目录

一、创新实训要求与选题方向

二、最初的设想：SmartKitchen智能厨房

三、第一次答辩：协商讨论与换题建议

四、转向：从跑团到互动叙事平台

五、新选题的确立：StoryEcho项目介绍

六、后续计划

一、创新实训要求与选题方向

  今年创新实训开题的主题围绕“通用人工智能应用开发”和“开源基础软件/工业软件”展开。我们小组选择的主题是“通用人工智能应用开发”，“通用人工智能应用开发”指通过应用成熟的大模型提供的API接口，进行创新的应用/智能体开发，或者经过模型的微调，实现在某个领域的应用。实训团队可以面向浏览器、智能手机等开发具有创新性的大模型应用，也可以是机器人、智能终端等结合大模型的应用升级，也可以通过智能体skills的开发满足某一方面的智能应用。比如，开发面向法律文书的文本摘要系统，开发面向医生的个人助理系统，开发面向小学生的智能平板APP等。我们小组最初看到“通用人工智能应用开发”这个方向时，觉得很有发挥空间——利用成熟的大模型API做一些创新的应用，既能接触前沿技术，又能做出实际可用的东西。经过几次线下讨论，我们决定从日常生活场景切入，做一个智能饮食相关的系统。

二、最初的设想：SmartKitchen智能厨房

  我们最初的选题是“SmartKitchen：基于大模型的智能食材管理与饮食推荐系统”。项目面向日常做饭场景：很多同学自己做饭时经常不知道吃什么，冰箱里的食材容易过期。我们计划开发一个应用，用户可以通过自然语言录入食材（例如“还剩两个西红柿和半块豆腐”），系统利用大模型理解这些信息，自动推荐可制作的菜谱，并提供食材替代建议。系统还具备过期提醒功能，根据用户录入的保质期计算剩余天数并分级预警。在推荐时，可以结合用户的健身状态（如健身、加班）、口味偏好（喜辣、忌口）以及家中烹饪设备进行个性化调整。当时我们提交了一份详细的申请书，设计了食材管理、过期预警、智能推荐、购物清单等模块，技术栈计划使用Flask、Vue和大模型API，并尝试用LSTM进行消费趋势预测，以生成智能购物清单。

三、第一次答辩：协商讨论与换题建议

  开题答辩安排在3月16日下午，我们组准时参加了线上答辩。展示完SmartKitchen的方案后，老师的反馈比较集中：项目的功能和想法过于简单，实现难度偏低，很多功能用传统开发方式也能较快完成，没有体现出大模型应用应有的技术深度和挑战性。另外，食材图片识别、消费趋势预测等子任务虽然涉及不同技术栈，但整体上仍属于常见功能的堆叠，缺乏真正的创新点。最终我们的答辩结果是“协商讨论”。同时，老师建议做旅行规划、学习助手、美食推荐类题目的小组尽量换项目，要求更专业、更聚焦，体现出应有的专业能力。于是，我们开始重新思考选题方向。

四、转向：从跑团到互动叙事平台

  在讨论新方向时，组里有人提到了跑团（桌面角色扮演游戏，比如龙与地下城）。跑团的特点是玩家通过语言描述自己的行动，主持人根据规则和剧情发展来回应，整个过程高度依赖即兴叙事和逻辑判定。我们注意到，这种模式与大模型的能力契合：大模型擅长理解自然语言并生成连贯的文本，正好可以扮演主持人的角色。传统的文字冒险游戏（如《生命线》《80天》等）需要人工编写海量的剧情分支，成本极高且难以覆盖玩家的自由输入。而大模型能够实时理解玩家想做什么，生成符合剧情和规则的结果，同时还可以维护角色状态、背包、好感度等数值。这样既保留了跑团的自由感，又引入了游戏化的规则约束。经过讨论，我们认为这个方向可行：大模型在这里不是可有可无的装饰，而是整个体验的核心引擎。于是我们决定放弃厨房项目，转向互动叙事平台。

五、新选题的确立：StoryEcho项目介绍

  新项目被命名为“StoryEcho：基于大模型的沉浸式互动叙事平台”。核心思路是让用户通过自然语言输入行动意图，系统利用大模型实时生成剧情，同时维护角色属性、背包、任务进度等状态，最终导向多种结局。技术创新方面，采用基于LangGraph的多智能体协作架构，将意图解析、逻辑裁判、叙事导演等节点分离，避免模型“胡编乱造”；通过语义意图对齐技术，将用户自由输入映射为结构化指令；设计“五要素”生成协议（心理、动作、环境、对话、状态提示）提升叙事沉浸感；利用状态序列化实现剧情回溯与多分支收敛。主要功能包括账号与多角色管理、结构化剧本分发、全局状态机与逻辑演算、存档回溯以及多结局收集与多周目继承。前端用Vue搭建游戏化界面，后端用Flask提供API，持久化层记录存档与结局。

六、后续计划

  接下来的一周，我们将进入项目规划与技术学习阶段。重点包括：系统学习LangGraph框架的核心概念（State、Node、Edge）和运行机制，理解如何构建多智能体协作流程；学习Prompt工程的基本方法，为后续编写意图解析和叙事生成的提示词做准备。