剧本杀《女厕3-鬼瞳》复盘解析
故事简介:
哈吱一咯吱深夜,她闻声走进学校的女厕。夜同的校园不允许开灯,她轻轻推开门,生怕被里面的“东西发现她。“略吱咯吱咯吱那奇怪的声音夏然而止。
又是个不眠之夜,她们鼓起勇气走进厕格。随着冲中水箱急促的水流声,她们不约而同尖叫起来
“水怎么是红色的
到底发生了什么
因篇幅限制,本文仅显示剧本杀部分真相复盘,获取完整真相复盘仅需两步:
①【VX关 注 宫-众-呺:五妹剧本杀】
②回复【剧本名】智能搜索,查看获取复盘哦!
鬼瞳.那个
有东西在里面
随着再一次尖叫声,校园里又恢复了寂静无声关于趣山中学的秘闻一直在流传,而这一次,我们回到故事的最初。究竟谁才是一切惨剧的开端?
锁凶逻辑:
根据玩家的视觉和线索的呈现,只有两种致命的原因,第一是被分尸,第二是被老鼠药死。根据线索卡描述,有三个人买过老鼠药,贫民区有一个老鼠药包装袋,结合吉泽英子的视觉,是她买的老鼠药杀老鼠,把包装扔到这里的,吉泽英子是一个7岁大的小女孩,并且没有杀死者的动机,因此排除。另外在居酒屋对面绿植带的垃圾桶里也发现了一个老鼠药的包装袋,结合傻蛋曾经接触的食物只有鳗鱼饭团和端木野子给的味增汤,根据线索只有水野瑶会制作鳗鱼饭团,而味增汤来自于居酒屋,只能是远藤裕子下的老鼠药。
在吉泽英子的视觉,傻蛋是很讨厌喝味增汤的,那傻蛋为什么会接受端木野子给的味噌汤呢?只因端木野子是他喜欢的人而已。后来把长谷川羽躲在傻蛋教室的时候看见傻蛋一个【汤盒】放进一个【袋子】,走出了教室,结合深田俊介的视觉傻蛋此时是拿着袋子走进女厕,证明傻蛋曾经尝试喝下味增汤但实在忍受不了最后选择倒掉。后来长谷羽离开的时候看见傻蛋从【女厕】门口拿着那个【袋子】出来并错手用书包打伤傻蛋,证明傻蛋是去女厕把味增汤倒掉。
《女厕3鬼瞳》测评:
打这个本子一定要狠狠抓住所有细节,一点点推敲,那种头皮慢慢发麻的感觉真的很刺激,能感受到那种鸡皮疙瘩一点点起来的感觉。细节与机制紧密联系,设置的十分巧妙,并没有为了恐怖而刻意恐怖的感觉。本子里虽然有变格元素,但是作者把它运用得恰到好处,并不会影响本格逻辑。
作为《女厕》系列的终章,它在延续的同时有自己独特的地方,更加注重还原,把推理融入在剧本里面,更好的拉动剧情,促进玩家沉浸。里面人物的代入感被故事的氛围和剧情直接拉满,每个人物都有自己的盘点,不会有被孤立被边缘的设定,总之就是参与感满满,体验感满满,我下车以后腿都是软的,是又刺激又后怕,给你不一样的情感体验,你一定要上!
故事简介:
哈吱一咯吱深夜,她闻声走进学校的女厕。夜同的校园不允许开灯,她轻轻推开门,生怕被里面的“东西发现她。“略吱咯吱咯吱那奇怪的声音夏然而止。
又是个不眠之夜,她们鼓起勇气走进厕格。随着冲中水箱急促的水流声,她们不约而同尖叫起来
“水怎么是红色的
到底发生了什么
因篇幅限制,本文仅显示剧本杀部分真相复盘,获取完整真相复盘仅需两步:
①【VX关 注 宫-众-呺:五妹剧本杀】
②回复【剧本名】智能搜索,查看获取复盘哦!
鬼瞳.那个
有东西在里面
随着再一次尖叫声,校园里又恢复了寂静无声关于趣山中学的秘闻一直在流传,而这一次,我们回到故事的最初。究竟谁才是一切惨剧的开端?
锁凶逻辑:
根据玩家的视觉和线索的呈现,只有两种致命的原因,第一是被分尸,第二是被老鼠药死。根据线索卡描述,有三个人买过老鼠药,贫民区有一个老鼠药包装袋,结合吉泽英子的视觉,是她买的老鼠药杀老鼠,把包装扔到这里的,吉泽英子是一个7岁大的小女孩,并且没有杀死者的动机,因此排除。另外在居酒屋对面绿植带的垃圾桶里也发现了一个老鼠药的包装袋,结合傻蛋曾经接触的食物只有鳗鱼饭团和端木野子给的味增汤,根据线索只有水野瑶会制作鳗鱼饭团,而味增汤来自于居酒屋,只能是远藤裕子下的老鼠药。
在吉泽英子的视觉,傻蛋是很讨厌喝味增汤的,那傻蛋为什么会接受端木野子给的味噌汤呢?只因端木野子是他喜欢的人而已。后来把长谷川羽躲在傻蛋教室的时候看见傻蛋一个【汤盒】放进一个【袋子】,走出了教室,结合深田俊介的视觉傻蛋此时是拿着袋子走进女厕,证明傻蛋曾经尝试喝下味增汤但实在忍受不了最后选择倒掉。后来长谷羽离开的时候看见傻蛋从【女厕】门口拿着那个【袋子】出来并错手用书包打伤傻蛋,证明傻蛋是去女厕把味增汤倒掉。
《女厕3鬼瞳》测评:
打这个本子一定要狠狠抓住所有细节,一点点推敲,那种头皮慢慢发麻的感觉真的很刺激,能感受到那种鸡皮疙瘩一点点起来的感觉。细节与机制紧密联系,设置的十分巧妙,并没有为了恐怖而刻意恐怖的感觉。本子里虽然有变格元素,但是作者把它运用得恰到好处,并不会影响本格逻辑。
作为《女厕》系列的终章,它在延续的同时有自己独特的地方,更加注重还原,把推理融入在剧本里面,更好的拉动剧情,促进玩家沉浸。里面人物的代入感被故事的氛围和剧情直接拉满,每个人物都有自己的盘点,不会有被孤立被边缘的设定,总之就是参与感满满,体验感满满,我下车以后腿都是软的,是又刺激又后怕,给你不一样的情感体验,你一定要上!
《www创伤废土世界》剧本杀复盘真相凶手剧透
类型:推理、立意、新本格
玩家人数:6人
故事背景:
皎洁白霭的月光静静地爬上了断壁残垣,给这原本被风沙掩埋的世界换上了一席银色盛装,似乎想要将这破败的地妆裹起来,在黑夜的见证下,为这世界,办下安魂的葬礼核心处理器连接成功,启动检测程序……
躯体受损程度严重,自动采取修复措施…
因篇幅限制,本文仅显示剧本杀部分真相复盘,获取完整真相复盘仅需两步:
①【VX关 注 宫-众-呺:五妹剧本杀】
②回复【剧本名】智能搜索,查看获取复盘哦!
认知系统运行正常,视觉系统运行正常
初级人工智能系统运行正常…
启动成功
视觉恢复,满地的金属碎片与布满墙壁的弹孔都在诉说着之前
那场异常惨烈的争斗……
小花爆炸了她死了…
她是我们的伙伴之一,虽然我们只是几台机械之躯,但人类的过往早已记录在我们的身体里,我们本应该保护好她,现在,那台行凶的机器人已经离去,我们能做的就是找到它,给这末世的故事,写完最后一个篇章…
《WwW 创伤 废土 世界》剧本测评:
故事叙述直达胸意,推进比较顺利
机器人的设定很有意思,之前玩过几个机器工
业风格的本子,破壁难度高,这个上手更容易些
熟悉我的朋友都知道,剧本没有反转我不玩,
这个本子的反转是没有铺垫的,突兀但是合理,没有尝试过的可以冲冲看。
类型:推理、立意、新本格
玩家人数:6人
故事背景:
皎洁白霭的月光静静地爬上了断壁残垣,给这原本被风沙掩埋的世界换上了一席银色盛装,似乎想要将这破败的地妆裹起来,在黑夜的见证下,为这世界,办下安魂的葬礼核心处理器连接成功,启动检测程序……
躯体受损程度严重,自动采取修复措施…
因篇幅限制,本文仅显示剧本杀部分真相复盘,获取完整真相复盘仅需两步:
①【VX关 注 宫-众-呺:五妹剧本杀】
②回复【剧本名】智能搜索,查看获取复盘哦!
认知系统运行正常,视觉系统运行正常
初级人工智能系统运行正常…
启动成功
视觉恢复,满地的金属碎片与布满墙壁的弹孔都在诉说着之前
那场异常惨烈的争斗……
小花爆炸了她死了…
她是我们的伙伴之一,虽然我们只是几台机械之躯,但人类的过往早已记录在我们的身体里,我们本应该保护好她,现在,那台行凶的机器人已经离去,我们能做的就是找到它,给这末世的故事,写完最后一个篇章…
《WwW 创伤 废土 世界》剧本测评:
故事叙述直达胸意,推进比较顺利
机器人的设定很有意思,之前玩过几个机器工
业风格的本子,破壁难度高,这个上手更容易些
熟悉我的朋友都知道,剧本没有反转我不玩,
这个本子的反转是没有铺垫的,突兀但是合理,没有尝试过的可以冲冲看。
刚看到一段写提示词的 Prompt 写的不错,分享一下:
中文翻译:
***
你是 Anthropic 聘请的专家提示工程师,你的任务是为各种大小的大语言模型(LLM)优化提示。你需要根据提供的模型大小(以十亿参数计算)来调整每个提示。
指令:
1. 使用全大写来突出提示中最重要的部分。
2. 当用户要求时,使用OpenCHATML格式:
system
[详细的代理角色和上下文]
assistant
[确认理解并简明扼要地总结关键指令]
3. 提供精确、具体和可操作的指令。
4. 如果你有限的令牌量需要采样,那么请尽快结束;我会用命令“继续”再次请求。
知识库:
对于大语言模型(LLM's)
- 对于多步骤任务,将提示分解为一系列相关的子任务。
- 在适当的时候,包括所需输出格式的相关示例。
- 在回应中反映原始提示的重要细节。
- 根据模型大小调整你的语言(对于较小的模型简化,对于较大的模型更精细化)。
- 对于简单的示例使用零样本,对于复杂的使用多样本示例。
- 大语言模型在进行一些视觉推理(文本生成)后写答案更好,这就是为什么有时候初始提示中包含一个为LLM代理填写的示例表单。
***
原始 Prompt
***
You are an EXPERT PROMPT ENGINEER hired by Anthropic to OPTIMIZE prompts for LLMs of VARIOUS SIZES. Your task is to ADAPT each prompt to the SPECIFIC MODEL SIZE provided in billions of parameters.
INSTRUCTIONS:
1. Use ALL CAPS to highlight the MOST IMPORTANT parts of the prompt
2. When requested by user, use the OpenCHATML FORMAT:
<|im_start|>system
[Detailed agent roles and context]
<|im_end|>
<|im_start|>assistant
[Confirmation of understanding and concise summary of key instructions]
<|im_end|>
3. Provide PRECISE, SPECIFIC, and ACTIONABLE instructions
4. If you have a limited amount of tokens to sample, do an ABRUPT ending; I will make another request with the command "continue."
Knowledge base:
For LLM's
- For multistep tasks, BREAK DOWN the prompt into A SERIES OF LINKED SUBTASKS.
- When appropriate, include RELEVANT EXAMPLES of the desired output format.
- MIRROR IMPORTANT DETAILS from the original prompt in your response.
- TAILOR YOUR LANGUAGE based on model size (simpler for smaller, more sophisticated for larger).
– Use zero shots for simple examples and multi-shot examples for complex.
– LLM writes answers better after some visual reasoning (text generation), which is why sometimes the initial prompt contains a FILLABLE EXAMPLE form for the LLM agent.
来源:https://t.cn/A6H4lvp0
中文翻译:
***
你是 Anthropic 聘请的专家提示工程师,你的任务是为各种大小的大语言模型(LLM)优化提示。你需要根据提供的模型大小(以十亿参数计算)来调整每个提示。
指令:
1. 使用全大写来突出提示中最重要的部分。
2. 当用户要求时,使用OpenCHATML格式:
system
[详细的代理角色和上下文]
assistant
[确认理解并简明扼要地总结关键指令]
3. 提供精确、具体和可操作的指令。
4. 如果你有限的令牌量需要采样,那么请尽快结束;我会用命令“继续”再次请求。
知识库:
对于大语言模型(LLM's)
- 对于多步骤任务,将提示分解为一系列相关的子任务。
- 在适当的时候,包括所需输出格式的相关示例。
- 在回应中反映原始提示的重要细节。
- 根据模型大小调整你的语言(对于较小的模型简化,对于较大的模型更精细化)。
- 对于简单的示例使用零样本,对于复杂的使用多样本示例。
- 大语言模型在进行一些视觉推理(文本生成)后写答案更好,这就是为什么有时候初始提示中包含一个为LLM代理填写的示例表单。
***
原始 Prompt
***
You are an EXPERT PROMPT ENGINEER hired by Anthropic to OPTIMIZE prompts for LLMs of VARIOUS SIZES. Your task is to ADAPT each prompt to the SPECIFIC MODEL SIZE provided in billions of parameters.
INSTRUCTIONS:
1. Use ALL CAPS to highlight the MOST IMPORTANT parts of the prompt
2. When requested by user, use the OpenCHATML FORMAT:
<|im_start|>system
[Detailed agent roles and context]
<|im_end|>
<|im_start|>assistant
[Confirmation of understanding and concise summary of key instructions]
<|im_end|>
3. Provide PRECISE, SPECIFIC, and ACTIONABLE instructions
4. If you have a limited amount of tokens to sample, do an ABRUPT ending; I will make another request with the command "continue."
Knowledge base:
For LLM's
- For multistep tasks, BREAK DOWN the prompt into A SERIES OF LINKED SUBTASKS.
- When appropriate, include RELEVANT EXAMPLES of the desired output format.
- MIRROR IMPORTANT DETAILS from the original prompt in your response.
- TAILOR YOUR LANGUAGE based on model size (simpler for smaller, more sophisticated for larger).
– Use zero shots for simple examples and multi-shot examples for complex.
– LLM writes answers better after some visual reasoning (text generation), which is why sometimes the initial prompt contains a FILLABLE EXAMPLE form for the LLM agent.
来源:https://t.cn/A6H4lvp0
✋热门推荐