Aiwright

Aiwright

AI TOOL PROFILE工具资料

用代码与自然语言混合生成有据可依的交互叙事对话,并分析对话图

官网地址 https://pl.aiwright.dev/

访问官网
价格官网未标价
平台Web
归类聊天对话
收录2026-10-12
复核2026-10-12
编辑评分 4.1 / 5

Aiwright编辑总结

EDITOR REVIEW编辑评测

Aiwright 是一款面向交互叙事的 AI 对话生成工具,由研究团队开发,围绕对话图分析、有据对话生成、试玩测试与偏好分析四块能力搭建。它把部分对话树转换为 Lua 脚本,通过掩码填充(masked infilling)实现有据生成,并以移动端友好的网页界面让玩家试玩、收集偏好。工具还提供聚类等分析手段,可在大型对话图中按任意属性找出措辞相近的对白。论文以《极乐迪斯科:最终剪辑版》中 GPT-4 生成对话的玩家感知为研究背景。官网未公开具体价格与免费额度,也未说明支持的语言与地域范围。

Aiwright是什么?

Aiwright 是一款 AI 驱动的对话生成工具,服务于交互叙事,面向游戏对白设计、叙事研究与试玩验证等场景。工具官网提到研究论文涉及玩家对《极乐迪斯科:最终剪辑版》中 GPT-4 生成对话的感知。

产品由四块能力组成:对话图分析、对话生成、试玩测试、实验分析。对话生成采用代码与自然语言混合的做法,部分对话树被转换为 Lua 脚本,通过掩码填充生成「有据」(grounded)的对白;分析侧可基于任意属性对大型对话图做聚类,试玩侧提供移动端友好的网页界面,既能承载有据对话,也能用于比较用户对不同大模型所写对白的偏好。

使用路径上,官网提供 Getting Started 与 Features 两块文档,前者引导首次上手,后者按功能罗列,另有 Showcase 与 Try Now 入口。做叙事设计的用户可以先从聚类入手梳理既有对话树,再做生成;研究者可以用试玩与实验分析对比模型并收集玩家选择理由;开发者则需要通过 Lua 脚本改造对话树以接入生成流程。

Aiwright核心功能

CAPABILITIES工具标签

对话图聚类

针对角色扮演游戏中仅措辞略有差别的复杂分支对白,可在菜单栏 Tools > Clusters 下选择多种聚类方式,按任意属性找出并聚合相似对话,即便对话图规模很大也能处理。

官方说明 ↗

有据对话生成

把对话树的部分内容转换为 Lua 脚本,再用掩码填充的方式生成台词,使生成结果与脚本中已有的变量判断、技能检查等上下文绑定,而非脱离原作自由发挥。

官方说明 ↗

试玩测试

移动端友好的网页界面承载有据对话,可让玩家实际走完分支剧情,同时收集反馈;同一套界面也用于比较玩家对不同大模型所写对白的偏好。

官方说明 ↗

偏好实验分析

试玩结束后,可对比不同模型的表现,并分析玩家为何选择某一个对话选项而不是另一个,把选择背后的理由一并纳入统计。

官方说明 ↗

文档与上手引导

文档区提供 Getting Started 引导首次使用,Features 列表按能力逐项展开说明,另有 Showcase 展示与 Try Now 入口供直接体验。

官方说明 ↗

Aiwright值不值得用?

VERDICT工具标签

如果手上有一棵已经写成脚本的分支对话树,想用大模型批量生成贴合上下文的台词,Aiwright 的「Lua 脚本 + 掩码填充」路径比让模型凭空写更可控,聚类也能先帮你理清哪些对白只是措辞不同。做叙事方向研究、需要玩家试玩数据支撑结论的团队,可以把它当作采集偏好与比较模型的工具。但如果只是想在空白文档里写几句对白,或者希望开箱就用、不想碰 Lua 脚本,这套流程的前置改造成本会显得偏重。官网未公开价格与免费额度,预算与授权需要另行确认。

建议选它的情况

  • 已有大型分支对话树、需要按属性聚类梳理相似对白的叙事团队
  • 想把对话树转成 Lua 脚本、用掩码填充生成有据台词的项目
  • 需要玩家试玩与偏好数据来比较不同大模型写作效果的研究者

不建议选它的情况

  • 只想在空白文档里即兴写几句对白、不打算改造对话树的用户
  • 不愿接触 Lua 脚本、希望开箱即用的轻度写作者

Aiwright使用建议

HOW TO USE工具标签
入门先把路子走对
  1. 先读 Getting Started文档区把 Getting Started 放在最前,首次使用按它走一遍,再回头看 Features 列表里的各项能力会更容易对上。
  2. 先从聚类入手在菜单栏进入 Tools > Clusters,选择聚类方式,先用它把只差措辞的分支对白归拢到一起,再决定哪些交给生成。
  3. 看 Showcase 找参照文档区设有 Showcase,可先看已有案例的对话图与生成结果长什么样,再对照自己的对话树结构决定改造范围。
进阶省时间也省钱
  1. 用变量判断约束生成生成依赖脚本中的变量与技能检查,例如是否被玩家判定为共产主义者会影响自称用词,把这类分支条件写全,生成结果才贴合玩家状态。
  2. 试玩顺带收偏好试玩界面对移动端友好,可在同一轮里让玩家走完分支并记录他们选择某个选项的理由,省去事后单独组织评测。
  3. 先比模型再定稿实验分析支持对比不同模型,把候选模型都跑一轮试玩,再根据玩家偏好数据决定用哪一个产出最终台词。

Aiwright适合谁用?

WHO IS IT FOR工具标签

分支叙事设计师

推荐

手上对话树分支多、大量对白只是措辞差异,可先用聚类归拢,再让生成环节处理有据台词。

叙事方向研究者

推荐

需要玩家试玩数据来比较不同大模型所写对白的效果,试玩与实验分析两块能力正对应这一需求。

游戏对白程序员

有条件

愿意把对话树部分转换为 Lua 脚本并接上掩码填充流程,才能用上有据生成。

轻度写作者

不推荐

只想随手写几句对白、不打算改造对话树,Lua 脚本这一前置环节会让流程显得偏重。

Aiwright优点和缺点

PROS & CONS工具标签

优点

  • 生成基于 Lua 脚本掩码填充,台词与变量判断绑定而非凭空生成
  • 聚类可按任意属性处理大型对话图,能找出仅措辞不同的对白
  • 试玩界面移动端友好,可在同一轮收集玩家偏好
  • 实验分析能对比不同模型并记录玩家选择某选项的理由
  • 文档分 Getting Started 与 Features,上手路径清晰

缺点

  • 生成前需把对话树部分转换为 Lua 脚本,存在改造门槛
  • 官网未公开价格与免费额度,预算与授权需另行确认
  • 官网未说明支持的语言与地域范围
  • 官网未公开可处理的对话图规模上限

Aiwright常见问题

FAQ工具标签
Aiwright 是怎么生成对话的?

它把对话树的部分内容转换成 Lua 脚本,再用掩码填充的方式补全台词,生成结果会受脚本里的变量判断与技能检查约束。例如是否被判定为共产主义者,会决定角色在台词里是否自称「同志」。这样生成的台词与原作上下文绑定,而不是让模型自由发挥。

对话图很大也能做聚类吗?

可以做。聚类功能面向的正是角色扮演游戏中那种分支复杂、许多对白只差几个词的情况,官网称即便对话图非常大也能处理。使用时在菜单栏进入 Tools > Clusters,从多种聚类方式里选一种,按任意属性把相似对白归拢到一起。

怎么用玩家反馈来挑模型?

先用移动端友好的网页界面承载有据对话,让玩家实际走完分支;试玩结束后,实验分析工具可以对比不同模型,并分析玩家为何选某个选项而不是另一个。官网提到还能用它比较玩家对不同大模型所写对白的偏好,因此可以在定稿前先把候选模型各跑一轮。

上手要先看什么?

文档区建议不熟悉的人先看 Getting Started,走完首次使用的流程,再翻 Features 列表逐项了解能力。文档区另有 Showcase 可看案例、Try Now 可直接体验,适合在改造自己的对话树之前先建立直观印象。