽວທາມ (Real-time) ໂດຍ ພາສາໂມເດວ (LLM). ຫ້ອງປະຊຸມງຽບໄປສາມວິນາທີ, ຄຳທຳອິດທີ່ໂປດິວເຊີເວົ້າອອກມາແມ່ນບໍ່ແມ່ນ "สุดยอด" (ສຸດຍອດ), ແຕ່ແມ່ນ "ຄຳເວົ້າປະໂຫຍກນີ້, ຕົ້ນທຶນເທົ່າໃດ?"

ปฏິກິລິຍາສອງຢ່າງນີ້, ມັນແມ່ນພາບລວມທັງໝົດຂອງ LLM NPC ໃນປີ 2026: ໃນດ້ານປະສົບການແມ່ນເວດມົນແທ້ໆ, ແຕ່ໃນດ້ານໃບບິນແມ່ນຕ້ອງຄິດໄລ່ຢ່າງລະອຽດ. บทความນີ້ຈະອະທິບາຍຫຼັກການ, ເຄື່ອງມື, ວິທີຂຽນ Prompt, ລວມທັງຕົ້ນທຶນ ແລະ ຄວາມຊັກຊ້າທີ່ບໍ່ค่อยມີໃຜຢາກເວົ້າເຖິງຢ່າງລະອຽດ.

4 ຕອນຕໍ່ຂອງ LLM NPC: ຄາແຣັກເຕີ, ຄວາມຈຳ, ຄວາມຮູ້, ແລະ ລະບົບປ້ອງກັນ (Guardrails)

ການຍັດ ChatGPT ເຂົ້າໄປໃນເກມ, ບໍ່ໄດ້ໝາຍຄວາມວ່າເປັນ AI NPC. LLM NPC ທີ່ສາມາດເປີດໃຫ້ບໍລິການໄດ້ຈຳເປັນຕ້ອງມີຢ່າງໜ້ອຍ 4 ຊັ້ນ. ບັດຄາແຣັກເຕີ (System Prompt) ຈະກຳນົດວ່າຕົວລະຄອນນັ້ນແມ່ນໃຜ, ໂຕນສຽງແບບໃດ, ຮູ້ຫຍັງແດ່, ແລະ ສິ່ງໃດທີ່ບໍ່ຄວນເຮັດເດັດຂາດ. ຄວາມຈຳຊ່ວຍໃຫ້ຕົວລະຄອນຈື່ສິ່ງທີ່ຜູ້ຫຼິ້ນເຮັດຄັ້ງຫຼ້າສຸດ — ໃນທາງປະຕິບັດແມ່ນການບັນທຶກສະຫຼຸບການສົນທະນາ, ແລະ ຍັດມັນກັບຄືນໄປໃນບໍລິບົດ (Context) ທຸກຄັ້ງທີ່ມີການເອີ້ນໃຊ້, ບໍ່ດັ່ງນັ້ນ NPC ຈະມີອາການຄືຄົນຄວາມຈຳເສື່ອມ. ຖານຄວາມຮູ້ໃຊ້ RAG ເພື່ອເຊື່ອມຕໍ່ກັບການຕັ້ງຄ່າໂລກໃນເກມ, ເມື່ອຜູ້ຫຼິ້ນຖາມວ່າ "ສົງຄາມທາງເໜືອໃຜເປັນຜູ້ຊະນະ?", ຄຳຕອບຈະຖືກດຶງມາຈາກເອກະສານການຕັ້ງຄ່າ, ບໍ່ແມ່ນໃຫ້ໂມເດວຄາດเดาເອົາเอง, ໂດຍມີຫຼັກການດຽວກັນກັບ RAG ຄືຫຍັງ?.

ລະບົບປ້ອງກັນ (Guardrails) ຖືວ່າສຳຄັນທີ່ສຸດ ແລະ ມักຈະຖືກມອງຂ້າມເລື້ອຍໆ: NPC ຕ້ອງບໍ່ສະປويلເນື້ອຫາຫຼັກ, ຕ້ອງບໍ່ຖືກຜູ້ຫຼິ້ນຫຼອກເອົາວິທີແກ້ໄຂເຄວສ, ແລະ ຕ້ອງບໍ່ຖືກຊັກຈຳໃຫ້ເວົ້າເລື່ອງທີ່ກາຍຂອບເຂດ. ສຳລັບ Steam ແລ້ວ, ສຳລັບເນື້ອຫາທີ່ສ້າງຂຶ້ນແບບຮຽວທາມຍັງຮຽກຮ້ອງໃຫ້ມີກົນໄກລາຍງານສຳລັບຜູ້ຫຼິ້ນນຳ — ລະບົບປ້ອງກັນຈຶ່ງไม่ใช่ທາງເລືອກ, ແຕ່ເປັນເງື່ອນໄຂໃນການວາງຂາຍ.

ວິທີເລືອກເຄື່ອງມື: ชุดເຄື່ອງມືສຳເລັດຮູບຊ່ວຍປະຫຍັດເວລາ, ເຊື່ອມຕໍ່ເອງຊ່ວຍປະຫຍັດເງິນ

ຖ້າຕ້ອງການສຽງ, ປາກກົງກັນ, ແລະ ການປະສົມປະສານກັບ Game Engine ເຂົ້າກຳນົດຄັ້ງດຽວ, ໃຫ້ເບິ່ງສອງບໍລິສັດນີ້. Convai มี SDK ສຳລັບ Unity ແລະ Unreal, ເຊິ່ງລວມທັງການສົນທະນາ, ການກະທຳ, ແລະ ສຽງໄວ້ໝົດແລ້ວ, ພ້ອມທັງມີແພັກເກັດຟຣີ; ສ່ວນແພັກເກັດສຳລັບນັກພັດທະນາອິດສະຫຼະມີລາຄາ 29 ดอลลาร์ຕໍ່ເດືອນ, ລວມການໂຕ້ຕອບ 3,000 ครั้ง (ເຊິ່ງ 1,500 ครั้งສາມາດໃຊ້ໂມເດວຮຸ່ນທຸງໄດ້) — ເຊິ່ງພຽງພໍສຳລັບຊ່ວງເຮັດຕົ້ນແບບ, ແຕ່ສຳລັບການດຳເນີນງານຢ່າງເປັນທາງການແມ່ນຕ້ອງຄິດໄລ່ໃໝ່. Inworld AI ໃນຊ່ວງສອງປີມານີ້ໄດ້ຫັນປ່ຽນໄປສູ່ AI ສຽງແບບຮຽວທາມ ແລະ ໂຄງຮ່າງການເຮັດວຽກຂອງ Agent, ໂດຍປ່ຽນມາຄິດໄລຕາມການໃຊ້ງານ, ການສັງເຄາະສຽງເລີ່ມຕົ້ນທີ່ 5 ดอลลาร์ຕໍ່ລ້ານຕົວອັກສອນ, ຄວບຄຸມຄວາມຊັກຊ້າໃຫ້ຕໍ່າກວ່າ 200 မิลลิวินาที, ໂດຍມີ Microsoft ແລະ Disney ເປັນຜູ້ລົງທຶນ, ເຊິ່ງເໝາະສົມກັບທີມທີ່ມີພະລັງງານທາງວິສະວະກຳສູງ.

ສຳລັບເກມເລື່ອງເລົ່າແບບໂຕ້ຕອບສາມາດເບິ່ງ Charisma AI, ເຊິ່ງເປັນການປະສົມປະສານລະຫວ່າງແຜນຜັງເນື້ອຫາ ແລະ ການ improvising ຂອງ AI. ສ່ວນ Character.AI, ທ່ານສາມາດໃຊ້ມັນເພື່ອທົດສອບຄວາມຮູ້ສຶກຂອງຄາແຣັກເຕີ ແລະ ຊອກຫາແຮງບັນດານໃຈໃນການສົນທະນາໄດ້, ແຕ່ຢ່າຄາດຫວັງວ່າຈະເອົາມັນໄປເຊື່ອມຕໍ່ກັບຜະລິດຕະພັນຕົວຈິງ.

ການເຊື່ອມຕໍ່ API ສຳລັບ NPC ປະເພດຂໍ້ຄວາມແມ່ນເຮັດໄດ້ບໍ່ຍາກ: OpenRouter ມີກະແຈອັນດຽວທີ່ສາມາດສະຫຼັບໂມເດວຕ່າງໆໄດ້, ຄວາມໄວໃນການປະມວນຜົນຂອງ Groq ແມ່ນເໝາະສົມສຳລັບການສົນທະນາແບບຮຽວທາມ, ແລະ ສຳລັບເກມແບບ Offline ແບບດ່ຽວແມ່ນສາມາດໃຊ້ Ollama ເພື່ອລັນໂມເດວຂະໜາດນ້ອຍໃນເຄື່ອງຂອງຜູ້ຫຼິ້ນໄດ້ເລີຍ, ເຊິ່ງມີຕົ້ນທຶນ API ເປັນສູນ. ສຳລັບການຈັດການຫຼາຍໂມເດວສາມາດໃຊ້ LiteLLM ເພື່ອເປັນອິນເຕີເຟດກາງ. ກ່ອນລົງมือເຮັດສາມາດອ່ານ ຄູ່ມືການປະຕິບັດງານເຄື່ອງມື AI Agent.

ການອອກແບບ Prompt: ເຮັດໃຫ້ຕົວລະຄອນຮັກສາຄາແຣັກເຕີໄວ້ໄດ້

ຄວາມແຕກຕ່າງທີ່ໃຫຍ່ທີ່ສຸດລະຫວ່າງ Prompt ຂອງ NPC ແລະ Prompt ຂອງ Chatbot ຄือ: ສິ່ງที่คุณຕ້ອງການไม่ใช่ການຖາມແລ້ວຕອບທຸກຢ່າງ, ແຕ່ແມ່ນ "ການຮູ້ຈັກສິ່ງທີ່ບໍ່ຄວນຕອບ". ໂຄງສ້າງການປະຕິບັດຕົວຈິງມີລັກສະນະແບບນີ້:

ເຈົ້າຄື "ມາກຕາ" ເຈົ້າຂອງຮ້ານເຫຼົ້າສະມໍເຫຼັກ, ອາຍຸ 52 ປີ, ເປັນມ້າຍ, ເວົ້າຈາຕົງໄປຕົງມາ, ມີສຳນຽງແບບຄົນທ່າເຮືອ, ເປັນຄົນຮັກໜ້າຕາແຕ່ໃຈອ່ອນ.

【ສິ່ງທີ່ເຈົ້າຮູ້】ຂ່າວຊຸບຊິບໃນຮ້ານເຫຼົ້າ, ข่าวลືການລັກລອບຂົນສົ່ງສິນຄ້າທາງເຮືອ (ບອກສະເພາະລູກຄ້າประจำ), หนี้ທີ່สามີຜູ້ລວງລັບຕິດກັບກัปຕັນເຮືອ.
【ສິ່ງທີ່ເຈົ້າບໍ່ຮູ້】ການເມືອງໃນວັງຫຼວງ, ຫຼັກການເວດມົນ, ຊື່ສະຖານທີ່ໃດກໍ່ຕາມທີ່ເຈົ້າບໍ່ເຄີຍໄດ້ຍິນ — ຖ້າຖືກຖາມໃຫ້ຕອບວ່າບໍ່ຮູ້, ห้ามแต่งเรื่องຂຶ້ນມາເດັດຂາດ.
【ຫ້າມເດັດຂາດ】ເປີດເຜີຍຄວາມລັບໃນຫ້ອງໃຕ້ดิน (ເວັ້ນເສຍແຕ່ຜູ້ຫຼິ້ນຈະສະແດງວົງແຫວນຂອງກັບຕັນ), พูดคุยກ່ຽວກັບໂລກພายนອກເກມ, ຫຼື ຍອມຮັບໃນຮູບແບບໃດກໍ່ຕາມວ່າຕົນเองເປັນ AI.

【รูปแบบການສົ່ງອອກ】ສົ່ງຄືນເປັນ JSON:
{"dialogue": "บทพูด, ພາຍໃນ 50 ຕົວອັກສອນ", "emotion": "ເລືອກຢ່າງໃດຢ່າງໜຶ່ງລະຫວ່າງ warm/neutral/hostile",
"action": "ເລືອກຢ່າງໃດຢ່າງໜຶ່ງລະຫວ່າງ give_discount/refuse_service/none"}

ຄວາມ ພຶງ ພໍ ໃຈ ຂອງ ຜູ້ ຫຼິ້ນ: {{affinity}}/100. ຖ້າຕໍ່າກວ່າ 30 ໂຕນສຽງຈະເຢັນຊາ ແລະ ເພີ່ມຄວາມລະວັງຕົວ.

ສາມບົດຮຽນຈາກການປະຕິບັດຕົວຈິງ. ໜຶ່ງ, ສົ່ງອອກເປັນ JSON ທີ່ມີໂຄງສ້າງ, ເພື່ອໃຫ້ເຫດຜົນຂອງເກມອ່ານຄ່າຈາກຊ່ອງ emotion ແລະ action ໄປຂັບເຄື່ອນສີໜ້າ ແລະ พฤติกรรม, ເຊິ່ງໜ້າເຊື່ອຖືຫຼາຍກວ່າการวิเคราะห์ພາສາທຳມະຊາດ. ສອງ, "ສິ່ງທີ່ບໍ່ຮູ້ໃຫ້ບອກວ່າບໍ່ຮູ້" ຕ້ອງຂຽນໃຫ້ຊັດເຈນ, ຖ້າບໍ່ຂຽນ, ໂມເດວຈະແຕ່ງເລື່ອງຂຶ້ນມາເອງຢ່າງແນ່ນອນ. ສາມ, ກົດລະບຽບແຕ່ລະຂໍ້ຕ້ອງມີເງື່ອນໄຂຍົກເວັ້ນ, ບໍ່ດັ່ງນັ້ນຜູ້ຫຼິ້ນໄດ້ວົງແຫວນມາແລ້ວ, ເຈົ້າຂອງຮ້ານກໍ່ຍັງແກ້ງໂງ່ຢູ່. ສາມາດຊອກຫາຕົວຢ່າງຄາແຣັກເຕີເພີ່ມເຕີມໄດ້ທີ່ ຄັງຄຳສຳພັນ (Prompts).

ຕົ້ນທຶນ ແລະ ຄວາມຊັກຊ້າ: ຄິດໄລ່ເງິນກ່ອນ, ແລ້ວຈຶ່ງສ້າງຄວາມຝັນ

ມາຄິດໄລ່ຕົ້ນທຶນກັນ. ການເອີ້ນໃຊ້ການສົນທະນາ NPC ໜຶ່ງຄັ້ງ, ລວມທັງບັດຄາແຣັກເຕີ, ການສະຫຼຸບຄວາມຈຳ, ແລະ ປະຫວັດການສົນທະນາ, ຈະມີ Input ประมาณ 1,500 token ແລະ Output ประมาณ 150 token. ຖ້າໃຊ້ໂມເດວຮຸ່ນທຸງ, ຕົ້ນທຶນຕໍ່ຄັ້ງແມ່ນປະມານ 0.2 ເຖິງ 0.5 ดอลลาร์ໄຕ້ຫວັນ, ເຊິ່ງຟັງເບິ່ງຄືວ່າຖືກ; ແຕ່ເມື່ອຄູນກັບ "ແສນຄົນຫຼິ້ນ, ຜູ້ຫຼິ້ນແຕ່ລະຄົນສົນທະນາກັບ NPC 30 ປະໂຫຍກຕໍ່ມື້", ມັນກໍ່ຈະກາຍເປັນບິນຄ່າใช้จ่ายຫຼາຍແສນຕໍ່ມື້. ທາງອອກໃນຄວາມເປັນຈິງຂອງເກມການຄ້າແມ່ນການແບ່ງຊັ້ນ: 90% ຂອງການສົນທະນາທົ່ວໄປໃຊ້ໂມເດວຂະໜາດນ້ອຍທີ່ລາຄາຖືກ ແລະ ໄວ (ໂມເດວ Open Source ເທິງ Groq, API ລາຄາຖືກເຊັ່ນ DeepSeek), ແລະ ໃຊ້ໂມເດວຮຸ່ນທຸງສະເພາະກັບ NPC ທີ່ສຳຄັນໃນເນື້ອຫາ; ສ່ວນຄຳຖາມທີ່ພบบ่อยແມ່ນໃຊ້ Cache ໄປเลย, ຜູ້ຫຼິ້ນຖາມວ່າ "ບلاນີ້ແມ່ນບ່ອນໃດ" ບໍ່ຈຳເປັນຕ້ອງເຜົາ Token ທຸກຄັ້ງ.

ຄວາມຊັກຊ້າແມ່ນອີກໜຶ່ງກຳແພງ. ສຳລັບການສົນທະນາແບບຂໍ້ຄວາມ, ຜູ້ຫຼິ້ນສາມາດອົດທົນໄດ້ປະມານໜຶ່ງວິນາທີ; ແຕ່ສຳລັບການສົນທະນາດ້ວຍສຽງ, ຖ້າເກີນ 500 မิลลิวินาที ມັນຈະເລີ່ມມີຄວາມອຶດອັດ. ຕ່ອງໂສ້ທີ່ສົມບູນປະກອບດ້ວຍສາມສ່ວນຄື: ການຈົດຈຳສຽງ (Speech Recognition), LLM, ແລະ ການສັງເຄາະສຽງ (TTS), ເຊິ່ງແຕ່ລະສ່ວນຕ້ອງເຊື່ອມຕໍ່ແບບສະຕຣີມ (Streaming): LLM ປ່ອຍອອກມາทีละ token, TTS ອ່ານทีละປະໂຫຍກ, ຢ່າລໍຖ້າໃຫ້ເນື້ອຫາທັງໝົດສ້າງສຳເລັດກ່ອນແລ້ວຈຶ່ງສົ່ງສຽງອອກມາ. ສຳລັບສະຖານະການທີ່ອິນເຕີເນັດບໍ່ດີ ຫຼື ເຊີບເວີລົ້ມ, ໃຫ້ກຽມບົດສົນທະນາທີ່ຂຽນໄວ້ລ่วงໜ້າເປັນ Fallback — ຖ້າ LLM ຕັດການເຊື່ອມຕໍ່, ຢ່າງໜ້ອຍ NPC ກໍ່ຄວນຖອຍກັບໄປໃຊ້ປະໂຫຍກສຳເລັດຮູບ, ຢ່າຢືນຕາຍຊື່ໆ.

ຄຳຕອບຫຼັກໃນປີ 2026 ແມ່ນການອອກແບບແບບປະສົມ: ເນື້ອຫາຫຼັກຍັງคงຂຽນດ້ວຍມືຄືເກົ່າ ເພື່ອຮັກສາຄຸນນະພາບຂອງເລື່ອງໄວ້; ສ່ວນ LLM ຮັບຜິດຊອບການສົນທະນາຮອງ, ປະຕິກິລິຍາຕໍ່ສະພາບແວດລ້ອມ, ແລະ ການຕັ້ງຄຳຖາມຢ່າງເສລີຂອງຜູ້ຫຼິ້ນ. ໃຫ້ AI เติมເຕີມຄວາມรู้สึก "ມີຊີວິດຊີວາ", ບໍ່ແມ່ນມາແທນທີ່ນັກຂຽນບົດ.

ບົດສະຫຼຸບ ແລະ ຄວາມຄິດເຫັນຈາກ TheAI學院

ເຕັກໂນຊີຂອງ LLM NPC ແມ່ນພ້ອມແລ້ວ, ສິ່ງທີ່ຍາກແມ່ນລະບຽບວິໄນໃນການອອກແບບ: ບັດຄາແຣັກເຕີຕ້ອງຂຽນວ່າ "ບໍ່ຮູ້ຫຍັງແດ່", ລະບົບປ້ອງກັນຕ້ອງມີເງື່ອນໄຂຍົກເວັ້ນ, ຕົ້ນທຶນຕ້ອງແບ່ງຊັ້ນ, ຄວາມຊັກຊ້າຕ້ອງເປັນແບບສະຕຣີມ, ແລະ ເວລາລົ້ມຕ້ອງມີ Fallback. ລະຫວ່າງຄວາມຕື່ນເຕັ້ນຂອງເດໂມ ແລະ ความเสถียรໃນການເປີດໃຫ້ບໍລິການຕົວຈິງ, ມີວຽກວິສະວະກຳເຫຼົ່າສາມຢ່າງນີ້ຂັ້ນກາງຢູ່. ສຳລັບຜູ້ທີ່ຢากເລີ່ມຕົ້ນ, ໃຫ້ໃຊ້ NPC ប្រភេទຂໍ້ຄວາມຮ່ວມกับการເຊື່ອມຕໍ່ API ເອງເພື່ອທົດລອງrunຕົວລະຄອນໃຫ້ໄດ້ກ່ອນ, ແລ້ວຈຶ່ງຕັດສິນໃຈວ່າຈະໃຊ້ແພັກເກັດສຳເລັດຮູບຫຼືບໍ່. ສຳລັບວຽກດ້ານສິລະປະ ແລະ ການພັດທະນາໂດຍລວມ, ສາມາດອ່ານເພີ່ມເຕີມໄດ້ທີ່ ຄູ່ມືກຳມະວິທີສິລະປະເກມ AI ແລະ ແຜນຜັງການເຮັດເກມ Indie ດ້ວຍຕົວຄົນດຽວ.

ຄຳເຫັນສຳຫຼັບປະໂຫຍກດຽວ: ສິ່ງທີ່ຍາກທີ່ສຸດຂອງ AI NPC ບໍ່ແມ່ນການເຮັດໃຫ້ຕົວລະຄອນເວົ້າໄດ້ທຸກເລື່ອງ, ແຕ່ແມ່ນການເຮັດໃຫ້ມັນ "ຮູ້ຈັກປິດປາກໃນເວລາທີ່ຄວນ" — ການອອກ