一個胖商人的冒險，測出了大模型的新天花板

你用AI跑過團嗎？不是那種"請選擇A/B/C"的對話框游戲，而是一個會懟你、會挖坑、還會畫地圖的地下城主。一位自稱"氛圍考古學家"的測試者最近干了這件事——而他發現的差距，可能比你想象的更懸殊。

一場持續三年的"壓力測試"

這位測試者有個堅持了相當長時間的實驗：用同一套 Prompt 反復投喂不同版本的大語言模型，觀察它們扮演桌面游戲主持人的能力進化。

Prompt 的設計本身就充滿惡意。他要求 AI 扮演"略帶諷刺"的敘事者，在冒險背后埋藏陰謀與挑戰，"別讓我過得太舒服"。玩家角色被設定為一個沒有任何特殊能力的胖商人——刻意避開戰士、法師這類容易觸發套路模板的職業。

最狠的幾條約束：每次回復最多三句話，不告訴玩家有什么選項，也不問"你接下來要做什么"。偶爾還要配圖，且風格必須保持一致。

這些規則指向同一個目標：逼 AI 放棄"貼心助手"的本能，真正進入"對抗性敘事者"的角色。

測試者透露，此前的版本表現糟糕——"根本沒花足夠精力讓玩家難受"，關卡設計過于直白，從A點到B點毫無阻力。這種批評暗示，早期模型即使被明確提示，也難以維持敘事張力。

5.5版本發生了什么

轉折點出現在 ChatGPT 5.5 配合 Image 2.0 繪圖引擎的組合。測試者的評價是："愉悅度、風格統一度和緊張感，都提升了整整一個數量級。"

具體強在哪？

首先是節奏控制。三句話的限制被嚴格執行，信息密度高，沒有廢話。其次是氛圍一致性——諷刺語氣貫穿始終，沒有突然變成客服腔。最關鍵的是，AI 開始真正"為難"玩家了，陰謀和障礙的設計有了層次感。

最直觀的證據是一張地圖。測試者在文末展示了 AI 生成的完整故事概覽圖，作為整個冒險的收尾。他沒有復制對話原文（用的是匈牙利語），但特別強調：「諷刺氛圍被完美還原。」

圖像生成與敘事的協同也值得關注。"風格一致"這條要求，在過往測試中往往是災難現場——同一場冒險里，角色畫風可能從寫實突變到Q版。5.5版本配合 Image 2.0 似乎解決了這個頑疾。

為什么這種測試方法本身很重要

測試者自己點出了價值所在：這類實驗"與真正的桌面角色扮演游戲的關聯，遠勝于那些掛著RPG標簽的程序"。

這句話值得拆解。市面上大多數"AI跑團"產品，本質還是分支敘事樹——開發者預設節點，AI負責填充文本。但這位測試者追求的，是開放式對抗：玩家寫動作，AI寫后果，沒有隱藏選項列表，沒有設計好的勝利路徑。

這種自由度的代價是極難評估。沒有準確率、沒有BLEU分數能衡量"這個地下城主夠不夠損"。測試者說的「很難用干巴巴的數字衡量的能力」，恰恰指向大模型評測的一個盲區：我們擅長測知識儲備、代碼通過率，卻缺乏對"敘事智能"的量化手段。

他的解法很原始也很有效：固定 Prompt，長期追蹤，用人感做錨。

胖商人這個設定還有一層深意。當 AI 面對"沒有戰斗技能、沒有魔法、沒有英雄光環"的主角時，被迫跳出標準奇幻敘事模板。它得設計適合商人的挑戰——可能是騙局、債務、供應鏈斷裂，而非地精和龍。這種"去套路化"壓力，比讓 AI 寫個勇者斗惡龍更能暴露真實水平。

從游戲測試到產品啟示

這個實驗對做產品的人有幾條可遷移的觀察。

第一，約束條件即功能。三句話限制、不列選項、不提問——這些看似反用戶體驗的規則，恰恰塑造了獨特的游戲節奏。AI 產品的交互設計，有時候需要做減法而非加法。

第二，多模態的臨界點可能比我們想的更近。Image 2.0 在這里不是錦上添花，而是敘事完整性的基礎設施。當 AI 能穩定輸出同一視覺風格的配圖時，"文字+圖像"的混合敘事才真正成立。

第三，對抗性場景是能力探針。讓 AI 當助手容易，讓 AI 當對手難。后者需要模型理解目標沖突、保持角色一致性、在限制中創造張力——這些能力遷移到商業場景，就是談判模擬、辯論訓練、危機演練等高端應用。

測試者的署名是"The Vibe Archeologist"（氛圍考古學家）。這個自嘲式的頭銜，或許暗示了一種新的評測范式：不是挖掘模型的知識深度，而是勘探它能營造的體驗質地。

他在文末祝讀者「玩得開心」——而這場持續數年的胖商人冒險，確實讓人看到了一種可能：當 AI 不再急于取悅用戶，反而能創造更真實的沉浸。