AI发展快速，最适合的应用场景，应该是游戏了。光是NPC的问答、选项，就有很多可以操作的空间。本文从游戏行业出发，分析了问答机器人的实现原理和语料的经验，供大家参考。

随着AI这两年的快速发展，游戏厂商跃跃欲试如何让AI融入游戏。

半年前，我们也在游戏内嵌社区中，上线了一款以大语言模型为核心打造的问答机器人，旨在满足玩家快速获取攻略的需求。

这篇文章，将以游戏行业产品经理的角度，分享这款问答机器人的实现原理，及其语料的制作经验。

一、为什么需要问答机器人

问答机器人所落地的游戏，是一款三国策略类游戏。游戏中玩家被随机分到魏蜀吴中的一个国家，并通过一系列玩法攻城略地，扩展疆土。玩家可以招募各色三国英雄，并给英雄搭配不同装备、学习不同技能以提升战力，并可以组建不同的英雄阵容去挑战别的玩家以及掠夺别国的城池。因此，游戏玩法的自由度给予了玩家很多策略探索的可能。

起初，我们只是搭建了一个问答社区，供用户发表问题与分享攻略心得。随着玩家人数增加及赛季的深入，玩家对攻略的需求日益明显。官方发布的攻略，不一定能满足玩家快速获取攻略的需求。有时候玩家只想找一个答案，却要看完一整篇攻略。因此，我们想通过智能问答机器人的形式，满足玩家快问快答的痛点，以提升玩家的游戏体验。

我们的智能机器人名为“诸葛先生”，以H5的形式开展对话。对用户来说没有复杂的功能，只要提问，机器人就会回答。

（页面样式这里用原型图代替了哈）

二、机器人技术原理：大语言模型RAG的应用

在介绍问答机器人的原理前，先说一个前提，就是我们的大语言模型的语料库中，有一种语料是QA形式的，即一问（question）一答（answer），与一般的段落形文章有所区别。关于语料库的介绍，下边章节会继续细说。这里将继续讲机器人的运行原理。

如下图，在用户提出问题后，我们的机器人分有两个答案输出逻辑。首先，用户提问的问题都会先进行内容检索，通过检索模型检索出与用户提问相关的内容。当检索到用户提问有匹配的QA时（即玩家提问匹配到语料库中预设的Question），则程序会直接输出Answer；另一种逻辑是，当检索模型没有检索到匹配的QA，那程序就会继续检索其他内容（如文章段落），并产出一条带内容的提示词（prompt）输入到大语言模型中，由大语言模型生成答案。

举个例子，假设用户提问了“赵云怎么培养”，则程序会通过检索模型，先检索是否存在与“赵云怎么培养”接近的question，存在则输出对应answer，否则找出“赵云培养”相关的内容。我们比拟程序找到的相关内容为AABB，此时给到大语言模型的提示词（prompt）就是：“AABB，请根据上述内容回答：赵云怎么培养。”大语言模型则根据上述提示词生成答案。

为什么我们不直接使用大语言模型，而是前置一步加入检索模型呢？

我们知道，大语言模型基于神经网络模型，使用大量的语料库进行训练，比如互联网上的大量文本数据。因此，大语言模型能高效准确地回答通用知识类的问题。而游戏属于专有领域，如何让大语言模型直接回答专有领域知识，则它给出的答案必定会差强人意（答非所问或是回答不出）。因此我们会先前置一步进行内容搜索，通过内容来约束大语言模型的生成。这样的技术逻辑也称为RAG（Retrieval-Augmented Generation，检索增强生成）。

RAG其实就是对大语言模型的检索能力及联想能力的外扩，让大语言模型在可控范围内生成更准确高精的回答，尤其适用于专有领域的问答工具。RAG的原理如下图：

图片源自《Chatbot从0到1》（第2版），作者李佳芮、李卓桓

RAG 系统的起点一般是一个文本文档的语料库，简单看起来是这样的： 把文本分割成块，然后把这些分块嵌入到向量与transformer编码器模型，把所有这些向量建立索引，从而查询出与用户提问相关的上下文，最后创建一个带上下文的大语言模型提示语，让模型回答用户的查询。

我们可以对比有无检索模型对回答的差别：

大语言模型同样是ChatGPT3.5，提问“赵云要怎么培养”，单纯使用大语言模型，而没有检索模型的约束时，回答的内容就和游戏不沾边（左图）。而使用了检索模型，让大语言模型的回答就完全贴合游戏了（右图）。

三、问答质量的打磨调优

为了提升机器人的回答准确率。我们的调优有几个方面：

增强对用户提问的理解

对于用户的提问，除了分词切割，我们还有错字甄别、同义词判定等逻辑，希望程序能尽量清晰理解用户的意向。

增强检索模型的召回质量

在众多语料中如何找到最匹配玩家的内容呢？我们的检索算法，会在对用户提问进行分词后，会先用BM25算法根据关键词对文档进行第一次评分，然后根据评分阈值提取top-k文档进行第二次评分，还有问题和文档稠密向量的相关性评分等。每一步都可能影响检索的内容及LLM的回答结果。

选择更智能的语言模型

机器人上线初期，使用的模型是国内的ChatGLM2.0。但通过拉取用户的实际问答数据，我们发现答案质量并不理想，答案中存在较多答非所问、胡编乱造的问题。并且在多次调优检索模型后（提高召回文档的相关性），答案质量仍然不佳。

于是我们考虑更换大语言模型。我们找来了两款智能体做对比，分别是ChatGPT3.5及Google旗下的Gemma。三者对比后我们发现，ChatGLM2.0的幻觉问题较其他两个模型会更为明显。意思就是，如果检索模型召回的文档中不存在用户提问的相关内容（相关性低），则ChatGLM2.0会一本正经胡说八道。即便是检索模型召回的文档中有用户所需的内容（相关性高），ChatGLM2.0也可能会回答失准。

最后我们选择了ChatGPT3.5。对比下来，ChatGPT3.5在对话生成的流畅度、连贯性以及上下文理解方面的表现都更出色，能够生成更加精准和自然的回答，对于无法回答的问题，也会更直接地告知用户它不清楚。

四、语料的构成

如果说模型是问答机器人的肉躯，那语料就是血液。语料足够多，覆盖面足够广，问答机器人才会更具活力。

我们的语料有几个部分构成：

• 游戏内所有呈现给玩家的文案，包括道具名称、说明及玩法简介。这类内容属于短内容，只有单个句子或单一段落。
• 发布于官网、论坛的游戏攻略。这类内容属于长内容，由多个段落构成。
• QA问答对。一问一答的固定内容。

如前所述，我们机器人分了两个答案输出逻辑，如果检索模型命中QA，则会更快给玩家产出答案。基于此，我们加大了QA问答对的产量，以提升问答效率。QA来源于玩家的真实提问，我们提取了高频问题，以及部分刁钻的提问，做成了问答对。

制作问答对比较费人工，因为answer都是人工写的，有时候还要玩一下游戏验证写的answer是否正确。为了节约工时，我们又借用了AI工具协助我们生产问答对。这里AI工具的作用不是帮我们快速生成答案，而是提前生成玩家可能问到的问题并产出答案。我们给AI喂入上述语料中的2-攻略长内容，并让AI根据文章内容中生成QA。不过，虽然生产速度提高了，但内容的实用性却并不高。AI生成的问题并不像玩家的提问，更像是老师出的考题，需要再二次修改问答对的内容。因此，目前的问答对维护还是集中在人工生产。

五、问答机器人的未来创想

我们的问答机器人还有很多优化空间。目前，虽然它在提升玩家体验方面已经取得一定成效，但仍存在一些需要改进的地方。例如尚未开发连续对话，玩家无法追问，造成对话交互不够自然流畅。此外，随着游戏内容的不断更新，我们的语料库也需要持续地维护和扩充，这也是需要不断消耗人力的工作。

不过我相信，问答机器人将在未来的游戏世界中扮演更加重要的角色，为玩家带来更加精彩和便捷的游戏体验。

欢迎在评论区一起探讨问答机器人的更多可能~