29 

 

4.  Υλοποίηση 

Η υλοποίηση του έργου ακολούθησε μια σταδιακή προσέγγιση, με την κάθε φάση να 

ενσωματώνει νέες λειτουργίες και να βελτιώνει τη διαδραστικότητα του συστήματος. Κύριοι 
στόχοι της υλοποίησης ήταν η δημιουργία μιας λειτουργικής σύνδεσης μεταξύ του Μεγάλου 
Γλωσσικού Μοντέλου (LLM) και της διεπαφής συνομιλίας (Chat  Interface), η ενσωμάτωση 
αυτής της σύνδεσης σε περιβάλλον παιχνιδιού, η εισαγωγή στοχευμένων θεματικών για την 
αλληλεπίδραση με τους χρήστες και η συνεχιζόμενη βελτίωση της εμπειρίας του χρήστη μέσω 
έξυπνων αλληλεπιδράσεων και δυναμικής προσαρμογής του περιεχομένου. 

Η πρώτη φάση υλοποίησης επικεντρώθηκε στην ανάπτυξη της σύνδεσης μεταξύ του 

LLM  και  της  διεπαφής,  χρησιμοποιώντας  το  Flask  για  την  επικοινωνία  μέσω  API  και  τη 
γλώσσα  προγραμματισμού  Python.  Στη  δεύτερη  φάση,  δημιουργήθηκε  ένα  περιβάλλον 
παιχνιδιού  με  ειδικευμένους  NPCs  που  επικεντρώνονταν  σε  συγκεκριμένα  γνωστικά 
αντικείμενα, προσφέροντας έναν δυναμικό και ενδιαφέρον τρόπο αλληλεπίδρασης. Στην τρίτη 
φάση,  ενσωματώθηκαν  λειτουργίες  για  την  εξατομίκευση  της  εμπειρίας  του  χρήστη  και  τη 
διαχείριση δεδομένων μέσω βάσης δεδομένων. Τέλος, στην τέταρτη φάση, προστέθηκαν ήχοι, 
γραφικά,  νέες  θεματικές  και  NPCs  εμπνευσμένοι  από  ιστορικές  προσωπικότητες, 
εμπλουτίζοντας τον κόσμο του παιχνιδιού και προσφέροντας νέες προκλήσεις στους παίκτες. 

4.1. Πρώτη Φάση Ανάπτυξης – Έκδοση 1 της εφαρμογής 

Στην αρχική φάση της υλοποίησης, κύριος στόχος ήταν η δημιουργία μιας λειτουργικής 

σύνδεσης  μεταξύ  του  Μεγάλου  Γλωσσικού  Μοντέλου  (LLM)  και  της  διεπαφής  συνομιλίας 

(Chat Interface) μέσω ενός API. 

Εγκατάσταση και Ρύθμιση Περιβάλλοντος 

Πρώτο  βήμα  ήταν  η  εγκατάσταση  του  Ollama  και  η  διαμόρφωση  του  μεγάλου 

γλωσσικού  μοντέλου  Llama3  των  8B.  Στη  συνέχεια  με  τη  χρήση  του  Visual  Studio  Code 

αναπτύχθηκε στη γλώσσα προγραμματισμού Python μία διεπαφή συνομιλίας (Chat Interface), 

η οποία επικοινωνεί με το LLM μέσω ενός API, που σχεδιάστηκε για αυτό το σκοπό. Για την 

υλοποίηση  αυτής  της  επικοινωνίας  δημιουργήθηκαν  δύο  βασικά  αρχεία  Python:  api.py  και 

chat.py. 

Υλοποίηση API 

Το  api.py  είναι  υπεύθυνο  για  την  επικοινωνία  με  το  LLM  μέσω  του  Flask,  ενός  ελαφριού 

framework για τη δημιουργία web APIs. Παρακάτω περιγράφονται οι κύριες βιβλιοθήκες που 

χρησιμοποιήθηκαν. 

Βιβλιοθήκες που χρησιμοποιήθηκαν: 

●  Flask: framework για τη δημιουργία του API 

●  jsonify:  Μετατροπή  των  δεδομένων  της  Python  σε  αποκρίσεις  JSON  για  HTTP 

αιτήματα.