<- Volver ao blog
~/blog/

NiPtAIdea: alucinacións, aleatoriedad falsa e un anfitrión de IA sarcástico

date: 25 de marzo de 2026
next.jsvercel-ai-sdkgeminisqlitexogodockercoolify

NiPtAIdea é un xogo de adiviñanza onde unha IA escolle un concepto secreto — unha persoa, lugar, animal, obra ou concepto abstracto — e tes 15 preguntas para adiviñalo. A IA responde con Si, Non, Frío, Tibio ou Quente. Tamén ten personalidade condescendente e comeza a insultarte se quedas calado demasiado tempo.

A mecánica do xogo é sinxela. Conseguir que a IA se comportase como un anfitrión consistente — e lixeiramente antipático — foi a parte interesante.

Problema 1: os modelos baratos esquezan o seu propio segredo

A primeira versión usaba un modelo pequeno e barato. Baixa latencia, baixo custo — é só un xogo de adiviñanzas, que difícil pode ser?

Bastante. Os modelos pequenos baixo un system prompt restritivo tenden a derivar. Tras varios quendas, o modelo comezaba a contradecir as súas propias respostas anteriores — xogando efectivamente cun concepto diferente ao que escollerá ao principio. Desde o punto de vista do xogador, o xogo vólvese irresoluble. A IA non fai trampa a propósito; simplemente perdeu o fío do que decidiu.

O fallo tiña esta pinta:

Xogador: Está vivo?
IA: Non.

[6 preguntas despois]

Xogador: É un animal?
IA: Tibio! Estaste achegando.

O modelo non cambiara o concepto — esquecérao. Cun modelo capaz isto é raro; cun pequeno é o suficientemente frecuente como para facer o xogo inxogable. A solución foi migrar a Gemini Flash 3 (vía OpenRouter) e volver a enunciar o concepto explicitamente ao inicio de cada batch de mensaxes enviado ao modelo — non só na inicialización da partida. A inferencia sen estado obriga a re-anclar en cada chamada.

Problema 2: a IA sempre elixía can, coche e mazá

Unha vez que o xogo era consistente, apareceu outro problema: a IA seguía elixindo os mesmos conceptos. Can. Coche. Mazá. Cadeira. Piano. Sempre.

Non é un bug — é como funcionan os modelos de linguaxe. Xeran o token máis probable e, cando se lles pide que “escollan un concepto ao azar”, as respostas máis probables son os substantivos máis comúns nos datos de adestramento. Sen ningún empuxe, o modelo converxe sempre no mesmo pequeno conxunto.

Dúas cousas arranxárono:

Unha semente no system prompt. Cada partida xera un número aleatorio no servidor e inxéctao nas instrucións:

const seed = Math.floor(Math.random() * 100000);

const systemPrompt = `
Es o anfitrión dun xogo de adiviñanzas. Semente: ${seed}.
Usa esta semente para variar a túa elección de concepto. Escolle algo específico e
inesperado — evita palabras xenéricas como "can", "coche", "mazá", "cadeira".
...
`;

A semente non funciona como un RNG — o modelo non computa con ela. Pero desprace a ventá de contexto o suficiente para que o modelo mostre dunha rexión diferente da súa distribución. A diversidade de conceptos mellorou notablemente.

Unha lista de conceptos xa vistos desde localStorage. Os últimos 20 conceptos que viu o xogador gárdanse en localStorage e envíanse ao endpoint /api/game/init en cada nova partida. O system prompt inclúeos explicitamente como conceptos a evitar. Isto significa que un xogador que xoga repetidamente obterá variedade entre sesións, non só dentro dunha.

// cliente — antes de comezar unha nova partida
const seen = JSON.parse(localStorage.getItem('seenConcepts') ?? '[]');
const { token } = await fetch('/api/game/init', {
  method: 'POST',
  body: JSON.stringify({ avoidConcepts: seen }),
}).then(r => r.json());

Combinados, a semente e a lista de evitación fixeron que a elección de concepto se sentise xenuinamente variada.

Outros detalles de implementación que vale a pena mencionar

Tolerancia a erros tipográficos. As respostas do xogador valídanse con distancia de Levenshtein (≤ 2) contra o concepto real, polo que elefanto segue sendo correcto se o concepto é elefante. Sen isto, o xogo séntese inxustamente punitivo.

Cifrado do concepto. O concepto cífrase con AES-GCM antes de envialo ao cliente como token opaco. Isto evita que os xogadores o lean na pestana Network das DevTools. A clave derívase dunha variable de contorno GAME_SECRET.

Taunts automáticos. Se o xogador está inactivo 60, 120, 180 ou 240 segundos, a IA inxecta automaticamente unha mensaxe de burla. Esta foi a funcionalidade máis divertida de axustar — as primeiras versións eran demasiado agresivas e resultaban molestas en lugar de graciosas.

Stack

  • Next.js 16 App Router — Server Actions, respostas en streaming
  • Gemini Flash 3 vía OpenRouter — suficientemente capaz para gardar un segredo, suficientemente rápido para un xogo
  • Vercel AI SDK v6 — useChat e streamText para o bucle de conversación
  • SQLite / better-sqlite3 — persistencia de sesións e leaderboard top 10
  • Docker + Coolify — autoaloxado no meu VPS, ficheiro SQLite nun volume persistente

A lección real

Construír un xogo sobre un modelo de linguaxe significa que o modelo é a túa lóxica de xogo. O prompt engineering non é decoración — é onde viven os bugs. Os dous problemas principais aquí (alucinación e aleatoriedad falsa) viñan da mesma raíz: subestimar canto necesita que lle digan explicitamente, en cada chamada, o que se supón que ten que estar facendo.

O xogo está dispoñible en niptaidea.mougan.es.