Mekanisme permainan Genshin Impact sering kali mengunci akses suatu wilayah hingga pemain menyelesaikan quest prasyarat tertentu. Pencarian panduan akses wilayah secara manual dinilai kurang efisien akibat masukan bahasa pemain yang tidak terstruktur, penggunaan singkatan informal, serta rentan terhadap kesalahan ejaan. Penelitian ini mengimplementasikan chatbot penyedia informasi prasyarat quest menggunakan pendekatan Natural Language Processing (NLP). Pemodelan dibangun melalui metode Named Entity Recognition (NER) berbasis algoritma Conditional Random Field (CRF) untuk mengekstrak entitas lokasi dari teks percakapan. Model ini dipadukan dengan teknik augmentasi data untuk memperkaya variasi bahasa. Sistem diintegrasikan menggunakan metode Waterfall dengan layanan back-end Flask dan antarmuka web Laravel. Hasil pengujian menunjukkan bahwa model CRF dengan augmentasi data pada rasio pembagian 80:20 berhasil mencapai tingkat akurasi 99,84% dan Weighted F1-Score 99,37%. Pengujian Black Box mencatatkan tingkat kelayakan operasional mutlak sebesar 100% pada seluruh skenario uji. Evaluasi System Usability Scale (SUS) memperoleh skor rata-rata 83 yang menempatkan sistem pada kategori Excellent (Grade "A"). Temuan ini menyimpulkan bahwa chatbot yang dikembangkan tangguh, layak digunakan, dan memberikan kemudahan bagi pemain dalam mencari informasi prasyarat quest secara presisi.