一、Demo 简介
是什么： 薄暮证词是一款 AI 驱动的 Web 端刑事侦查推理游戏。玩家扮演刑警，通过现场勘查、证据处理、嫌疑人审讯、灰色调查等环节，最终提交定罪结论，由 AI 法官评判推理质量。
面向谁： 喜欢悬疑推理、刑侦题材的玩家；想要体验"像真实刑警一样办案"的用户。
主要功能（3 个核心）：
1. 沉浸式现场勘查
SVG 矢量平面图还原案发现场（书房），可点击家具、搜检尸体、翻查抽屉。部分线索需要工具（紫外灯、放大镜）才能发现，解谜元素（手机解锁密码、抽屉钥匙）增加探索深度。
现场勘查界面
证据检验界面
人物档案界面
2. AI 驱动的嫌疑人审讯
6 位嫌疑人各有独立人格、秘密和信息掌握度。通过 DeepSeek API 实现流式对话，嫌疑人会根据配合度、压力值、信任度和已出示证据动态调整回答——压力过高可能崩溃说真话，也可能编造假话。玩家可使用普通提问、出示证据、施压逼问、测谎询问、心理暗示 5 种策略。
3. 证据处理与定罪评判
收集的证物可进行 DNA 比对、指纹比对、文件鉴定等处理。最终提交凶手、动机、时间线、罪名和证据链，由 AI 法官（deepseek-reasoner）给出 0-100 分评分和结局等级（完美定罪 / 定罪但遗漏 / 错判 / 证据不足）。
二、Demo 创作思路
灵感来源
一直很喜欢《逆转裁判》《弹丸论破》这类推理游戏，但它们的对话是预写的脚本——一旦玩过一遍就失去悬念。我想：如果嫌疑人的回答由 AI 实时生成，每次玩都有不同的推理路径，那重玩价值会大幅提升。同时，传统推理游戏的"出示证据"机制如果配合 AI 的动态反应，能创造出真正"智斗"的体验。
想解决的问题
-
推理游戏重玩价值低：脚本式对话一旦通关就丧失悬念
-
推理游戏门槛高：纯文字 AVG 形式枯燥，操作繁琐
为什么做这个方向
-
AI 适合角色扮演：大语言模型天然适合扮演不同人格的嫌疑人，且能根据上下文（压力、证据、配合度）动态调整
-
推理 + AI 是蓝海：市面上几乎没有 AI 驱动的刑侦推理游戏，这是一个未被验证但潜力巨大的方向
-
Web 端可即点即玩：不需要下载安装，点开链接就能体验，降低传播门槛
-
技术可行性高：DeepSeek API + React 前端 + SiliconFlow 图片/语音生成，技术栈成熟
三、Demo 体验地址
在线体验： https://dusk-evidence-production.up.railway.app/
体验说明：
-
进入游戏后先看案件简介，然后到"现场勘查"点击家具和线索点收集证物
-
收集到手机后需要解锁（密码在访客登记簿中），收集到钥匙后才能打开抽屉
-
到"证据处理"进行 DNA 比对、指纹比对等（比对完成后自动锁定）
-
到"审讯室"选择嫌疑人对话，可出示证据、施压、测谎
-
"灰色调查"有风险机制，失败消耗双倍警力但仍获得线索
-
最终到"定罪提交"填写凶手、动机、时间线、罪名和证据链
四、TRAE 实践过程
整体开发流程
整个项目从创意到可部署 Demo，全程使用 TRAE IDE 完成。开发流程如下：
产品文档（PRD） → 技术设计文档（TDD） → 前端组件开发 → AI 集成 → 素材生成 → 部署上线
阶段一：需求规划与架构设计
使用 TRAE 的对话能力，先梳理产品需求文档，确定游戏的核心循环：
现场勘查 → 证据处理 → 嫌疑人审讯 → 灰色调查 → 定罪提交
然后设计技术架构：Electron 桌面版 + Web 部署双轨并行，通过 platform.ts 适配层自动检测运行环境。
Session ID： .995532829638320:a93fe1c3d6d352e66b8745d2ada9bb34_6a48fbdffda4e6d781d0b254.6a48fd94fda4e6d781d0b34d.6a48fd94d705193010b1d6b0:Trae CN.T(2026/7/4 20:33:24)
阶段二：核心组件开发
使用 TRAE IDE 逐步开发所有 React 组件，每个组件都通过自然语言描述需求，让 AI 生成代码后微调：
Session ID： .995532829638320:3a1c18a7995fe84b0c1e6f720b61daa4_6a48fbdffda4e6d781d0b254.6a4b9f6cc9a1126faa0285bc.6a4b9f6cb5bdae6c3c93c06a:Trae CN.T(2026/7/6 20:28:28)
阶段三：AI 集成与调优
3.1 DeepSeek 审讯对话
集成 DeepSeek API 实现嫌疑人 AI 对话。核心是构建系统提示词（System Prompt），包含：
-
案件背景 + 角色小传（6 位嫌疑人各有 200 字人格描写）
-
13 条核心规则（不能跳出角色、不能编造信息、压力过高时崩溃或说谎等）
-
证据强度动态判断（根据玩家已收集证据数量调整 AI 防线）
对话支持流式响应（SSE），保留最近 6 轮历史对话作为上下文。
3.2 SiliconFlow 图片生成
调用 SiliconFlow 的 FLUX.1-schnell 模型，生成 27 张游戏素材图片：
-
6 张人物立绘（嫌疑人肖像）
-
17 张证物图片（血迹、毛发、指纹、文件等）
-
4 张场景图片（书房现场、审讯室、开场画面、定罪场景）
3.3 SiliconFlow TTS 语音合成
监听录音功能最初使用 Web Speech API，效果太 AI 化。改用 SiliconFlow CosyVoice2 模型预生成 8 个 mp3 文件，为不同角色配置专属音色：
Session ID： .995532829638320:eb5890ffe541fbbe20d8ff2fd231f913_6a48fbdffda4e6d781d0b254.6a4f9ebfa84c07dd31b91005.6a4f9ebe1a24fd681d35ab2b:Trae CN.T(2026/7/9 21:14:39)
阶段四：部署上线
为了确保 Demo 可以 24/7 在线访问，实现了railway部署方案：
平台适配层设计
创建 platform.ts 统一适配层，自动检测运行环境：
const isElectron = typeof window !== 'undefined' && !!(window as any).electronAPI;
// Electron → IPC 通信
// Web → fetch + SSE
Session ID： .995532829638320:ab9ef77c3eb3120a33dc17f36ad08541_6a48fbdffda4e6d781d0b254.6a50a50fc998319fc7e8bffa.6a50a50e6864750693dece1a:Trae CN.T(2026/7/10 15:53:51)
五、开发心得与经验总结
1. AI 对话游戏的系统提示词是核心
系统提示词直接决定 AI 角色的表现质量。我花了大量时间迭代提示词：
-
限制 AI 不能编造游戏内不存在的证人、地点、时间
-
根据玩家证据数量动态调整 AI 防线强度
-
压力过高时随机产生两种结果（崩溃说真话 / 编造假话），增加不确定性
2. 预定义内容 + AI 动态生成的混合模式
完全依赖 AI 生成内容会有不稳定性问题。最终采用混合模式：
-
案件真相、证据、角色信息预定义在
case.json中 -
嫌疑人的对话回答由 AI 根据预定义信息 + 当前游戏状态动态生成
-
这样保证了故事框架的稳定性，同时获得对话的动态性
3. 多平台部署的适配层模式
通过 platform.ts 适配层，一套前端代码同时支持：
-
Electron 桌面版（IPC + electron-store 存档）
-
Railway Web 版（Node.js Server + localStorage 存档）
4. 警力经济系统设计
推理游戏容易陷入"随便试"的困境。通过警力系统约束玩家行为：
-
收集线索 +5、检测结果 +3、出示证据 +4、施压/测谎 +3、灰色调查 +4
-
普通提问不奖励，防止刷分
-
灰色调查有风险，失败消耗双倍警力
这样玩家需要认真思考每一步行动的策略价值。
六、未来计划与展望
短期：完善体验，验证核心玩法（1-2 个月）
多案件 + 案件编辑器
-
当前 Demo 包含一个完整案件（“疗养院谋杀案”），计划扩展至 3-5 个独立案件
-
开发AI案件生成，通过复刻经典案件，提高社会对经典案件的反思。
-
引入案件难度分级：新手案件（线性推理）→ 进阶案件（多嫌疑人交叉）→ 专家案件（动态线索生成）
多人协作推理模式
-
支持多人同时在线审讯不同嫌疑人，信息实时共享
-
引入"主审 / 助理"角色分工，考验团队沟通与信息整合能力
中期：从游戏到教育工具的价值延伸（3-6 个月）
法学教育场景落地
-
与法学院合作，将游戏改造为"刑侦模拟实验"教学工具
-
学生通过 AI 驱动的审讯练习，学习证据链构建、程序正义、嫌疑人权利保护等核心概念
-
AI 法官评判系统可扩展为教师批改辅助工具，对学生的推理过程给出结构化反馈
反诈宣传公益方向
-
基于现有 AI 对话引擎，开发"反诈情景模拟"系列内容
-
用户扮演反诈民警，通过对话识破 AI 扮演的诈骗嫌疑人话术
-
通过沉浸式体验提升公众防骗意识，可联合公安反诈中心推广
开源 AI 互动叙事框架
-
将核心引擎（AI 角色扮演 + 证据系统 + 审讯机制）抽象为开源框架
-
开发者可基于框架创建自己的 AI 推理 / 角色扮演 / 教育模拟应用
-
框架原生集成 TRAE 开发体验，降低 AI 应用开发门槛
长期：AI 驱动的沉浸式推理生态（6-12 个月）
多模态 AI 交互
-
接入语音识别 + TTS，实现真正的"语音审讯"——玩家用嘴问，嫌疑人用嘴答
-
引入 AI 生成的嫌疑人微表情（图片动态变化），玩家需观察表情判断是否说谎
-
多模态融合：语言 + 语气 + 表情 + 行为模式，还原真实审讯的复杂性
动态案情生成
-
利用 AI 根据玩家行为动态调整案情走向——如果玩家审讯策略不同，嫌疑人可能露出不同破绽
-
每局游戏的推理路径不完全相同，大幅提升重玩价值
-
引入"蝴蝶效应"机制：早期的小选择影响后期可用线索
社区共创生态
-
玩家可上传自创案件，AI 辅助验证案件逻辑自洽性
-
社区投票选出优质案件，形成 UGC 内容飞轮
-
优秀创作者可获得 AI 调用额度奖励，降低持续创作成本
价值观：让 AI 创造有深度的互动体验
我们相信，AI 的价值不仅是"更聪明的聊天机器人"，而是能创造有规则、有博弈、有成长的深度互动体验。薄暮证词验证了一个方向：
AI 角色扮演 + 游戏化机制 = 无限重玩价值的沉浸式体验
这个方向不仅适用于推理游戏，同样适用于：
-
教育：历史场景模拟（与"苏轼"对话学宋词）、医患沟通训练
-
职业培训：商务谈判模拟、客户投诉处理练习
-
心理干预：社交恐惧暴露疗法、情绪管理场景训练
我们希望借助 TRAE 大赛的平台，将这个验证过的方向推向更广阔的应用场景。AI 不应只是工具，更应是创造深度人文体验的 collaborators。
七、报名帖链接
最后再次附上体验链接：
在线体验： https://dusk-evidence-production.up.railway.app/
全程使用 TRAE IDE 开发完成，从产品规划到部署上线，AI 辅助了每一个环节。