RLG:Origins to jednoosobowa gra RPG w fazie Early Access na PC, w której klasyczne drzewka dialogowe zastąpiono swobodnym wpisywaniem tekstu. Gracz opisuje działania własnymi słowami, eksplorując Asterię - Labirynt Przysiąg, świat high fantasy, gdzie dawna obietnica wciąż wpływa na wydarzenia, choć jej pierwotny cel przestał istnieć. Gracz otrzymuje jednego z trzech towarzyszy, z których każdy wnosi odmienną wiedzę i punkt widzenia, decydując o tym, jakie informacje się ujawnią i które ścieżki pozostaną otwarte.
Rozgrywka
Podstawą rozgrywki jest śledztwo, negocjacje i walka rozwiązywane za pomocą naturalnego języka zamiast menu. Gracz może wpisać polecenia, by zaatakować bronią, rzucić zaklęcie, zbadać przedmiot, wypytać towarzysza czy spróbować czegoś nietypowego - na przykład przygotować posiłek lub wejść w interakcję ze środowiskiem w niekonwencjonalny sposób. System AI interpretuje te polecenia i generuje odpowiedzi, a niezależny, deterministyczny silnik reguł sprawdza wyniki i egzekwuje stałe zasady świata. Sukces zależy od spostrzegawczości, formułowania hipotez i precyzyjnego doboru słów, ponieważ perswazja ma swoje granice, a pominięte dowody pozostają nieodkryte.
Wybór towarzysza wpływa na dostępne informacje i zasięg dialogów. Jeden z nich może posiadać tajemnice otwierające określone negocjacje, inny zapewnia przewagę w walce lub wprowadza inne obawy, które oddziałują na dynamikę grupy. Wyprawy wymagają dbałości o szczegóły - pokonanie wrogów nie zawsze kończy konflikty, a udowodnienie prawdy wymaga czegoś więcej niż jej wypowiedzenie. Wiele przebiegów kończy się bez pełnego rozwiązania, jednak pomysłowe podejście może nadal posunąć fabułę do przodu.
Tworzenie postaci i system zapisów wspierają wielokrotne próby. Wersja Early Access obejmuje pierwsze dwa rozdziały planowanej trzyczęściowej historii, a lokalny model AI przetwarza polecenia bezpośrednio na urządzeniu gracza - po instalacji gra nie wymaga przesyłania danych na zewnątrz.
Tryby gry
RLG:Origins to wyłącznie gra jednoosobowa, bez elementów wieloosobowych. Główny tryb opiera się na strukturze wypraw przez labirynt - gracz wybiera towarzysza i przechodzi przez gałęzie fabuły kształtowane przez zebrane dowody, zaufanych sojuszników oraz przyjęte zobowiązania. Kolejne podejścia ujawniają różnice, ponieważ wybór towarzysza i wcześniejsze decyzje zmieniają to, co można odkryć w następnych przebiegach.
Mechanika ponownych prób pozwala wrócić do nieudanych wypraw z nowymi rozwiązaniami. System reguł uniemożliwia dowolne zmienianie ustalonych faktów, więc wyniki pozostają spójne z wcześniejszymi wyborami, nawet przy różnych podejściach. W obecnej wersji nie ma dodatkowych trybów, takich jak rywalizacja, kooperacja czy warianty nieskończone.
Fabuła i świat
Akcja rozgrywa się pod gwieździstym niebem Asterii, gdzie złamana przysięga zmusza uczestników do odgrywania z góry określonych ról. Gracz wraz z wybranym towarzyszem podchodzi do zapieczętowanych Czwartych Drzwi, by wpłynąć na skutki wciąż obowiązującej obietnicy. Zakończenia wynikają z pełnego zbioru poznanych faktów, zaufanych osób, podjętych przygotowań i zaakceptowanych konsekwencji - nie z pojedynczego, decydującego polecenia. Żadne rozwiązanie nie zachowuje wszystkich elementów, przez co każda ukończona wyprawa staje się unikalnym zapisem powiązanym z konkretnym duetem i sekwencją decyzji.
Czy warto zagrać?
RLG:Origins przypadnie do gustu graczom, którzy cenią RPG oparte na tekście i eksperymentalne mechaniki, w których liczy się własne sformułowanie zamiast gotowych opcji. Wersja Early Access oferuje zawartość obejmującą pierwsze dwa rozdziały, a podstawowe systemy - swobodne działania, interakcje z towarzyszami i rozwiązywanie oparte na regułach - działają już poprawnie. Osoby, dla których odpowiedzialność za dobór słów i obserwacja są kluczowe, znajdą w tej strukturze satysfakcję, natomiast gracze oczekujący dopracowanej, pełnej wersji lub zróżnicowanych opcji wieloosobowych mogą poczekać na kolejne aktualizacje. Planowany okres Early Access, trwający od jednego do dwóch miesięcy, skupi się na udoskonalaniu rozpoznawania poleceń na podstawie opinii społeczności, zanim dodany zostanie ostatni rozdział.
