大型语言模型（LLM）能够在交互式游戏中实现开放式对话，但其非确定性输出常导致作者控制、事实一致性以及信息披露顺序失控。侦探游戏尤为敏感：提前泄露或捏造线索会破坏玩家的推理路径。为此我们提出一种结构化知识树（Structured Knowledge Tree）架构，并在此基础上构建三代理LLM流水线：知识检索代理负责从树中提取当前情境允许的事实；对话生成代理依据检索结果生成嫌疑人回复；响应验证代理对生成文本进行事实核查，只有通过验证的内容才会送达玩家。该设计确保虚拟嫌疑人仅在叙事状态允许时透露信息，从而实现认知节奏的精细控制。我们在可玩测试平台“The Interrogation of Adrian Gale”上进行实验，并通过正式用户研究评估幻觉削减、披露顺序遵循以及逻辑进展感知。结果显示，结构化架构将关键幻觉降低了64.78%，并完全阻止了提前披露。虽然严格的机械约束导致对话中出现强制性信息揭示，影响了部分可用性，但系统成功实现了严格的认知节奏，并让玩家获得明确的案件推进感受。
点评