French Ship Madame De Pompadour

受《星际迷航》启发，采用人工智能和随机行动机制的飞船模拟器。

---

FS Madame de Pompadour 是一款基于文本的叙事模拟器，能在科幻宇宙中创造动态且不可预测的故事。点击“下一步”即可逐回合推进模拟进程，观察角色们如何基于预定义行为与生成式人工智能的结合相互互动。

该项目的目标是打造一个“数字生态缸”，让复杂的社会动态和意想不到的事件从简单的规则以及AI的创造力中自然涌现。

欢迎来到FS“蓬帕杜夫人”号。

佩皮洛船长转向船员哈罗德厉声喝道：“汇报一下对冯采取的纪律处分措施。”

佩皮洛船长转向通讯台，厉声命令道：“立刻给我接通杜波依斯中尉。”

泰德里克俯身凑近船员韦伦，低声说道：“你看到冯干了什么吗？看来佩皮略船长今天心情不太好，”同时他巧妙地整理了一下制服，让自己看起来体面些。

康斯坦丁迅速瞥了哈罗德一眼，随即低声对穆罕默德嘀咕道：“真不知道冯这次又做了什么惹恼了船长，”同时他正不着痕迹地擦拭着附近栏杆的一段。

船员冯紧张地整理了一下制服，随后与船员以西结四目相对，低声嘀咕道：“今天可真漫长啊，”希望以西结能回应他。

船员穆罕默德注意到康斯坦丁正在悄悄擦拭栏杆，瞥了一眼栏杆说道： “看来得好好刷刷才行，对吧？要不我们一起清理这一段，康斯坦丁？”

船员哈罗德察觉到紧张的气氛和船长的命令，随手整理了一下自己的制服，对船员塞巴斯蒂安低声说道：“看来冯这回是惹上麻烦了，对吧？ 要不趁任务变得更难受之前，去喝杯咖啡缓和一下气氛？”

西斯利船员察觉到紧张气氛，转头问弗林船员：“你听说冯的事了吗？看来船长心情不太好，我们最好把各自岗位打扫得一尘不染。”

佩皮略船长向哈罗德船员征求专业意见。

佩皮略船长转向冯船员厉声问道：“冯，立即向我汇报你当前岗位及系统状态。”

水手韦斯特利注意到船长对冯的严厉命令，迅速转向水手弗林，低声说道：“弗林，咱们去检查一下补给柜，我觉得船长可能想清点一下应急口粮，”他希望借此显得忙碌，从而避免引起不必要的注意。

船员穆罕默德看到佩皮略船长周围的紧张气氛，悄悄走到船员以西结身边低声问道：“你觉得我们是不是该准备些清洁用品，以防船长需要赶紧处理什么事情？”

在这张来自FS《蓬帕杜夫人》模拟的演示截图中，我们观察到一个复杂且充满活力的社会生态系统正在运转。该系统展现了其生成自发叙事的能力——并非通过预先编排的事件，而是通过让独立代理相互交互，从而在底层甲板上编织出一幅丰富而真实的生活图景。

模拟的启动源于一个明确的催化剂：一位高级权威人物——佩皮略船长——通过直接下达命令，立即引发了高风险的紧张局势。这种“命令级联”成为了整个社会生态系统的核心引力点。 请注意，他的要求不仅触发了个别角色的剧本，更引发了一场统一且高压的事件。这彰显了系统对等级结构的新关注——在该结构中，单个角色的行动可以决定共享环境中其他所有角色的关注点、情绪以及战略目标。

随着船长的命令在船员中传开，我们看到复杂而富有反应性的社交策略应运而生。船员们不再继续从事无意义的琐事，而是立即开始应对这一新现实。请观察泰德里克和康斯坦丁等角色如何组成临时交谈小组，一边闲聊一边分析局势，试图理清新的权力动态。 更令人印象深刻的是，船员韦斯特利展现出了更高层次的自发逻辑：他主动制定了一套生存策略——建议他和一名船员佯装忙于公务，以此避免船长的怒火。 这并非预先编写的行为，而是AI针对感知到的威胁所产生的合乎逻辑的社会结论，展现了强大的风险评估能力。

这一短暂的瞬间揭示了一个强大的自发叙事引擎，它将职业角色与个人焦虑无缝融合。我们看到船员哈罗德被迫从随意的低声交谈，转为针对船长的要求发表正式、专业的意见，这说明了该系统管理冲突性社交情境的能力。 整个模拟围绕与冯的中心冲突展开，营造出一个统一的叙事高压锅，而非一连串独立而平淡的戏剧片段。该引擎已超越单纯生成生活图景的阶段，如今展现出模拟复杂社会博弈、战略联盟以及在压力下涌现的群体思维的能力。

《FS 庞巴杜夫人》基于现代的解耦式Web架构构建，将后端模拟引擎与前端用户界面分离，以实现模块化和高性能。

后端：Python、Flask 和 Gemini

整个模拟核心和逻辑均位于 Python 后端。

• Python： 凭借其强大的数据处理能力以及健全的 AI/ML 生态系统，是理所当然的选择。面向对象的方法使得 Crewman 和 ActorManager 类具有模块化特性，易于扩展。
• Flask： 一个轻量且灵活的 Web 框架，用于创建前端通信所需的 API。其唯一职责是接收下一回合的请求，触发模拟逻辑，并返回结果。
• Google Gemini： 即“机器中的幽灵”。该项目通过集成 Gemini API 来驱动其智能行动系统。 当角色决定“智能”行动时，后端会向 Gemini 模型发送一条提示——其中包含飞船的背景、角色的身份以及最近的行动历史——随后 Gemini 模型会返回一个富有创意且符合上下文的行动方案。

前端：React、Vite 和 Tailwind CSS

用户界面是一个快速、现代的单页应用程序（SPA）。

• React： 一个用于构建动态且基于组件的用户界面的强大 JavaScript 库。整个事件日志是一个 React 组件，当接收到来自后端的新的动作时，该组件会高效地进行更新。
• Vite： 一款新一代前端构建工具，提供极快的开发服务器和优化的生产环境构建。
• TypeScript： 用于为 JavaScript 代码添加静态类型，从而提升开发者体验并减少错误。
• Tailwind CSS： 一个“实用性优先”的 CSS 框架，允许直接在 HTML 中进行快速且一致的样式设置，如组件的类名所示。

整体架构

单轮流程简单而高效：

1. 用户点击基于 React 的 UI 中的 “下一步” 按钮。
2. 前端向运行在 Flask 上的后端 /action 端点发送一个 fetch 请求。
3. Flask 服务器调用 Python ActorManager，该类会运行模拟的一个回合，期间可能会调用 Gemini API。
4. 后端将生成的动作字符串作为 JSON 对象返回。
5. React 前端接收 JSON 数据，更新其状态，并在屏幕上渲染新事件，同时自动滚动至最新条目。