Как заставить LLM играть в визуальные новеллы: патчинг Ren'Py, Ollama и автоматизация диалогов

Зачем учить нейросеть играть в новеллы? (Да, это безумие)

Представьте: вы запускаете "Бесконечное Лето", но вместо вас диалоги ведёт локальная LLM. Она читает реплики персонажей, анализирует контекст и выбирает ответы. Звучит как помесь академического эксперимента и цифрового баловства. Но именно так можно протестировать, насколько модель понимает сюжетные арки и эмоциональные нюансы.

В 2026 году инструменты для такого эксперимента стали доступнее. Ollama 2.4 (актуальная версия на март 2026) позволяет развернуть Llama 3.2 70B или Qwen2.5 32B на домашней видеокарте. Ren'Py 8.1 остаётся монополистом в мире визуальных новелл с открытым исходным кодом. Осталось только заставить их говорить друг с другом.

1Готовим железо и софт: Ollama и модель

Сначала установите Ollama с официального сайта. На момент марта 2026 года, версия 2.4 исправляет баги с длинными контекстами и добавляет Native Windows Support (наконец-то!).

curl -fsSL https://ollama.ai/install.sh | sh
# Или скачайте установщик для Windows

Затем выберите модель. Для диалогов в новеллах важны:

• Понимание контекста: модели с контекстом 128k токенов теперь не редкость. Llama 3.2 70B-instruct-q4_K_M отлично справляется.
• Отсутствие цензуры: если ваш эксперимент включает NSFW-сцены, ищите ансафовые варианты. В статье про NSFW-чат с картинками есть подборка моделей.
• Скорость ответа: даже на RTX 5090 70B-модель может тормозить. Рассмотрите Qwen2.5-14B – она легче и для диалогов подходит.

ollama pull llama3.2:70b-instruct-q4_K_M
# Или
ollama pull qwen2.5:14b-instruct

2Добываем игру: где взять Ren'Py проект для патчинга

Идеальный вариант – игры с открытым исходным кодом. «Бесконечное Лето» распространяется под лицензией, которая позволяет модификации. Скачайте исходники с GitHub репозитория.

Если исходников нет, придётся использовать реверс-инжиниринг. Ren'Py игры компилируются в архивы .rpa, которые можно распаковать утилитой un.rpa. Но это серая зона. Лучше работать с открытыми проектами.

Для эксперимента создадим простейшую новеллу на Ren'Py 8.1 с одним диалогом. Это легально и безопасно.

# script.rpy
define mc = Character("[mc_name]", color="#c8c8ff")
define alice = Character("Алиса", color="#ffc8c8")
label start:
    mc "Привет, Алиса. Как настроение?"
    menu:
        "Спросить о погоде":
            alice "Погода? Солнечно, но ветрено."
        "Пошутить":
            alice "Ха-ха, смешно. Не очень."
    alice "Ладно, мне пора."
    return

3Пишем мост между Ren'Py и Ollama: Python-скрипт для автоматизации

Ren'Py позволяет вызывать внешние Python-скрипты. Мы создадим модуль, который будет:

1. Перехватывать диалоги из игры.
2. Формировать промпт для LLM с историей разговора.
3. Отправлять запрос в Ollama через API.
4. Возвращать выбранный вариант ответа в игру.

Ollama предоставляет REST API на localhost:11434. Используем библиотеку requests.

# ai_bridge.py
import requests
import json

class OllamaBridge:
    def __init__(self, model="llama3.2:70b-instruct-q4_K_M", base_url="http://localhost:11434"):
        self.model = model
        self.base_url = base_url
        self.conversation_history = []
    
    def add_to_history(self, role, content):
        self.conversation_history.append({"role": role, "content": content})
        # Ограничиваем историю последними 20 репликами, чтобы не перегружать контекст
        if len(self.conversation_history) > 20:
            self.conversation_history = self.conversation_history[-20:]
    
    def get_response(self, prompt):
        self.add_to_history("user", prompt)
        messages = self.conversation_history.copy()
        # Системный промпт задаёт роль
        system_msg = {"role": "system", "content": "Ты персонаж визуальной новеллы. Отвечай кратко и в соответствии с характером."}
        messages.insert(0, system_msg)
        
        response = requests.post(
            f"{self.base_url}/api/chat",
            json={
                "model": self.model,
                "messages": messages,
                "options": {"temperature": 0.7, "top_p": 0.9}
            }
        )
        if response.status_code == 200:
            reply = response.json()["message"]["content"]
            self.add_to_history("assistant", reply)
            return reply
        else:
            return "Ошибка соединения с Ollama."

В Ren'Py скрипте импортируем этот модуль и используем:

# В начале script.rpy
init python:
    import ai_bridge
    ollama = ai_bridge.OllamaBridge(model="qwen2.5:14b-instruct")

label start:
    mc "Привет, Алиса. Как настроение?"
    # Вместо menu вызываем LLM
    $ prompt = "Персонаж Алиса. Ты говоришь с другом. Он сказал: 'Привет, Алиса. Как настроение?' Ответь кратко."
    $ response = ollama.get_response(prompt)
    alice "[response]"
    mc "Что думаешь о завтрашней встрече?"
    $ prompt2 = "Продолжи диалог. Предыдущие реплики: " + response + ". Тебе говорят: 'Что думаешь о завтрашней встрече?'"
    $ response2 = ollama.get_response(prompt2)
    alice "[response2]"
    return

Это базовый пример. В реальности нужно парсить диалоги автоматически, но для начала хватит.

А что, если не хочется кодить? Альтернативные инструменты

Патчинг Ren'Py – это хардкор. Есть более простые способы интегрировать LLM в игры:

Для новелл на Ren'Py патчинг – самый прямой метод. Но если вы хотите экспериментировать с разными играми, SillyTavern сэкономит время.

Где это может пригодиться? Не только для баловства

Кажется, что заставлять LLM играть в новеллы – это чисто академическое развлечение. Но есть практические применения:

• Тестирование сценариев: автоматический проход диалоговых веток для поиска багов в интерактивных историях.
• Генерация контента: LLM может предлагать альтернативные реплики или даже создавать новые диалоги на лету, как в AI Dungeon Master.
• Исследование поведения ИИ: как модели принимают решения в эмоционально окрашенных ситуациях? Отличный полигон для психологии ИИ.
• Доступность: система может помогать игрокам с ограниченными возможностями, проговаривая выборы или анализируя сюжет.

Кому стоит попробовать этот эксперимент?

Если вы:

• Разработчик игр на Ren'Py и хотите добавить ИИ-персонажей с динамическими диалогами.
• Энтузиаст локальных LLM, который устал от чат-интерфейсов и хочет новых вызовов.
• Исследователь, изучающий взаимодействие ИИ с нарративными системами.
• Просто любитель визуальных новелл, который хочет увидеть, как «Бесконечное Лето» пройдёт само себя.

Тогда этот гайд для вас. Начните с простой тестовой новеллы, чтобы не утонуть в коде. И помните: самое сложное – не заставить LLM отвечать, а сделать так, чтобы её ответы были уместными и не разрушали immersion. Для этого нужна тонкая настройка промптов и, возможно, RAG-агент с знаниями об игре.

А если хочется чего-то менее хардкорного, попробуйте сторителлинг в SillyTavern – там тоже можно разыгрывать диалоги, но без возни с движками.

И да, если ваш ИИ вдруг начнёт вести себя как социопат или зациклится на одной фразе – это не баг, это фича. По крайней мере, для исследователя.

Подписаться на канал