À propos du projet

ARLQ (Another Rogue-Like Quest) est un jeu roguelike développé en collaboration entre des développeurs humains et ChatGPT. Le code source a été initialement généré par ChatGPT à partir de descriptions de haut niveau, puis affiné par des humains. ChatGPT a également contribué à la documentation, à la conception d'algorithmes (comme la génération de labyrinthes), aux explications sur l'utilisation des bibliothèques, aux indices de type, aux commentaires et même aux idées de conception de monstres. Le manuel a été rédigé par des humains et peaufiné avec l'aide de ChatGPT. Le jeu propose des donjons générés procéduralement où les joueurs contrôlent un personnage (@) à l'aide des touches fléchées. Un système de brouillard de guerre masque les zones inexplorées ; les cases visitées restent visibles grâce à l'auto-mapping. Les monstres (initialement affichés sous forme de '?') et les compagnons ('!') révèlent leur identité lors de la rencontre. Les monstres ne bougent pas à moins d'être approchés ; les vaincre procure de l'expérience, des objets ou une restauration de LP. Certains monstres possèdent des variantes rares avec des effets spéciaux (par exemple, l'Amoeba Rare augmente considérablement le niveau, la Chimera Rare donne une épée maudite). Les joueurs doivent gérer leurs LP (Life Points), qui diminuent à chaque mouvement. Vaincre des monstres restaure la nourriture et les LP. Les compagnons offrent des avantages passifs : Nomicon révèle les types de monstres, Ocular étend la vision, Pegasus aide à contourner les murs. L'objectif est de trouver des coffres au trésor gardés par des dragons — l'Étage 1 par Dragon (D), l'Étage 2 par Fire Drake (F). La partie se termine lorsque le joueur touche le coffre au trésor (T). L'installation utilise pipx : `pipx install git+https://github.com/tos-kamiya/arlq`. Les options incluent `-T` (vue plus facile), `-F` ou `-t` (plus difficile), et `--curses` pour le mode terminal (nécessite le package curses spécifique à la plateforme). Le projet est sous licence BSD-2.