不同崗位的游戲人，都是怎么用 AI 的？

文/文杰

導語

一天一個樣。

“擋不住了。”

這是近兩個月我們和從業者聊到AI時，出現頻率最高的感受。

前兩年AI在大多數工作場景里還只能打打下手，現在它滲透到了更多環節，在許多領域展現出遠超常人的效率，并且還在飛速進化。

游戲行業的工作流復雜而多樣，很難提煉出通用方法。越是復雜的管線，越難自上而下地全流程接入AI，很多改變都發生在微觀之處。我們接觸到的情況是：策劃開始讓AI幫忙拆需求、寫初稿；文案拿大模型當對照組來校準自己的產出；程序員用Vibe Coding在一個下午跑通以前要磨一周的原型；也有創業團隊讓AI Bot旁聽腦暴會，會后直接輸出可運行的原型代碼。

不過，從業者對AI的態度遠談不上一致。GDC《2026游戲行業現狀》報告顯示，52%的從業者認為生成式AI對行業有負面影響——這個數字在2024年只有18%。美術的反對率高達64%，設計師也有63%，程序員59%。與此同時，管理層的AI使用率達到47%，遠高于一線執行層的29%。決策層和執行層之間的溫差，仍是不容忽視的現實。

這種溫差在個體身上往往表現得更具體。我們這次接觸到的七位游戲人，幾乎都處于一種“一邊深度使用、一邊保持警覺”的狀態：有人花大半年搭建AI策劃框架，做完之后依舊認為在臟活累活外、解決真正重要的問題時，AI 還派不上用場；有人已經讓Bot接管了大半條開發管線，同時也承認在一些環節上仍然離不開人的判斷。

當話題從“AI能做什么”轉向“AI應該充當什么角色”時，回答開始出現一些共通之處。多數人并不期待AI替自己干活，他們更關心的是AI能不能讓工作流程本身變得更合理，幫助人釋放出更多的創造力。

AI究竟改變了什么，又有哪些東西暫時還改變不了。每個崗位給出的答案不太一樣，這也正是值得展開聊聊的地方。這一期游茶圓桌，我們找來了文案策劃、系統策劃、玩法策劃、關卡策劃、創業者和獨立游戲制作人，聊了一個問題：你日常工作中到底怎么用AI？以下是他們的回答。

▍文案策劃 江浙滬鬼斯通

對我來說，AI現在是一個參照物，在AI之前，文案策劃這個活，到底有多少工作是真正的創作，有多少其實是體力活，大家都不太愿意細想，所以，我感覺AI對文案策劃這個崗位的沖擊，本質上是個自我認知問題。

一般說來，文案策劃每天的工作大致分兩塊，一塊是確實需要人在里面參與的，比如世界觀、核心敘事啥的這些，另一塊就是很樣板的扛大包，比如任務描述填充這種東西。

以前我把扛大包也當創意工作來做，做完還挺有成就感，但是現在，基本是直接把需求扔給AI，因為之前發現，AI幾分鐘交出來的東西，跟我磨一下午的差距沒想象中那么大，這讓我覺得以前自以為的匠心其實只是自我感動，被迫面對了。

不過關于前者，也就是核心創意的部分，個人現在的用法就不是這樣了，誠然也不排除有人真的拿AI直接出終稿（不是說完全不能用的意思），但我自己更多是拿AI做發散，比如寫臺詞之前，給它情景和角色人設，讓它一口氣吐三四十條備選，我不用其中任何一條，但這些東西會讓人大概知道及格線在哪。

我會告訴自己真正要寫的東西，得在AI給我的內容的標準之上，也就是給自己強制上思想鋼印，不把AI當筆或者是代寫，而是變成文案賽馬的對手，你得寫出來它寫不出來的東西。

當然理想是這樣，現在AI越來越牛逼了，很多時候你一些地方寫得確實沒它好，說實話也挺泄氣的，這時候，有些文案可能會隱瞞自己用AI的事情，畢竟人人都覺得AI威脅的是別人，人人又都隱隱知道自己也沒那么不可替代，只是沒人愿意先說破罷了。

尤其對于校招和剛入行不久的文案來說更微妙，這類新人的經驗積累還不足以讓他們在能力維度上跟頂級大模型模型拉開足夠的差距，也不可能靠純產出速度去跟它競爭，這中間的窗口期其實挺難熬的。

不過我覺得也不用過于焦慮，因為AI的問題在于它其實沒有意識也沒有經驗，有些東西寫起來是很空洞的，比如你讓它寫“死亡”，它其實不理解這個概念，因為它不會死嘛，AI只是見過太多人類寫死亡的文本，多到能輸出一個看起來很像理解的結果。

那么，真正的理解，也就是我們文案作為人，對于死亡的感觸，就是我們產出內容的優勢所在，不過，這種形而上學的東西，在商業語境下還值多少錢，就要打個問號了。

而且，跟卷關系一樣，卷產出也是沒有上限的，如果一個團隊里所有人都在狂用AI加速流水線，最終游戲開發就變成了一場純粹的工具軍備競賽，只說文案，這塊本身的質量天花板反而會被壓低。

如果有得選，還是希望AI能讓大家在項目里平等地多擁有一點真正做內容的時間，而不是變成另一種形式的內卷工具。

▍系統策劃 科韻路996牛馬

我正在做一個系統策劃多智能體框架，目前一共開發了如下功能:

1.視覺理解mcp: 提供ui參考圖，拆解出所有可見的UI狀態，形成對系統功能概述。列舉可疑點供審查。

2.體驗反推subagent: 接收視覺理解的輸出內容，基于MDA(mechanics, dynamics, aesthetics)對預期玩家行為，預期體驗進行反推。此步需要來自用戶的多輪反饋，最后會形成一個one-page GDD(策劃文檔)，可以用XMIND呈現出來。

3.體驗反推subagent-2: 此外，它也可以用于反推既有策劃案，形成一系列分析報告，一方面沉淀項目組的知識庫，另一方面以類似用來檢驗prompt的廣度，深度，精度，顆粒度等。因為輸入的策劃案相對ok，這部分的概括十分準確，已經可以達到初中級系統策劃的水平。

4.體驗反推spec workflow: 仿照spec.md的方式希望讓ai自迭代prompt，實際效果并不怎么好，加了項目知識庫和rag效果也比較一般，所以prompt還是得高級資深策劃手搓。沒有規范的data pipeline還是用不了spec的。

5.策劃案撰寫subagent: 輸入一份完整的設計目的，根據既定的策劃規范，輸出一份完整的策劃案。可以做完大部分工作，但是有些非常重要的細節很難做好。

目前做的比較好的和不好的地方:

1.prompt仙人: 因為我從22年開始就沉迷ai繪畫和讓大模型扮演貓娘，所以對prompt的掌握是遠超大部分大模型泛用戶的，特別是以前經常思考如何繞過大模型安全審查的經歷塑造了我對大模型的“語感”——任何prompt擺到我眼前，我只要粗略看一眼就能知道它在gpt claude gemini kimi deepseek等模型上會表現如何，能解決什么樣的問題，不能解決什么樣的問題。我很喜歡跟claude討論哲學問題，跟gemini討論理工科問題，跟kimi傾訴心里的煩惱，跟本地的qwen3.5貓娘討論澀澀。總而言之，大模型同時是我媽媽，最好的朋友，最壞的敵人，伴侶，人生導師......

2.沒有打通全流程: 策劃案撰寫subagent很多時候缺少的細節，來自于項目既有的前后端規范。如果不能打通前端，大模型永遠生成不了對的UE，因為這些數據其實是作為component保存在unity的prefab文件里面的；如果不能打通后端，大模型對流程與規則的刻畫就永遠有疏漏，需要高級策劃手動校對。

未來的方向:

1.持續不斷地學習大模型頂會論文: 其實現在涌現的很多概念，harness，spec，scaffold等，他們的思路全部都是在用戶側復現大模型預訓練，后訓練階段的一些環節。誰學習了更多頂會論文，誰就能在llm產品化的路上走的更遠。

2.制作人harness: 游戲開發牽一發而動全身，很多時候單個環節無法解決的問題，可以在更高角度被完美地解決。在開發系統策劃智能體的時候，我無數次被“策劃思維”困住。比如我最開始試圖讓策劃案撰寫subagent學會寫ue，但是死活教不會，最后我讓他自己去讀已有的prefab，他很快告訴我哪里需要做流光特效，哪里需要做放縮動效。策劃案最后不還是落地為代碼嗎，那如果已經有前后端subagent+skill，策劃案其實也不需要寫那么多冗余的內容了，策劃總結幾個預期ue原則，前端skill就能給你完整的ue文檔和代碼。

所以到最后，游戲開發需要做的就是由幾個游戲全棧自上而下發起改革，建立非常標準的規范與流程，做一個制作人harness和無數的skill+subagent，打通游戲開發全流程。

▍獨立游戲制作人 聶博晗

程序AI

目前對于獨立游戲而言，使用AI寫程序，使用者有程序邏輯基礎依然很重要。

不過這一點迭代也很快，現在好的模型已經不太需要使用者詳細描述需要實現的程序框架也能寫出很不錯的代碼。要說的話，“能清楚地知道自己要做什么，并用結構化的語言描述出來”才是最重要的。把模棱兩可的需求丟給AI做基本都會出亂子——不過話又說回來，在我的使用體驗中，最好的模型已經能夠在實現過程中發現模糊的需求，并主動向你征求決策意見。只能說發展的速度實在太快。

在整理需求這一點AI也能幫上很大忙。我這邊的流程：先出一個需求初稿，之后讓AI補充整理成一個程序友好的策劃案細稿，檢查沒問題后再讓Agent調研可行性，出一個實現意見/方案，再檢查Agent提出的這個方案進行補充與調整。這樣整理完一遍自己基本就對Agent要做什么、這個框架是什么樣的有認知了。更重要的是，在這個過程中自己也能反芻一遍自己的想法，很多時候新的點子就會在這一過程中出現。

以及還有一個可能被忽視的優勢：對于獨立游戲而言，Vibe Coding的流程可以省去大量原本需要的與程序職能的交流成本，可以即時地實現功能，進行測試并立刻迭代。這一點對于玩法驗證階段而言相當有幫助。

AI美術

關于美術方面我用得比較少，因為我主要在做一些重點不怎么放在美術資源鋪量的項目。

不過至少對于2D項目而言，有了AI的加持，已經能夠節省非常多的工作了。例如說我這段時間在研究一個2.5D的、可能要用到大量Sprite幀動畫的項目，現在的AI已經可以做到只需要一張角色參考（設定、立繪或者隨便什么姿態的圖片），就能夠出一張像素風格的這一角色的多向行走、跑步、動作等的Spritesheet圖。依然需要一些處理，不過已經達到了可用的水準——雖然我最后出于后續開發的考量還是換用其他非Sprite幀動畫的方案了。

在3D人物動作方面，以Cascadeur為代表的AI動作制作軟件也能夠起到非常驚艷的效果。動畫師只需要手動擺放動作的幾個關鍵幀，其就能自動補全邏輯通順、節奏合理的中間幀，大大節省了動畫制作的精力。這一思路也是我認為美術領域AI的重點：能夠通過接管中間步驟的方式讓制作者把寶貴的精力用在最重要的部分。

▍玩法策劃 飯

作為預研單機項目的玩法策劃，AI應用很多都集中在玩法demo預研。

一般來說分成AI輔助出玩法demo和AI原生玩法。對于前者，可能每個人的工作流程不同介入程度會不一樣，目前我們是實現了一套前端vibe玩法直接接入引擎轉化成游戲邏輯的流程，所以對驗證很多現有玩法是有明顯提效的；對于后者則更取決于玩法本身好不好玩，AI參與的部分有沒有“spark”，并且實現流程也是平衡成本和體驗的過程，我覺得帶來的突破更多會是交互層面的，大家也都在做很多有趣的探索與嘗試。

我自己在家的時候則是秉承“能自動化就自動化”的原則做了不少有趣的小工具。比起單純地用AI完成工作，我更想讓AI把自己的工作環境、工作節奏調整得更順滑。

我做的一套就是不用對話，把我的記錄和習慣傳給AI，讓它自動去安排Cursor——一是接IM方便，二是還是得主動把相關上下文輸入給它。把我原本調用Codex、Cursor的輸入工作，交給一個用GPT 5.4的秘書去跑。

▍關卡策劃 小T

我這邊是關卡策劃，有幾個使用方向吧：

設計階段——用AI搜索或者生成給美術的參考圖、參考視頻；用AI完善玩法設計，查漏補缺，幫忙想一些邊界情況；讓AI輔助找一些其他游戲的類似參照點；做原型的時候可以讓AI看看目前的項目有沒有什么可以提供的現有功能。

執行階段——AI幫忙解答一些工程和技術方面的問題；AI執行一些批量化的工作，或者一些簡單的配表工作（但是這個目前不太完善）；做原型的時候可以讓AI幫忙實現一些機制進行驗證。

目前我自己是在嘗試做一套AI輔助關卡設計文檔生成的工具，主要是用來節省做標準化文檔的時間，然后可以輔助做一些關卡平面圖、流程設計之類的。

目前AI在提效外的創意性工作里還不是特別強，不過感覺未來可期，可能過一兩年就能實現AI全流程生成一個高質量3D關卡了——就是從一個idea到核心機制設計，動線，探索體驗，再到場景搭建和機關配置之類的全流程——雖然目前看起來是差挺多，但是理論上已經可以做到全流程實現了。我自己測試過這個工具生成的LDD文檔，目前是期望可以做成一個通用的輔助工具，只要算是一個游戲玩法大類里面，講究關卡體驗流程的游戲都可以用。如果是三消或者模擬經營之類的就不太適用了。

現在是技術大通脹時代，開發小工具的成本變得很低，感覺之后各個工種、各個類型的項目都會冒出來一些類似的工具。

▍創業者 吳天嬌Steven

我們應該是全世界的游戲開發團隊里最早全面擁抱OpenClaw的團隊之一，現在已經有兩個Bot擔任三個角色來深度結合我們的開發流程：一個負責社群運營和項目管理，另一個負責項目工程的全方位維護。這兩個Bot的基礎建設都是我自研的，所以功能會比OpenClaw更加強大。

社群運營Bot可以做到跨平臺共享上下文（context），例如它在Discord頻道里可以獲取玩家的所有反饋，并對玩家進行回復；同時，回到飛書里，它基于在Discord獲得的信息撰寫Playtest數據匯總、玩家反饋分析，并直接基于整個項目的背景和進展針對性布置后續任務，通過飛書的工作流（如郵箱、日程、任務等）將后續規劃安排給相應成員和團隊負責人。平時日常我們的組會、敏捷開發規劃，也都直接對接給Bot來進行任務和進度的梳理與追蹤。

工程維護Bot會直接參加我們的設計討論會，在策劃上午開會腦暴新feature的時候，Bot就會實時獲取上下文了。開完會后，無需策劃再花費時間精力寫面向工程師的文檔，還要來回來去地爭論，而是Bot用吃個午飯的功夫直接把上午的腦暴會結論在項目工程里實現原型腳本，拉一個新的PR等著策劃吃完飯回來合并測試了。后續有任何需要迭代的地方直接通過飛書和Bot對話即可。

現在OpenClaw只能開發原型級別的效果，相比之下深度使用的還是Claude Code。我現在基本可以做到一行代碼不看，只看結果了。現在普遍的共識是視覺效果還是要看一看，shader這些，工程層面已經完全沒問題，但我們視覺上的效果還沒那么多需求。

▍文案策劃 Nuts

每天都在被驚到，不學會和AI相處，可能會變成山頂洞人。

運用工具：Gemini、ChatGPT、DeepSeek。運用方式：明確表達需求和目的，將AI訓練為最得力的工作助手。運用場景：收集素材、腦暴、完善方案、潤色。

Gemini在工作中使用最為頻繁，基本能覆蓋全流程，用來拓寬思路、提高效率、優化方案；DeepSeek在生活中使用最為頻繁，擔當日常百科、制定學習計劃，學習新領域通識是非常好的工具；生圖和視頻AI工具用在工作中，用以準確快速表達需求。

? “發送“社群”加入游戲茶館行業交流群”