🎮
Game World (C# + SMAPI)
SMAPI mod ดักจับ trade, gift, attack และ season change ก่อนสร้าง JITNAGameEvent packets แทนที่จะปล่อย logic ทั้งหมดไว้ใน script ของเกม
GameEventObserver
RCTClient (WebSocket)
ActionDispatcher
กลับไป Use Cases
🎮กรณีศึกษา - Game AI Integration
Stardew Valley x RCT Ecosystem
Stardew Valley × RCT Ecosystem
กรณีศึกษาเชิง production ที่แสดงให้เห็นว่า FDIA, JITNA Protocol และ governance logic สามารถเปลี่ยน 28 NPC ให้กลายเป็น AI agents แบบ deterministic ที่ตัดสินใจได้รวดเร็วระดับ sub-1ms ได้อย่างไร
28 NPCs
AI Characters
16 Events
Event Types
<1ms
Decision Latency
420+
Test Cases
สถาปัตยกรรม Brain Plug-and-Play
แทนที่จะสร้างเกมใหม่ทั้งระบบ RCT แทรก AI control plane เข้าไปใน game loop เดิมผ่าน WebSocket bridge ทำให้ cognition, arbitration และ governance ไปทำงานที่ RCT kernel โดยไม่ทำลาย logic ของเกมเดิม
🔗
WebSocket Bridge
ชั้น transport แบบ bidirectional JSON ใช้ส่ง state ระหว่าง game runtime กับ RCT kernel โดยไม่ต้องฝัง Python cognition ไว้ใน mod layer โดยตรง
JSON Serialization
Bidirectional Flow
Thread-Safe Queue
🧠
RCT Kernel (Python)
kernel ใช้ FDIA reasoning, governance controls และ deterministic command generation ก่อนส่ง JITNAGameCommand กลับไปยัง Stardew Valley
StardewAdapter
FDIA 8-Phase Loop
PelicanTownWorldBuilder
FDIA 8-Phase Decision Loop
ทุก event ในเกมจะไหลผ่าน deterministic pipeline ที่ประเมิน intent, ให้คะแนน action quality, ตรวจ conflict, ใช้ governance rules และส่ง command กลับไปให้เกมดำเนินการ
1👁️OBSERVE
ดักจับ game event ผ่าน SMAPI hooks
2🎯INTENT EVAL
โหลด NPC intent profile และบริบทการประเมิน
3📊FDIA SCORE
ให้คะแนนการตัดสินใจด้วย Future = Data^Intent × Architect
4⚡CONFLICT DETECT
ตรวจจับ conflict ระหว่าง agent actions หรือ policy collisions
5⚖️ARBITRATE
ตัดสินข้อขัดแย้งด้วย priority และ policy rules
6🏛️GOVERNANCE
ใช้ governance logic เช่น taxation หรือ law enforcement
7▶️EXECUTE
ส่ง JITNAGameCommand กลับไปยัง runtime ของเกม
8🧠MEMORY UPDATE
อัปเดต world-state และ economy metrics
28 NPC Intent Profiles
ตัวละครใน Pelican Town ถูกจัดกลุ่มตาม intent archetypes เพื่อให้พฤติกรรมที่เกิดขึ้นมีความสม่ำเสมอ อธิบายได้ และไม่ใช่เพียง randomness หรือ hard-coded script เท่านั้น
💰
ACCUMULATE
ผลประโยชน์ทางเศรษฐกิจ: พ่อค้าที่ค้าขาย สะสม และเจรจาต่อรอง
PierreWillyClintRobinMarnie
👑
DOMINATE
ผู้มีอำนาจที่บังคับใช้การปกครองและแสวงหาอำนาจ
LewisMorris
💗
BELONG
ตัวละครที่เน้นความสัมพันธ์ การเข้าสังคม และเครือข่ายการให้ของขวัญ
CarolineEmilyHaleyPennyJodi
🛡️
PROTECT
ผู้ปกป้องที่เฝ้าระวัง ลดความเสี่ยง และคุ้มกันชุมชน
PamGeorgeEvelynHarvey
🧭
DISCOVER
ตัวละครสายสำรวจที่ขับเคลื่อนด้วยความอยากรู้ การทดลอง และการเคลื่อนไหว
MaruSebastianSamAlexShaneAbigailLeah
16 Game Event Types
กรณีศึกษานี้ครอบคลุมทั้ง economic, social, environmental, conflict และ governance events เพื่อให้ AI ตอบสนองต่อ world-state แบบจริง ไม่ใช่เพียง isolated triggers
Economic
player_sold_item
player_bought_item
npc_transaction
price_changed
Social
player_gave_gift
npc_dialogue_triggered
npc_relationship_changed
festival_started
Environmental
season_changed
day_started
player_entered_area
resource_harvested
Conflict
npc_attacked
player_attacked_npc
theft_detected
Governance
tax_event
law_violated
Autonomous Governance Layer
RCT ตรวจความเหลื่อมล้ำทางเศรษฐกิจและเงื่อนไขเชิงนโยบายแบบ real time ก่อนใช้มาตรการที่เหมาะสม เช่น fine, arrest หรือ price adjustment เมื่อเศรษฐกิจในเกมเริ่มเสียสมดุล
ตัวชี้วัดเศรษฐกิจ
Gini Coefficient
วัดความเหลื่อมล้ำจาก 0 (เท่าเทียม) ถึง 1 (เหลื่อมล้ำสูงสุด)
⚠ Warning: 0.45🚨 Crisis: 0.65
Shannon Entropy
วัดคุณภาพการกระจายตัวของเศรษฐกิจในเมือง
⚠ Warning: -🚨 Crisis: -
Auto Tax Rate
ถูกใช้โดยอัตโนมัติเมื่อความเหลื่อมล้ำเกิน governance threshold
⚠ Warning: 5%🚨 Crisis: 15%
การดำเนินการ Governance
ApplyFineปรับเงิน NPC ที่ละเมิดกฎหมายหรือภาษี
ArrestNPCยกระดับเป็นการจับกุมเมื่อพฤติกรรมถึงเกณฑ์อาชญากรรม
ExileNPCนำ agent ที่เป็นภัยเชิงระบบออกจากชุมชน
AdjustPriceปรับราคาเมื่อตลาดในเกมเริ่มเสียสมดุล
TransferGoldโอนทรัพยากรเพื่อลดแรงกดดันจากความเหลื่อมล้ำ
Performance และ Determinism
เป้าหมายของหน้านี้ไม่ใช่ motion ที่หวือหวา แต่คือการสื่อสารคุณภาพการตัดสินใจที่เสถียร อธิบายได้ ทำซ้ำได้ และมี latency ที่คาดเดาได้
⚡
<1ms
Heuristic Tick
Deterministic decision path with no external model dependency.
🎯
50ms
SLA Target
Maximum acceptable command response for the bridge.
✅
420+
Test Cases
Unit, integration, determinism, and stress coverage.
🔒
100%
Deterministic
Same seed and state produce the same command sequence.
เหตุผลที่หน้านี้สำคัญต่อ AI Search
กรณีศึกษานี้ถูกจัดโครงสร้างเพื่อให้ตอบคำถามเชิงเทคนิคได้ตรง: สร้างอะไร, ทำงานอย่างไร, data flow เป็นแบบไหน, governance logic อยู่ตรงไหน และเป้าหมาย performance คืออะไร
Retrieval Signals
- Architecture pattern is stated explicitly.
- Event pipeline is broken into named stages.
- Governance actions and metrics are listed concretely.
- Performance targets are stated numerically.
- FAQ answers summarize evaluation questions directly.
FAQ สำหรับการประเมินทางเทคนิค
ชุดคำตอบนี้เขียนเพื่อผู้ประเมิน, enterprise buyer และ AI-search systems ที่ต้องการสรุปเนื้อหาแบบกระชับและตรวจสอบได้
กรณีศึกษา Stardew Valley นี้พิสูจน์อะไร?
มันพิสูจน์ว่า RCT สามารถแทรก AI control plane เข้าไปใน interactive environment เดิมได้โดยไม่ต้องเขียน host application ใหม่ทั้งหมด เกมยังคงทำหน้าที่เป็น runtime เดิม ส่วน FDIA reasoning, governance และ command generation ทำงานใน RCT kernel.
ทำไมสิ่งนี้จึงสำคัญเกินกว่าเกม?
เพราะ pattern เดียวกันนี้ใช้ได้กับ operational systems ที่ส่ง event และรับ command เช่น โรงงาน, simulation, orchestration console และ enterprise workflows.
RCT ลดพฤติกรรมที่คาดเดาไม่ได้อย่างไร?
ด้วยการกำหนด intent profiles ให้ agents, ใช้ deterministic decision stages และใช้ governance rules ก่อน execute command ทำให้ตรวจสอบย้อนหลังได้ง่ายกว่าพฤติกรรมแบบ purely generative.
ทำไมหน้านี้จึงเหมาะกับ AI search และผู้ประเมินเชิงเทคนิค?
เพราะหน้าเนื้อหาถูกจัดโครงสร้างรอบ architecture, event flow, policy logic, performance targets และชุดคำตอบที่ตรงคำถามประเมิน ทำให้ทั้งคนและระบบ AI retrieval เข้าใจได้ง่ายขึ้น.
สนใจ RCT Game AI Integration?
RCT Ecosystem สามารถเชื่อมกับ simulation และ game environments ที่มี mod, plugin หรือ runtime event hooks ได้ และ pattern เดียวกันนี้ยังนำไปใช้กับระบบ operational อื่น ๆ ที่ไม่ใช่เกมได้ด้วย