Guess Who Generator

Génère des configurations de personnages et des ensembles d'indices au style Guess‑Who pour un design de jeu rapide. L’outil vise les enseignants, organisateurs d’événements, créateurs de jeux et hobbyistes qui veulent du contenu reproductible sans écrire manuellement chaque personnage. Les options d’entrée définissent la taille du pool, les thèmes souhaités et le nombre de traits distinctifs par personnage. Il évite les données personnelles et privilégie des attributs abstraits pour rester conforme en milieu éducatif. Les utilisateurs peuvent choisir des thèmes éducatifs ou de divertissement, tels que des animaux, des métiers ou des descripteurs basés sur les couleurs, avec une diversité de genre optionnelle pour refléter une conception inclusive. Le processus de génération met l’accent sur la cohérence, la reproductibilité via une graine et une documentation claire des traits par personnage.
La logique centrale repose sur des modèles de traits et un flux de génération contrôlé. Les entrées obligatoires incluent character_count, theme_set, traits_per_character et une graine facultative. Des paramètres optionnels permettent des contraintes plus riches: pools de traits avec des catégories, des occurrences minimales/maximales de chaque trait et une règle de diversité pour éviter les doublons. L’algorithme attribue une silhouette de base, des attributs principaux et un court ensemble d’indices, garantissant que chaque personnage est distinct tout en maintenant l’équilibre global du pool. Les sorties emballent chaque personnage avec un ID, une liste de traits et un résumé lisible, adapté à l’impression ou à une utilisation programmatique.
Les sorties prennent en charge les flux de travail en aval: JSON pour les applications, CSV pour les plateaux imprimables et, si nécessaire, des sheets étiquetées par thème. Le outil produit des résultats déterministes lorsque l’on utilise une graine et des résultats non déterministes sinon. La gestion des erreurs couvre les plages invalides, les entrées obligatoires manquantes et les comptages de traits hors plage. Les considérations de localisation incluent l’alignement des thèmes et des termes de traits sur les normes locales et les standards éducatifs. Le contenu exclut les données sensibles et les propos offensants.