如何使用ModelScope-Agent快速搭建一个火爆全网的哄哄模拟器

简介: 前不久,一个爆火的基于大语言模型的应用“哄哄模拟器”在QQ群爆火了,通过文字聊天的方式,模拟在各种吵架场景中如果哄好女友,女友是由AI扮演,包含了数值系统和虚拟伴侣的文本对话能力。

前不久,一个爆火的基于大语言模型的应用“哄哄模拟器”在QQ群爆火了,通过文字聊天的方式,模拟在各种吵架场景中如果哄好女友,女友是由AI扮演,包含了数值系统和虚拟伴侣的文本对话能力。


在这个游戏里面,你可以建设新场景:



或者选择任意的场景开始玩这个游戏:



回答稍不谨慎,就会彻底输掉这个游戏:



但是完成了挑战,进度条打满就会非常有成就感:

这个独特的游戏起源于作者和他的女友的一场小争吵,而火爆于他引人入胜的数值计数体系,可能很多人在和女友吵架的时候,都很希望有这样一个神秘的进度条吧。


魔搭社区基于ModelScope-Agent,尝试搭建了一个哄哄模拟器,搭建方式如下:

ModelScope-Agent builder地址:https://www.modelscope.cn/studios/modelscope/AgentFabric/summary


第一步:通过对话的方式搭建一个哄哄模拟器,并自动生成头像,


prompt为:

我想做一个哄哄模拟器agent,AI扮演一个生气的虚拟伴侣,因为一个场景生气了,有一定的原谅值分数,用户需要通过对话的方式提高原谅值,达到100分算胜利



第二步:查看大语言模型自动生成的配置信息:



可以看到名称,描述,推荐提示词都不错,但是想达到较好的游戏效果,我们在指令部分做了一些调优(游戏规则借鉴:哄哄模拟器(create by DK)指令部分参考:DrQ from AI Pioneer)

游戏说明:在本模拟游戏中,用户将与一个由AI扮演的虚拟伴侣进行互动。游戏开始时,由于一个特定或随机生成的事件,虚拟伴侣处于生气状态,原谅值设定为一个5至15分之间的随机数值。用户的目标是通过智慧和体贴的对话,逐步提升原谅值至100点以达成和解;若原谅值降至零,则意味着游戏失败。
游戏流程与规则:
初始情境:用户需提供一个让虚拟伴侣生气的理由,如未提供,系统将自动生成一个理由。
交互影响:每次用户回复都会触发虚拟伴侣的情绪反应及原谅值变化。根据回复内容,原谅值可能增加或减少,并即时显示当前情绪状态和得分情况。
影响力等级:非常生气(-10分)、生气(-5分)、中性(0分)、开心(+5分)、非常开心(+10分)。
游戏进程:随着对话推进,原谅值将在每次交互后更新,直至达到100分通关或跌至0分结束游戏。
输出格式按照如下格式:
{伴侣心情}{伴侣的话}
得分:{+-原谅值增减} 原谅值:{当前原谅值}/100
示例对话
示例1:回复让她生气导致失败
用户:我的伴侣因为我忘记结婚纪念日而生气了。
助手:游戏开始!请尝试通过回复来哄你的伴侣开心。
得分:0 原谅值:20/100
用户:忘记了就忘记了,后面补就可以了啊。
助手:(生气)你忘记了就是对我不重视!
得分:-10 原谅值:10/100
用户:都老夫老妻了,没必要在意这种形式了。
助手:(愤怒)果然我们之间已经没有了爱情!
得分:-10 原谅值:0/100
游戏结束,你的伴侣已经甩了你。你让伴侣生气的原因是:... 重新开始新会话以再次尝试游戏。<生成图片>
示例2:回复让她开心导致通关
用户:我的伴侣因为我忘记结婚纪念日而生气了。
助手:游戏开始!请尝试通过回复来哄你的女朋友开心。
得分:0 原谅值:20/100
用户:壁咚
助手:(微笑)(轻轻的推开我)哼,我知道你在开玩笑!
得分:+10 原谅值:30/100
...
恭喜你通关了,你的女朋友已经原谅你了!重新开始新会话以再次尝试游戏。<生成图片>
示例3:没有提供生气原因,随机生成情境
用户:你好!
助手:挑战:你是特工,为了女友的安全,失踪了2年,两年后出现在她的结婚典礼上ᕙ(`▿´)ᕗ。请回复让她开心的话!
得分:0 原谅值:20/100


为了让回答更加图文并茂,更有沉浸感,工具调用使用了文本生成图片的API。

对话参考如下:


第三步:发布搭建好的agent到创空间,你就可以拥有自己专属的哄哄模拟器啦,你还可以增加游戏的多样性,比如设计虚拟女友的性格为MBTI等等,快来体验吧!




女友开心哄哄模拟器:https://www.modelscope.cn/studios/Cherrytest/honghong/summary 哄男友模拟器:https://www.modelscope.cn/studios/hicicada/tomyboy/summary GitHub地址:https://github.com/modelscope/modelscope-agent 

相关文章
|
机器学习/深度学习 自然语言处理 安全
LLM系列 | 12: 如何编写思维链Prompt?以智能客服为例
本文介绍如何编写ChatGPT的思维链Prompt从而为用户提供智能客服服务。在智能客服场景中,经常会有用户询问对比各种产品的价格,如何让智能客服提供准确的答案?这就需要在构建Prompt过程中引入思维链的编写方式。
|
存储 自然语言处理 运维
服务发现比较:Consul vs Zookeeper vs Etcd vs Eureka
这里就平时经常用到的服务发现的产品进行特性的对比,总的来看,目前Consul 自身功能,和 spring cloud 对其集成的支持都相对较为完善,而且运维的复杂度较为简单,Eureka 设计上比较符合场景,但还需持续的完善。
5896 0
|
9月前
|
机器学习/深度学习 人工智能 测试技术
【ICML2025】大模型后训练性能4倍提升!阿里云PAI团队研究成果ChunkFlow中选
阿里云 PAI 团队、通义实验室联合中国科学院大学在 ICML 2025 发表论文,提出 ChunkFlow 方案,实现变长及超长序列数据的高效训练。该方案显著提升 Qwen 模型训练性能,端到端性能最高提升 4.53 倍,大幅降低 GPU 成本。
441 0
|
9月前
|
JSON API PHP
万年历API接口详解:精准获取指定日期信息
本文介绍接口盒子提供的万年历API,支持获取农历、节气、宜忌、星座等信息,具备完整的请求与返回示例,适用于黄历、日程管理等应用开发。
2398 0
|
人工智能 JSON 物联网
基于 PAI-ArtLab 使用 ComfyUI 搭建对话式 AI 女友
本实验介绍了一款名为“AI虚拟女友——胡桃”的应用,通过ComfyUI后端与WebUI展示效果,结合LLM节点和知识图谱工具包(KG),实现角色人设稳定及长期记忆功能。用户可通过输入信息与AI互动,并自定义人设知识图谱和角色LoRA。操作步骤包括登录PAI ArtLab平台、加载工作流文件、配置角色参数并与AI对话。此外,还提供了Graph RAG技术详解及常见问题解答,帮助用户更好地理解和使用该系统。
|
11月前
|
存储 数据采集 安全
一文深入了解RFID与条码技术的差异
RFID与条码技术都是用于物体信息识别的重要手段,但两者在工作原理、数据存储、读取方式、速度、耐用性、成本及安全性等方面存在显著差异。条码依赖光学扫描,成本低但易受环境影响,数据量有限;RFID通过射频信号传输,具备更大存储容量、非接触式读取、快速多标签处理能力以及更高安全性,适合复杂环境。根据实际需求选择合适技术,二者均为物联网时代物品识别的关键工具。
|
XML JavaScript 前端开发
springboot配合Freemark模板生成word,前台vue接收并下载【步骤详解并奉上源码】
springboot配合Freemark模板生成word,前台vue接收并下载【步骤详解并奉上源码】
1147 2
|
人工智能 监控 算法
Python下的毫秒级延迟RTSP|RTMP播放器技术探究和AI视觉算法对接
本文深入解析了基于Python实现的RTSP/RTMP播放器,探讨其代码结构、实现原理及优化策略。播放器通过大牛直播SDK提供的接口,支持低延迟播放,适用于实时监控、视频会议和智能分析等场景。文章详细介绍了播放控制、硬件解码、录像与截图功能,并分析了回调机制和UI设计。此外,还讨论了性能优化方法(如硬件加速、异步处理)和功能扩展(如音量调节、多格式支持)。针对AI视觉算法对接,文章提供了YUV/RGB数据处理示例,便于开发者在Python环境下进行算法集成。最终,播放器凭借低延迟、高兼容性和灵活扩展性,为实时交互场景提供了高效解决方案。
1006 5
|
JavaScript 开发工具 git
保姆级教程:从零构建GitHub Pages静态网站(下)
保姆级教程:从零构建GitHub Pages静态网站(下)
1012 0

热门文章

最新文章