企业官网建设流程全解析

最近不少开发者群里都在讨论 “The Infinite Policeman – A Crookery” 这类对话型恶搞游戏：你明明只是开车去看奶奶，却被一个彬彬有礼又极其较真的警察反复拦下，从车尾灯颜色问到汤盒提手方向，只要回答稍有矛盾，嫌疑值立刻上涨。很多人以为这种效果靠的是写好的分支剧情，实际上它更像一个“大模型实时生成 NPC 反应”的案例：警察的每次追问、每轮态度变化，都不是提前写在剧情表里的，而是由角色提示词在运行时动态生成的。

本文不讨论原作品的具体作者、版权或素材来源，只从技术拆解和复刻的角度，讲解如何用 FastAPI + 一个兼容 OpenAI 协议的大模型接口，自己实现一款名为 “The Infinite Policeman – A Crookery” 风格的“无限拦截”对话小游戏。即使你还没有申请任何大模型 API，我也会提供一个可运行的本地 Mock 模式，让代码在没有任何外部依赖的情况下也能玩起来。

读完这篇文章，你可以掌握：怎样设计玩家的核心循环和失败条件、怎样让大模型输出结构化的 JSON 控制游戏状态、怎样用 FastAPI 管理多轮对话会话、怎样用原生 HTML/JS 做一个简单的聊天界面，以及这类“对抗性 NPC”游戏在实际工程化时要注意的坑。

1. 项目背景：一个“永远在拦你”的警察游戏

1.1 玩法体验拆解

“The Infinite Policeman” 这个名字里有两个关键词：Infinite 和 Policeman。

Infinite，指的并不是游戏地图真的无限大，而是玩家面对的追问是近乎无限的。当你解释完一个问题，警官不会说“好的我相信你”，而是从你的解释里又找到一个新疑点，继续往下问。比如你说汤盒是保温的，他会继续问保温盒是什么材质；你说盒子上没有字，他又会问你为什么没有出厂标签。这个连续追问的过程，天然适合交给大模型来完成，因为手写 if-else 分支根本不可能覆盖玩家输入的无数种解释。

Policeman，在这里可以理解成一个“高对抗性的 NPC”。在普通剧情游戏里，NPC 的目标是配合玩家推进故事；在这类游戏里，NPC 的目标是让玩家失败，但表面上又必须保持礼貌、克制、讲逻辑。这种“外表温和、内心怀疑”的反差，就是游戏喜剧效果的来源。

副标题里的 Crookery 在英文里有“欺诈、骗局、耍花招”的含义。玩家如果想顺利过关，就必须编造一个足够自洽的借口，在警察连续质疑下不露馅。所以这本质上是一场“玩家编故事”和“警察拆故事”的攻防对话。

1.2 为什么值得用技术手段复刻

从技术角度看，这个项目非常有代表性，因为它同时涉及了好几个在真实 AI 应用中经常遇到的问题：

• 角色扮演提示词如何稳定控制大模型的说话风格；
• 如何用 JSON 格式约束大模型输出，让游戏后端能够读取状态；
• 如何管理多轮对话历史，避免上下文越来越长导致 token 超限；
• 如何设计一个有限的状态机，把“无限追问”收敛成可以正常结束的游戏关卡。

这些知识点并不只属于“做小游戏”，在很多客服机器人、剧本杀生成器、虚拟角色陪伴产品里都会用到。所以这篇文章虽然以一个恶搞游戏为切入点，背后的工程方法完全可以用到更正经的场景里。

1.3 本文边界与读者对象

需要提前说明的是：游戏中的警察、规定、罚单全部是架空虚构设定，目的是营造幽默和荒诞感，与现实中的任何法律、执法程序无关。代码中的系统提示词也会反复强调这一点，避免模型生成与现实执法相关的敏感内容。

本文适合以下读者：

• 会一点 Python，想体验大模型应用开发但没做过完整项目；
• 熟悉 Python，但对提示词工程、结构化输出、对话会话管理感兴趣；
• 想给自己的游戏或互动产品加入一个“会怀疑人”的动态 NPC；
• 需要一个能离线运行的示例，先把代码跑通再接入大模型 API。

2. 环境准备与技术选型

2.1 运行环境

本文示例使用 Python 开发，建议使用 Python 3.10 及以上版本。不同系统安装方式有差异，本文不对具体小版本做绑定，重点演示整体配置思路。

推荐环境如下：

• 操作系统：Windows 10/11、macOS 或 Linux 均可；
• Python 3.10+；
• 包管理工具：pip；
• 虚拟环境：venv；
• 开发工具：VS Code 或 PyCharm；
• 浏览器：Chrome / Edge 等现代浏览器。

在项目目录下创建虚拟环境并激活：

cd infinite-policeman python -m venv .venv

Windows 下激活虚拟环境：

.venv\Scripts\activate

macOS 或 Linux 下激活虚拟环境：

source .venv/bin/activate

2.2 依赖与模型服务

安装依赖前，先准备 requirements.txt：

fastapi uvicorn[standard] requests python-dotenv

然后执行：

pip install -r requirements.txt

后端选择 FastAPI，原因是