自己 / 团队介绍
我是一名初中生，业余酷爱推理游戏与 AI 创作。做这个作品的初衷是用侦探游戏来揭示社会现象。Vibe Coding 年限3个月，擅长用AI构建小游戏和小工具。
产品简介（复赛版）
是什么
《薄暮证词》是一款 AI 驱动的刑事侦查推理游戏（桌面端 App + Web 双端），玩家扮演刑警，通过现场勘查 → 证物收集 → 证据组合 → 嫌疑人审讯 → 卷宗提交的完整办案链路，亲手还原"书房谋杀案"真相，由 AI 法官对推理质量打分定档。
与市面推理游戏最大的不同：嫌疑人是活的 —— 6 位嫌疑人由大模型驱动，拥有独立人格、秘密与信息防线，会因你的审讯策略、出示的证据、压力值的变化而说谎、崩溃、翻供；玩家是"真正的侦探"，而 AI 是"真正的对手"。
面向谁
-
悬疑推理 / 刑侦题材爱好者：想要"像真实刑警一样办案"的沉浸体验
-
AI 产品尝鲜者：想体验"AI 不只是聊天，而是博弈对手"的玩法
完整功能
游戏内是一条完整的办案流程：
-
案件导入与剧情演绎：序幕 → 三幕正剧 → 终局，全剧情由角色配音逐句朗读（见下方语音系统），沉浸式代入
-
现场勘查：SVG 平面图还原书房现场，点击家具搜检尸体、翻查抽屉、检查书桌；部分线索需要紫外灯、放大镜等工具；场景热点由 AI 视觉定位自动标注，点击真实位置即可交互
-
证物收集与状态演化：收集到的证物以"图片 + 名称 + 已收集标记"卡片呈现，并随剧情推进展示状态句（如铜镇纸"被翻了过来，底面血痕边缘圆润，是被人仔细擦过的"），线索会"活"起来
-
证据组合推理：在笔记本中将两件证物 A × B 进行比对，命中的组合会生成关键推理结论（如"人字拖血迹 + 车库台阶 → 凶手换过鞋"），这是推进剧情的核心手段
-
AI 嫌疑人审讯：6 位嫌疑人各有 200 字人格小传与 13 条对话规则；支持普通提问、出示证据、施压逼问、测谎询问、心理暗示 5 种策略，受压力值、信任度、配合度三条数值线动态影响；错误出示证据会触发误导反应并被记录，答错问题会留下污点
-
笔记本三合一：疑问清单（带推进提示）、证据组合面板、审讯记录、下一步行动建议整合在一个界面，引导不熟悉推理的玩家也能顺畅推进
-
卷宗提交与多档结局：可自由组合"凶手 / 动机 / 时间线 / 罪名 / 证据链"，提交后由 deepseek-reasoner 评判，给出完美定罪 / 真相但遗漏 / 证据不足 / 错案四档结局与侦探评分
-
全量角色语音：115 句剧情 / 调查 / 审讯台词全部预生成 mp3（qwen-audio-3.0-tts-plus），每个角色专属音色并带语气标签（阴沉、悲咽、迟疑……）；未预生成的句子实时 TTS 兜底
-
双端形态：Windows 安装包（Electron）+ Web 在线版，同一套代码
产品创作历程
灵感来源
我酷爱《逆转裁判》《弹丸论破》这类推理游戏，但它们的对话是预写脚本——玩过一遍就失去悬念。我反复在想：如果嫌疑人由 AI 实时生成回答，每一次审讯都是新的"智斗"，推理游戏的重玩价值会不会大幅提升？同时，大多数 AI 聊天产品停留在"闲聊"，缺少规则、博弈与胜负。把 AI 放进刑侦审讯的博弈框架里，是我真正想做的方向。
初赛 Demo：验证核心命题
初赛阶段我做了最小闭环：一个案件的现场勘查 + 一两名嫌疑人的 AI 对话 + 定罪提交。它验证了两件事：① AI 扮演嫌疑人的效果远超预期，玩家会真的去"审问"它；② 预定义真相 + AI 动态回答的混合架构是稳定的。但 Demo 的完成度明显不足：语音只有几句、图片质量粗糙、玩法单一、新手没有引导。
复赛：从"能玩"到"好玩"
复赛阶段围绕"完整性"做了三件大事：
第一，全量语音。 最初的语音方案是实时调用 TTS，但点击"说话"后要等 2-5 秒才有声音，体验割裂。我改为预生成管线：用脚本自动收集全部剧情、调查、审讯台词 → 逐条合成 mp3 → 生成 manifest 映射表 → 运行时毫秒级播放。台词还带上了语气标签（如"阴沉"“悲咽”），让配音有情绪。中途遇到 TTS 账户欠费、API 端点不兼容等问题，最终切到阿里云 token-plan 方案，115 句全部生成成功。
第二，让推理真正"深"起来。 收到玩家反馈"提示不足"“不能选错误选项，没有难度”“出示证据没反应”，我系统性地补了三块：证物组合推理（A×B 比对）、审讯博弈（误导反应与答错污点）、多档结局评分（完美 / 真相 / 不完整 / 错案）。推理不再是"找全就赢"，而是需要权衡与取舍。
第三，把每一个细节打磨到"有状态"。 玩家反馈"证物收集后变成一行绿字，失去状态感"，我把证物改成"图片 + 名称 + 已收集 + 状态句"的卡片；铜镇纸这类线索在触发后要"翻过来"，我引入了线索级状态机制。这些细节是推理游戏"可信感"的来源。
TRAE 实践过程
整个项目从产品规划、架构设计、功能开发到素材生成、部署打包，全部在 TRAE IDE 中通过对话驱动完成。这是一个教科书式的 Vibe Coding 流程：
需求梳理 → 架构设计 → 核心引擎 → 功能组件 → AI 集成 → 素材生成 → 修复打磨 → 打包分发
阶段一：产品需求与架构设计
在 TRAE 中先聊清产品定位与核心循环，确定"现场勘查 → 证物 → 审讯 → 卷宗"的办案链路，以及 Electron 桌面版 + Web 双轨架构（通过 platform.ts 适配层自动检测环境）。
Session ID： .995532829638320:ebeafd2009f854fcb7620236dce2cdc9_6a48fbdffda4e6d781d0b254.6a772c347012a089466094ea.6a772c33fc545aa90239000e:Trae CN.T(2026/8/8 21:16:36)
阶段二：推理引擎与玩法系统开发
用 TRAE 逐步开发纯函数状态机推理引擎（observed / doubts / reveals / collected / combinations / misleads……），实现证据组合、审讯出示、多档结局评分；随后开发 Notebook、TruthDossier、InterrogationRoom、InvestigationGame 等组件。关键对话示例：
-
“给证物加一个组合推理，A 和 B 比对命中后生成关键结论”
-
“卷宗提交应该允许选错误选项，提交后再由 AI 评判，并做错误项锁定”
Session ID： .995532829638320:d76a4242e2b5b3c4e33439fce0107fce_6a48fbdffda4e6d781d0b254.6a78489dcacb623bf5864f9e.6a78489d5346715b8a09f2d7:Trae CN.T(2026/8/9 17:30:05)
阶段三：多模态 AI 集成
-
语音：从实时 TTS 改为"预生成管线 + 实时兜底"双轨；接入阿里云 qwen-audio-3.0-tts-plus，台词带语气标签
-
图像：wan2.7-image 重绘全部头像 / 证物 / 场景
-
视觉定位：qwen-vl-max 识别场景图片中的物品位置，替代手工坐标
Session ID： .995532829638320:e2eff487b27357ac43445c35947f5816_6a48fbdffda4e6d781d0b254.6a785e01cacb623bf5865185.6a785e015346715b8a09f2db:Trae CN.T(2026/8/9 19:01:21)
技术方案分享（加分项）
几个值得分享的实现思路：
-
"预定义真相 + AI 动态生成"混合架构：案件真相、证据、角色秘密预定义在数据文件中保证故事框架稳定，嫌疑人的回答由 AI 基于预定义信息 + 实时游戏状态（压力 / 证据 / 信任）动态生成——既稳定又不可预测。
-
TTS 预生成管线：用 esbuild 打包一个"台词收集器"，自动从剧情与审讯数据中抽取全部台词，逐条合成 mp3 并写 manifest 增量映射，断点续跑；运行时先查 manifest 命中预生成音频（毫秒级），未命中再走实时 TTS——兼顾体验与成本。
-
线索级状态句：证物状态下沉到"线索"粒度，谁触发谁显示（如铜镇纸翻面），避免同场景多个线索互相覆盖。
-
Vibe Coding 的密钥管理：开发脚本通过 dotenv 从本地 .env 读 key，构建时用 define 注入产物——源码提交到 GitHub 也不泄露密钥。
商业化与社会价值（加分项）
-
市场：推理 / 解谜是长盛不衰的游戏品类，而"AI 对手"带来不可重复的游玩体验，具备差异化竞争力
-
教育：审讯博弈 + 证据链构建天然适配法学教育模拟（证据链、程序正义、嫌疑人权利保护）
-
公益：可将 AI 审讯引擎改造为反诈情景模拟，让用户扮演民警识破话术，面向公众做反诈教育
-
平台：核心引擎可抽象为开源 AI 互动叙事框架，降低同类 AI 应用开发门槛
产品迭代规划（加分项）
-
多案件 + 案件编辑器：扩展 3-5 个独立案件，提供可视化案件编辑工具
-
语音审讯：接入 ASR，实现"玩家开口审、AI 开口答"
-
多人协作：多名玩家同时审讯不同嫌疑人，信息实时共享
-
UGC 生态：玩家上传自创案件，AI 辅助校验案情逻辑自洽
安装包地址：通过网盘分享的文件：薄暮证词 Setup 0.1.0.zip
链接: https://pan.baidu.com/s/1D2nYm1EHnbW9JQExUbXnDg?pwd=nqyt 提取码: nqyt