从AI剧到互动影游：用Flask与状态机构建动态剧情应用

最近 AI 圈有个很有意思的现象：一位中专学历的创作者，用一套 AI 工具链“手搓”出了一部爆款 AI 剧，不仅在国内平台刷屏，甚至引发了海外影视行业的关注。紧接着，这个 IP 又要往“互动影游”方向走。很多人都在问：AI 剧的尽头，真的会是游戏吗？

这篇文章不打算聊八卦，而是想从技术角度拆解这条链路：AI 剧是怎么做出来的；从 AI 剧到互动影游，背后需要哪些技术支撑；以及如果你想自己上手做一个“AI 互动影游”Demo，该怎么设计数据结构、怎么管理剧情状态、怎么接入大模型生成动态内容。

文章会偏实战，核心示例用 Python + Flask + JSON 剧情状态机实现，并配合大模型 API 做动态剧情生成。无论你是做 AI 应用开发、短视频内容工具，还是对 AIGC 游戏化感兴趣，这篇文章都能提供一个可落地的工程思路。

1. 现象背后：AI 剧为什么突然“爆”了

1.1 什么是 AI 剧

AI 剧，简单说就是用 AIGC 工具生成画面、配音、配乐，再按剧本剪辑出来的“剧集内容”。它和传统影视最大的区别在于：没有实拍环节。

传统短剧需要演员、场地、灯光、摄影、后期，一部 100 集的短剧成本可能高达几十万甚至上百万。而 AI 剧的核心生产链路是：

• 用大模型写剧本
• 用文生图/图生视频模型生成画面
• 用数字人或 TTS 生成对白
• 用 AI 配乐生成 BGM
• 最后剪辑合成

这种生产方式直接把内容生产的边际成本压到了极低。

1.2 为什么“中专生手搓”能引发关注

“中专生”这个身份标签之所以成为话题，是因为它打破了“专业影视制作必须科班出身”的刻板印象。

从技术角度看，这其实一点也不奇怪。AI 剧的生产工具已经高度产品化，核心能力从“专业摄影和后期”转移到了“提示词工程 + 审美判断 + 项目管理”。一个创作者只要能写出清晰的脚本、会使用 AI 工具、有基础的分镜审美，就能生产出观感不输小成本短剧的内容。

这件事真正值得技术人关注的，不是身份标签，而是AI 内容生产的工程化能力：如何稳定批量生成素材、如何保持角色一致性、如何管理大量生成文件、如何控制成本。这些问题，本质上都是工程问题。

1.3 好莱坞为什么“寻人”

海外影视行业关注这件事，核心原因是：

• AI 生成内容的视觉质量已经达到可用于商业内容的水准
• AI 剧的产能与传统影视完全不在一个量级
• 互动影游形态可能改变“观看”和“游玩”的边界

换句话说，好莱坞关心的不是某个创作者，而是 AI 内容生产方式对传统影视工业流程的冲击。而这背后最大的技术变量，就是“互动性”。

2. AI 剧到互动影游：为什么终点是游戏

2.1 从“线性观看”到“交互选择”

传统 AI 剧是线性内容：用户只能按顺序看，剧情是固定的。互动影游则是“剧情 + 选择 + 状态 + 反馈”的组合体。

用户的选择会影响剧情走向，不同选择会进入不同分支，最终可能产生多个结局。这种形态已经不是传统剧集，而是视觉小说 + 文字冒险 + 动态视频的混合体。

2.2 为什么 AI 生成让互动影游成为可能

传统互动影视很早就有（比如一些互动电影），但一直没做大，核心原因是成本：

• 每一条分支都要实拍，成本线性甚至指数增长
• 素材管理、剪辑、版本控制非常复杂
• 剧情状态多了以后，测试工作量巨大

AI 生成解决了“分支内容生产”的成本问题。同一个场景，只需要改提示词，就能生成不同走向的画面和台词。这让“多分支剧情”从资金黑洞变成了可接受的成本项。

2.3 互动影游的三大核心技术要素

一个可用的 AI 互动影游，至少需要三部分：

这三块，就是我们下面要动手实现的核心。

3. 环境准备与整体架构设计

3.1 技术选型思路

做互动影游 Demo，我建议用最轻量的技术组合：

• 后端：Python 3.9+，Flask
• 数据格式：JSON 定义剧情节点和分支
• 状态管理：内存字典 + Session（Demo 阶段）
• AI 内容生成：调用 OpenAI 兼容的文本生成接口（可替换为任意国产大模型）
• 前端：简单的 HTML + JavaScript 页面，后端渲染也可以

版本需要根据你的项目实际情况调整，本文示例以常见环境为例，重点演示配置思路。

3.2 项目目录结构

ai-interactive-drama/ ├── app.py # Flask 主服务 ├── story.json # 剧情节点数据 ├── state_manager.py # 剧情状态管理模块 ├── llm_engine.py # 大模型文本生成封装 ├── templates/ │ └── index.html # 前端剧情展示页 └── requirements.txt # 依赖清单

3.3 依赖安装

pip install flask requests

如果你打算在本地调用大模型接口，还需要安装对应 SDK。以 OpenAI 兼容接口为例：

pip install openai

4. 剧情数据结构设计

4.1 为什么剧情数据要独立于代码

互动剧情最怕的是“剧情和代码耦合”。如果剧情直接写在代码里，每次修改剧情都要改代码、重新部署，非常低效。

更合理的做法是把剧情定义为数据，程序只负责读取数据、推进状态、渲染内容。修改剧情就改 JSON，不用动代码。

4.2 剧情节点的 JSON 格式设计

一个剧情节点（Node）包含：

• 节点 ID
• 剧情文本
• 旁白/角色对话标识
• 后续选项
• 可选的条件标记（如需要某个状态值）

来看一个典型设计：

{ "nodes": [ { "id": "start", "narrator": "深夜，你收到一封没有署名的邮件，发件地址来自一个早已注销的域名。", "dialogue": [], "options": [ { "text": "点开邮件，查看附件", "next_node": "open_email", "condition": null }, { "text": "删除邮件，当作没看见", "next_node": "ignore_email", "condition": null } ], "on_enter": { "set_flag": "meet_email", "value": true } }, { "id": "open_email", "narrator": "附件是一段视频，画面里的人在对你微笑，但你确信自己从未见过他。", "dialogue": [ { "character": "神秘人", "text": "你终于来了，我们等你很久了。" } ], "options": [ { "text": "问他到底是谁", "next_node": "ask_who", "condition": "meet_email" }, { "text": "关闭视频，立刻报警", "next_node": "call_police", "condition": null } ], "on_enter": { "set_flag": "opened_email", "value": true } } ] }

这里要注意几个设计细节：

• id是全局唯一的，用于状态机跳转
• options表示当前节点可以触发的分支
• condition是可选字段，表示该选项是否满足解锁条件
• on_enter可以定义进入该节点时要设置的状态值

4.3 动态剧情扩展字段

如果走“AI 动态生成剧情”路线，还需要预留动态内容字段：

{ "id": "ai_generated_01", "template": "在{location}，你遇到了{character}，他告诉你{secret}。", "variables": { "location": "废弃地铁站", "character": "穿风衣的女人", "secret": "这座城市将在 24 小时后关闭" }, "is_ai_generated": true }

这样可以把固定剧情和 AI 动态生成剧情混合在一起。

5. 核心代码实现

5.1 剧情状态管理模块

先看最核心的状态管理。互动影游的本质是一个状态机 + 存档系统。

# 文件路径：ai-interactive-drama/state_manager.py import json class StoryStateManager: def __init__(self, story_file="story.json"): with open(story_file, "r", encoding="utf-8") as f: self.story_data = json.load(f) self.nodes = {node["id"]: node for node in self.story_data["nodes"]} self.reset() def reset(self): """重置剧情状态，等效于新游戏""" self.current_node_id = "start" self.flags = {} self.history = [] def get_current_node(self): """获取当前节点数据""" return self.nodes.get(self.current_node_id) def apply_on_enter(self, node): """进入节点时执行状态变更""" on_enter = node.get("on_enter") if not on_enter: return flag_key = on_enter.get("set_flag") flag_value = on_enter.get("value") if flag_key: self.flags[flag_key] = flag_value def get_available_options(self): """获取当前节点可用的选项，过滤不满足条件的选项""" node = self.get_current_node() if not node: return [] available = [] for opt in node.get("options", []): condition = opt.get("condition") if condition and not self.flags.get(condition): # 如果选项有条件，而且状态不满足，则跳过 continue available.append(opt) return available def choose(self, option_index): """ 根据选项索引推进剧情 返回新的节点 ID """ options = self.get_available_options() if option_index < 0 or option_index >= len(options): raise ValueError("无效的选项索引") selected = options[option_index] next_node_id = selected["next_node"] self.history.append({ "from": self.current_node_id, "selected": selected["text"], "to": next_node_id }) self.current_node_id = next_node_id next_node = self.get_current_node() if next_node: self.apply_on_enter(next_node) return next_node_id def save_to_dict(self): """将状态序列化，便于存入 Session 或数据库""" return { "current_node_id": self.current_node_id, "flags": self.flags, "history": self.history } def load_from_dict(self, data): """从存档恢复状态""" self.current_node_id = data["current_node_id"] self.flags = data["flags"] self.history = data["history"]

这个模块的几个关键点：

• flags用来记录用户是否触发过某个事件，通过condition实现分支解锁
• history记录用户走过的路径，这对后续做“剧情回放”“结局统计”很有用
• save_to_dict / load_from_dict可以用来对接数据库或 Session

5.2 Flask 主服务

接下来写 Flask 服务，负责对外暴露 API：

# 文件路径：ai-interactive-drama/app.py import uuid from flask import Flask, request, jsonify, render_template, session from state_manager import StoryStateManager from llm_engine import generate_dynamic_story app = Flask(__name__) app.secret_key = "please-change-me-in-production" # 全局保存一个状态管理器示例 # 生产环境建议每个会话独立状态 story_manager = StoryStateManager("story.json") @app.route("/") def index(): """前端页面""" return render_template("index.html") @app.route("/api/story/start", methods=["POST"]) def start_story(): """新开一局，重置剧情状态""" story_manager.reset() node = story_manager.get_current_node() return jsonify({ "node_id": node["id"], "narrator": node.get("narrator", ""), "dialogue": node.get("dialogue", []), "options": [ {"text": opt["text"]} for opt in story_manager.get_available_options() ], "state": story_manager.save_to_dict() }) @app.route("/api/story/choose", methods=["POST"]) def choose_option(): """用户选择分支""" data = request.get_json() option_index = data.get("option_index") if option_index is None: return jsonify({"error": "缺少 option_index"}), 400 try: next_node_id = story_manager.choose(option_index) except ValueError as e: return jsonify({"error": str(e)}), 400 node = story_manager.get_current_node() # 如果节点标记为 AI 动态生成，则调用大模型生成内容 if node.get("is_ai_generated"): dynamic_text = generate_dynamic_story(node) node["narrator"] = dynamic_text return jsonify({ "node_id": node["id"], "narrator": node.get("narrator", ""), "dialogue": node.get("dialogue", []), "options": [ {"text": opt["text"]} for opt in story_manager.get_available_options() ], "state": story_manager.save_to_dict() }) @app.route("/api/story/state", methods=["GET"]) def get_state(): """获取当前剧情状态，主要用于调试和存档""" return jsonify(story_manager.save_to_dict()) if __name__ == "__main__": app.run(host="0.0.0.0", port=5000, debug=True)

这里有一个关键点：在 Demo 中，全局只有一个story_manager，会导致所有用户共享同一个剧情进度。真实项目中，状态应该按用户会话区分，比如用session_id或用户 ID 来隔离状态。

改进思路很简单：用一个字典，按session_id保存对应的StoryStateManager实例。

5.3 大模型动态剧情生成封装

动态剧情的核心是让 AI 在“用户做了选择之后”生成下一段剧情文本，同时保持上下文连贯。

# 文件路径：ai-interactive-drama/llm_engine.py import os from openai import OpenAI # 初始化客户端 # 默认走 OpenAI 兼容接口，你也可以替换为国内大模型的兼容端点 client = OpenAI( api_key=os.getenv("LLM_API_KEY", "your-api-key"), base_url=os.getenv("LLM_BASE_URL", "https://api.openai.com/v1") ) def generate_dynamic_story(node, history=None): """ 根据当前节点模板和历史选择，生成一段剧情文本。 """ template = node.get("template") variables = node.get("variables", {}) # 先把模板中的变量替换掉 prompt_template = template for key, value in variables.items(): prompt_template = prompt_template.replace("{" + key + "}", value) history_text = "" if history: history_text = "\n".join( [f"用户选择：{h['selected']} -> 进入节点 {h['to']}" for h in history] ) system_prompt = ( "你是一个互动式剧情叙事引擎。" "根据用户的前置选择和历史路径，生成一段 100 字左右的剧情推进描述。" "要求：语言自然，保持悬念，不跳出当前世界观。" ) user_prompt = f""" 前置剧情历史： {history_text} 当前剧情描述： {prompt_template} 请输出这段剧情推进内容。 """ try: response = client.chat.completions.create( model=os.getenv("LLM_MODEL", "gpt-4o-mini"), messages=[ {"role": "system", "content": system_prompt}, {"role": "user", "content": user_prompt} ], temperature=0.8, max_tokens=300 ) return response.choices[0].message.content.strip() except Exception as e: # 兜底：如果调用失败，返回模板原文，保证流程不中断 return prompt_template

这里的兜底逻辑非常重要。AI 接口调用不稳定是常态，如果大模型挂了，应该回退到预设内容，而不是让用户卡在剧情里。

5.4 前端页面

前端只需要一个简单页面，用来展示剧情和选项：

<!-- 文件路径：ai-interactive-drama/templates/index.html --> <!DOCTYPE html> <html lang="zh-CN"> <head> <meta charset="UTF-8"> <title>AI 互动影游 Demo</title> <style> body { font-family: sans-serif; max-width: 720px; margin: 40px auto; padding: 0 16px; line-height: 1.8; } .dialogue { background: #f5f5f5; padding: 12px; border-radius: 8px; margin: 8px 0; } button { padding: 10px 16px; margin: 8px 8px 8px 0; border: 1px solid #ccc; border-radius: 6px; cursor: pointer; } button:hover { background: #f0f0f0; } </style> </head> <body> <h2>AI 互动影游 Demo</h2> <div id="content"> <p id="narrator"></p> <div id="dialogue"></div> <div id="options"></div> </div> <script> async function startStory() { const res = await fetch('/api/story/start', { method: 'POST' }); const data = await res.json(); render(data); } async function choose(index) { const res = await fetch('/api/story/choose', { method: 'POST', headers: { 'Content-Type': 'application/json' }, body: JSON.stringify({ option_index: index }) }); const data = await res.json(); render(data); } function render(data) { document.getElementById('narrator').innerText = data.narrator; const dialogueDiv = document.getElementById('dialogue'); dialogueDiv.innerHTML = ''; if (data.dialogue && data.dialogue.length > 0) { data.dialogue.forEach(item => { const div = document.createElement('div'); div.className = 'dialogue'; div.innerText = `${item.character}：${item.text}`; dialogueDiv.appendChild(div); }); } const optionsDiv = document.getElementById('options'); optionsDiv.innerHTML = ''; if (data.options && data.options.length > 0) { data.options.forEach((opt, index) => { const btn = document.createElement('button'); btn.innerText = opt.text; btn.onclick = () => choose(index); optionsDiv.appendChild(btn); }); } else { const text = document.createElement('p'); text.innerText = '—— 本段剧情结束 ——'; optionsDiv.appendChild(text); } } startStory(); </script> </body> </html>

5.5 运行与验证

启动服务：

python app.py

浏览器访问http://localhost:5000，就能看到剧情展示和选择按钮。点击选项后，后端会推进剧情状态，如果遇到is_ai_generated节点，会自动调用大模型生成动态剧情。

6. 从 Demo 到产品：必须解决的核心问题

Demo 只能验证玩法，要上线做产品，下面这些问题必须认真对待。

6.1 状态管理：从单机到多用户隔离

Demo 里全局只有一个StoryStateManager，这在单机演示没问题，但真实产品不行。

推荐做法：用session_id作为 Key，保存每个用户的独立状态实例：

# 伪代码示例：按 session 隔离状态 states = {} def get_state_for_session(session_id): if session_id not in states: states[session_id] = StoryStateManager("story.json") return states[session_id]

更复杂一点的方案是存 Redis，方便横向扩容。

6.2 剧情状态持久化

用户中途退出怎么办？要支持断点续玩，就必须持久化状态。

方案有两种：

• 每次状态变化都写数据库（适合实时性要求高的场景）
• 定时批量保存，用户退出时保存快照（适合控制成本）

持久化字段就是save_to_dict()返回的那几个字段，直接 JSON 序列化存入数据库即可。

6.3 内容安全与合规

这是最重要的一点。

AI 生成内容必须遵守监管要求。具体来说：

• AI 生成的影视内容需要添加明显的 AI 标识
• 涉及真实人物、知名 IP 的内容要谨慎，避免侵权
• 生成内容要经过前置审核 + 后置抽检
• 对用户上传素材要建立鉴权机制，不能绕过内容安全审核

在代码层面，可以在generate_dynamic_story返回前增加关键词过滤和敏感内容检测。生产环境建议接入专业的文本审核服务。

6.4 成本控制

大模型 API 调用成本、视频生成成本、图片生成成本，是 AI 互动影游的主要开销。

几个成本优化思路：

7. 常见问题与排查思路

7.1 剧情不推进，接口报错

7.2 大模型生成不稳定

7.3 生产环境排查清单

1. 是否按用户隔离了状态
2. 是否做了状态持久化和恢复
3. 大模型调用是否有超时兜底
4. 生成内容是否经过安全和合规审核
5. 是否记录了关键日志（用户选项、节点跳转、API 调用耗时）
6. 是否有成本监控和调用量告警

8. 最佳实践与工程建议

结合我自己的开发经验，给做 AI 互动影游的同学几条建议。

8.1 用“数据驱动剧情”替代“代码驱动剧情”

把剧情完全定义为数据，是这套架构最重要的设计决策。剧情和代码解耦后，策划、运营、内容团队都能直接修改剧情，不需要等开发发版。

8.2 AI 生成内容要有“护栏”

AI 生成不是无限自由的。要在生成前约束 Prompt，生成后做质量检测，必要时回退到人工预设内容。永远不要假设 AI 接口 100% 可靠。

生成结果可以用 JSON Schema 约束格式，比如规定返回字段必须包含narrator和options，便于程序稳定解析。参考示例：

{ "narrator": "剧情描述文本", "dialogue": [{"character": "角色名", "text": "台词"}], "options": [{"text": "选项文字", "next_node": "节点ID"}] }

在 Prompt 中要求模型严格输出这个结构，代码里再做一次json.loads和字段校验，解析失败就走兜底逻辑。

8.3 版本控制与回滚

互动影游的剧情是持续更新的。建议：

• 剧情 JSON 文件纳入 Git 管理，方便查看历史 diff
• 上线前用自动化脚本验一遍所有节点可达性（防止死链）
• 灰度发布：先让一小部分用户体验新剧情，确认无问题再全量放开

8.4 观察用户数据

互动影游相比传统剧集最大的优势是可以统计用户在每个选项的分布。这些数据极其宝贵：

• 哪些选项选择率最高 → 用户偏好洞察
• 哪些节点跳出率极高 → 剧情节奏可能有问题
• 哪个结局达成率低 → 解锁条件设计是否太苛刻

建议从第一版就开始埋点。

8.5 前端交互的加载体验

动态生成内容会有延迟，用户等待时不能白屏。可以在前端加一个“剧情生成中”的状态提示，也可以预生成下一个节点内容，减少等待。

9. 总结与下一步方向

这篇文章从“中专生手搓 AI 剧”的现象出发，拆解了 AI 剧的技术生产链路，重点分析了从 AI 剧到互动影游需要解决的技术问题：剧情数据建模、状态管理、AI 动态生成、内容安全和成本控制。

文中给出的 Flask + JSON + 大模型 API 的 Demo，是一个最小可用模板。你可以在此基础上扩展：

• 接入更多剧情分支，设计多结局系统
• 把状态管理迁移到 Redis，支持多实例部署
• 接入 TTS 和 AI 视频生成，让画面真正“动”起来
• 增加用户存档系统，支持跨设备续玩

AI 剧的尽头是不是游戏，这个问题的答案还不确定。但有一点是确定的：互动叙事 + AIGC + 游戏化设计的结合，正在创造一种前所未有的内容形态。这个方向刚刚起步，技术和产品上都有大量空白，值得动手试一试。