当 AI 成为玩法本身：三位制作人的实战手册

4小时前1.1k

作者：腾讯游戏学堂首发公众号：腾讯游戏学堂

在《初光·AI游戏夜话》的前五期里，我们和高校学者、AI游戏创作者、腾讯游戏的实践者聊了很多关于 AI Native 的问题。

一个越来越清晰的共识是：AI 正在降低游戏创作的门槛，但真正困难的问题，才刚刚开始——当 AI 不只是帮助我们“做游戏”，而是进入 Gameplay 本身，游戏会变成什么？

2026 年，我们大概正处在一个有意思的过渡期：AI 的 B 端能力正在快速成熟，而 C 端真正属于 AI Native 的游戏体验，还在寻找自己的“《愤怒的小鸟》时刻”。

过去的游戏范式里，我们知晓：新的硬件、新的交互、新的玩法机制，最终都会沉淀成玩家熟悉的游戏类型。但 AI 原生游戏可能不一样——我们甚至还没有完全定义，它究竟应该是什么。

第六期，腾讯游戏学堂邀请了三位正在一线作答的制作人：

Robin，《黑箱：无限构筑》制作人。一个技术背景极强的团队选择用 AI 实时生成战斗技能，把 roguelite 的随机性从"预制池抽取"推向"即时合成"。

起司，《千夜之书 1001》制作人。这款产品被认为最早定义了"AI 原生游戏"的概念——讲故事即玩法，AI 不做内容填充，做创造力放大器。

苦丁，《麦琪的花园》制作人。大厂策划出身，带领团队做了目前市面上 AI 功能介入最深的沙盒产品之一——角色、任务、关卡、道具全链路 AI 生成。

有人从叙事出发，有人从系统与世界构筑出发，也有人从传统游戏设计的经验出发，重新思考 AI 如何进入 Gameplay。他们可能给不到一个关于 AI原生游戏的标准答案，甚至还在验证自己走的是否是正确的方向。

但这恰恰是今天最值得被记录的部分。

站在 AI 原生游戏的门口，也许我们还看不清前方，但至少可以先看看那些已经出发的人，看他们踩过的坑、走过的弯路，以及在黑暗里摸索时，偶尔照进来的那一点光。

核心观点速览

Robin · 黑箱：无限构筑

"传统游戏让玩家发现设计师准备好的答案；我们希望和玩家一起发明新的答案。"

AI 在黑箱中扮演的角色是"实时策划"——基于玩家投入的基础技能，即时生成全新技能。每一局、每一个玩家的技能都是独一无二的。选择 roguelite 品类，是因为单局性和高容错天然能消化 AI 生成的不稳定。

AI 生成 ≠ 游戏。能生成新结果、结构能跑起来、组合看起来新鲜——这只是第一步。玩家愿意反复使用、能理解并形成掌握感、会围绕结果做策略决策，才能真正称之为游戏。

起司 · 千夜之书 1001

"创造力是一种经常被忽略的、可以被培养和撬动的资源。"

创造导向的游戏需要"意义框架"。 门槛低不等于有乐趣，也不等于有意义感。游戏开发者的责任是设计合理的门槛，让人持续投入并产生意义感——宜家效应：自己手拼的椅子，比买的贵的牌子还舍不得丢。

在《千夜之书 1001》里，玩游戏和创造内容没有任何区分——讲故事就是玩法。 AI 最大的潜力不是量产一万把便宜的椅子指望其中一把能火，而是打造创造导向的体验，让玩家投入、产生意义感、形成归属。

苦丁 · 麦琪的花园

"战略上相信 AI，战术上限制 AI。"

麦琪的花园是目前市面上 AI 功能介入最深的沙盒产品之一——角色生成、任务生成、关卡生成、道具生成形成一套完整的可售卖系统。但苦丁的核心经验是：不要让 AI 自由发挥，规则设计、体验调优、价值判断必须由人来做。

商业化是 AI 游戏的试金石。 AI 对账单没概念，无限请求加无限重试，账根本算不过来。所有生成失败的费用最终都是厂商吃——能不能把游戏卖给玩家，才是验证产品是否成立的终极标准。

篇一

《黑箱：无限构筑》：AI 不是替我做游戏，而是和玩家一起发明技能

分享嘉宾：Robin，《黑箱：无限构筑》制作人

"传统肉鸽里策划设计了 100 种技能的可能性，玩家在这 100 个答案中去学习去发现。我们想尝试一件更冒险的事——让答案在玩家点下合成按钮的那一刻才真正出现。"

《黑箱：无限构筑》是一款 AI 实时生成技能的 Roguelite 游戏。玩家在关卡战斗中击败敌人获得基础技能，再把 2~4 个基础技能投入"黑箱"，AI 会实时为玩家生成一个全新的技能，带入下一场战斗。

在沙盒试验场中，以球形闪电（辐射物，多了会形成闪电连线）和环绕弹（常见的环绕自转技能）作为基础技能投入黑箱，AI 生成了"雷环之网"——保留环绕弹的轨道效果，中间叠加闪电连线。再将雷环之网与蛇形弹（S 型攻击轨迹）二次合成，产出的技能同时具备环绕、闪电连线和 S 型循环往复三重效果。继续叠加激光枪，最终形态变成了一张激光电网。

非战斗投射物同样可以合成：筋斗云（小范围位移技能）与雷云（头顶乌云放闪电）合成为"雷云冲塔"——腾云驾雾的同时对周围释放雷击。再叠加旋风斩后，效果变成一边飞行、一边雷劈、一边电动旋转。

"言出法随"：玩家打字输入，AI 即时涌现

除了技能合成，黑箱还有一个"言出法随"玩法——玩家在沙盒模式里直接打字描述想要什么技能，AI 即时生成。

输入"Dota2 里屠夫的钩"，AI 生成了一个可以把敌人勾到自己附近的技能，描述准确、效果符合预期。输入"御剑飞行"这种比较抽象的描述，生成结果是脚下踩着剑的高速突击效果，还能撞击敌人造成伤害。输入"发射激光的蜜蜂，然后再追踪"这种多关键词的复杂描述，生成了一只蜜蜂，激光带追踪。

线下试玩时有个玩家打字输入"我想要一把 90 米长的大刀"——我们都没预想过还可以说具体米数。结果 AI 就涌现了，非常精确：玩家 2 米的身高，伸着 90 米长的大刀，还配了一个近似刀的弧形特效。那个瞬间我觉得就是涌现——确实给了玩家"试完之后还想再试一次"的体验和冲动。

最初的想法：AI 能不能生成玩法机制

《黑箱》团队在去年下半年开始探索 AI 游戏方向。我们最初想验证的问题其实很简单：AI 除了生成它比较擅长的剧情、美术和内容，能不能进一步生成游戏里的机制和玩法？我们的核心验证问题一直很朴素：AI 实时生成的技能，是否真的会让玩家感到惊喜，并产生“我还想再合一次、再来一局”的冲动？

在《黑箱：无限构筑》中，AI 更像一个实时的策划。它会根据玩家投入的基础技能，理解这些输入所代表的语义和机制，再现场设计一个全新的战斗技能。例如，火球术提供的可能是火焰、爆炸和投射物；回旋镖提供的可能是折返、路径和多次命中。AI 的工作不是简单把两个名字拼在一起，而是寻找一种玩家能够理解、游戏又能够执行的组合方式。

理论上，每一局游戏都可以拥有不同的技能路线，每个玩家也可以发明出属于自己的技能。但 AI 并不是最终的设计裁判。人类设计者仍然要定义它可以使用的机制语言、数值边界、验证标准和体验目标。

从 2D 技术 Demo 到 3D 产品版本

《黑箱》并非一开始就是 3D 版本。今年三月初，团队先制作了一个 2D 像素的技术 Demo 并在 GDC 上公开展示。从当时的现场反馈看，大家第一次看到 AI 把已有技能组合成一个新机制时，感受是非常惊讶的。也愿意去猜下一次黑箱会给出怎样的结果。这种期待感，正是我们想要的核心体验。

现在，我们已经把项目从 2D 升级到了 3D。变化不只是美术品质的提升，技能丰富度、机制组合的涌现空间、生成稳定性和数值体验，也都在向一款能够持续游玩的产品形态推进。目标是今年年底在 Steam Early Access 上线。

为什么选择 roguelite

roguelite 的单局性、高容错、构筑随机，天然能消化 AI 生成的不稳定和不可控。比如一个技能超模了，它毁掉的也只是这一局的体验——因为不能继承，下一局又从零开始，而不是毁掉整个存档。用玩法框架去兜住生成的概率性。

"能生成"和"能成为游戏"是两回事

部分 AI 游戏项目为了 AI 而强行加入 AI——确实能生成一些结果，看起来新鲜，也能跑起来，但还不能称之为一款成立的游戏。

站在《黑箱》的视角，对AI原生游戏的判断标准是：玩家愿意反复使用，能够理解生成结果并形成掌控感，围绕结果做出合理的策略决策。生成只是第一步——可理解、可掌握、可持续，才是更难的部分。

踩过的坑：生成出来，不等于成为游戏

最根本的问题，是生成模型的概率性与游戏机制的刚性之间存在冲突。

结构错误：技能无法解析或运行。 早期 AI 生成的技能频繁出现无法解析或运行的情况，技能直接报废。这是最根本的问题——生成模型的概率性与游戏机制的刚性之间存在冲突。

数值超模：击穿数值平衡。 黑箱有 roguelite 关卡体系，相当于玩家来答题、AI 是画笔。如果生成的技能击穿了数值体验——要么超模到挂机也能赢，要么非常受挫、第一关也过不了——玩家的心流区间就偏离了设计预期。团队在数值平衡框架上投入了大量精力。

体验超时：响应时间过长。 AI 生成过程存在明显的等待时间，需要通过各种技术手段压缩延迟。

从三分钟 Demo 走向几十小时产品

解决上述问题的一系列优化：

这些优化让最终一个几分钟的 Demo 走向一个几小时、甚至几十小时的产品。

数值平衡怎么做：从数值、机制到关卡设计的多层约束

超模分好几个层面：

第一层是数值的上下限——投射物一次能打出多少个子弹？每个子弹伤害是多少？这些有硬边界。

第二层是机制层面——击中敌人之后能触发什么效果。有些机制的结合天然容易超模，比如"分裂"是几何级数增长的，就要有专门的约束方式，或者在生成错误时去修正。

第三层是关卡设计的容错——关卡不应只靠堆高敌人血量来限制超模技能，而应通过敌人类型、抗性与刷新方式的差异，让单体、范围、控制等技能各有优势与短板；Boss 则可借助阶段变化和收益递减来约束极端构筑，避免关卡难度被轻易击穿，或因强制免疫导致玩家构筑失效。

从数值、从机制、从关卡设计，各个层面都要做约束和限制。

两种模式，解决自由与可控的矛盾

AI 让玩家拥有了过去很难想象的自由度，但自由也意味着失控——一个 AI 生成的技能可能很好玩，也可能强到直接破坏游戏平衡，《黑箱》最终采用双模式管控策略：

沙盒模式——容纳更不可控的、容易超模的技能和机制，让玩家尽情探索和创造。

正式关卡模式——约束技能的生成范围，让玩家在可控的平衡体系中通关、冲刺排行榜。

通过模式分离的方式，在"AI 自由度"与"游戏可控性"之间取得平衡。

AI 负责创造无限可能，创作者负责把可能变成乐趣。

AI越强大，越考验创作者的品味、判断与基本功。

一些大家好奇的问题

关于本地部署的可能性: 能不能把 AI 部署在玩家本地设备上？

"一些非常小的响应，比如若干个词汇的排列组合、简单的语义解析，完全可以用本地模型做。但一些长的对话链条，比如角色扮演聊天，或者对格式化生成有要求的功能，目前本地都跑不起来。"——《麦琪的花园》苦丁

"我们目前无论是生成脚本还是生成机制，甚至生成模型，都必须得是云端的。但从长远角度考虑，也在探索更多本地的可能——如果最终能部署到本地，确实能解决一大部分成本问题。"——《黑箱：无限构筑》Robin

AI 翻车名场面

"造成最恶劣影响的还是数值向——玩家无限吸血导致死不了，或者位移技能直接冲出地图边界。我们一点点做技术约束、关卡空气墙去修补。"——《黑箱：无限构筑》Robin

"测试期间有玩家生成了一个类似奥斯曼大帝的角色，AI 任务奖励写的是 3000 奥斯曼精兵。因为刚好珍贵道具不可叠加，3000 个道具直接掉地上了。我们背包只有 40 格，那个玩家可能在这里拾取了很长时间。"——《麦琪的花园》苦丁

"有个玩家跟国王说'你给我讲个故事吧'——因为国王设定上就非常喜欢讲故事。后来玩家发现可以不努力了，直接说'你继续讲、你继续'，国王就很高兴地一直讲下去。"——《千夜之书1001》起司

关于交过最贵的学费

"一开始可能有点贪心了，低估了数值平衡带来的影响。最后我们区分了两个模式——沙盒里让玩家尽可能去创造，正式关卡里做可控的平衡。"——《黑箱：无限构筑》Robin

"我们最大的坑是最开始 AI 功能框架没有交给有商业化策划能力的策划去做。最后我重新把所有提示词框架按照可商业化的模式理了一遍，经历了四个月每天都在看别人写的提示词的痛苦。"——《麦琪的花园》苦丁

"我们严重低估了剧情的难度。从一个晚上扩展成一堆晚上，剧情框架的难度高得上天。今年年初才有了一个比较明朗的剧情框架——迭代剧本付出了非常大的学费。以后游戏开发不需要编剧，是我最不能接受的一句话。"——《千夜之书1001》起司

篇二

人人都会讲故事，只是我们都忘了：对话《千夜之书 1001》制作人起司

分享嘉宾：起司《千夜之书 1001》制作人

关于我

起司，《千夜之书 1001》制作人，纯艺术设计背景：清华美院信息设计本科，伦敦大学金史密斯学院 MFA，皇家艺术学院人机交互博士。以聊天机器人为核心媒介，专注于 AI 对话系统在艺术和游戏领域的跨界研究，研究与作品发表于 SIGGRAPH Asia、NeurIPS Creative Art、CVPR Art Gallery，获 2024 红点奖、流明数字艺术奖，两次入选 2025 游戏开发者大会（GDC）演讲阵容。

我的工作一直是研究创意性 AI——从大概 2017、2018 年在清华美院本科时就一直很喜欢聊天机器人（那时候叫 AI Chatbot，现在都叫 Agent 了），一直在研究一个事：人和 AI 一起怎么创造有趣的故事。

创造力是一种被低估的资源

注意力是一种稀缺资源，但创造力是一种经常被忽略的、可以被培养和撬动的资源。我认为当前很多实践可能是在以一种不太尊重它的方式来应用。

过去几年，AI 内容产品往往把注意力放在生成效率上：一句话生成图片、一句话生成视频、一句话生成游戏。内容生产的门槛确实降低了，但“生成得更快”并不等于“玩家更愿意投入”，也不等于“作品对玩家更有意义”。

从这一点出发，AI 娱乐的关键问题便不只是“还能生成什么”，而是：游戏能否让玩家主动使用自己的创造力，并让这种投入成为可感知、可持续的玩法。

AI原生娱乐的光谱

从玩家参与方式来看，AI 原生游戏可以被放置在一条由“生成导向”到“创造导向”构成的光谱上。

生成导向（generation-oriented)：注重生成定制化的、可消费的内容

玩家提出“粉色头发的角色”“某种类型的世界”等需求，AI 生成相应的角色、场景或资产，玩家再消费这些内容。

这类体验的主要价值是供给效率和个性化：过去需要专业团队制作的内容，现在可以通过自然语言快速获得。

创造导向（creation-oriented) ：需要创意性的行为游玩，由玩家主动投入的努力而变得珍贵和有意义

创造导向的产品则要求玩家主动投入。以《AI2U》、《Suck Up!》、《Infinite Craft》等产品为例，玩家通过对话、组合、试探和表达推动游戏进程。

在 AI 原生游戏受到集中关注的早期，创造导向一侧曾出现多款高热度产品，也引发了“它真的不形成一种品类吗”的讨论。此后的实践表明，这类游戏很难仅凭 AI 能力自然形成稳定门类：它既依赖玩家的创意投入，也高度依赖开发者对目标、规则和反馈的设计。比“创造导向能否成为一种品类”更值得关注的问题，是这类产品揭示了怎样的玩家需求——玩家不只愿意消费内容，也愿意为创造本身投入时间和金钱。

人们一直在为"创造”这种娱乐付费

创造型娱乐并不是 AI 时代的新发明。观察过去与当下的娱乐产品可以发现，创造性行为长期具有明确的用户需求和商业价值。

乐高与 AI 无关，却始终是最稳定的创造型玩具之一，用户覆盖儿童和成年人。它的价值不只来自积木本身，也来自玩家亲手搭建的过程。

Midjourney虽然是一款生成式 AI 产品，但相当一部分使用行为和收入并非来自于专业生产。很多用户将反复生成图片当作近似“抽卡”的娱乐体验：不断尝试提示词，观察系统返回怎样的意外结果。

换装游戏、《集合啦！动物森友会》以及绘画、拼装、编程等活动，也都证明了同一点：只要创造行为被组织成可参与、可反馈的体验，就有机会形成长期投入和商业机会。

这意味着，AI 游戏不必先证明“AI 能生产多少内容”，再去寻找玩家。另一条可能的路径是从人已有的表达欲和创造欲出发，用 AI 扩大玩家能够采取的行动范围。

当创造力被简化为生成效率

当前关于 AI 娱乐的讨论中，经常出现两组彼此矛盾的论述。

一类强调：“一句话生成游戏”“未来所有人都可以做 3A”“让玩家像刷短视频一样刷小游戏”。其基本假设是，只要内容生产足够便宜、足够快，就能够形成新的娱乐消费模式。

另一类则认为：“普通人没有创意”“大多数人不会讲故事”“普通人做出的内容不够好”。这种观点承认，降低工具门槛并不必然带来有质量的内容。

两种论述的冲突在于：前者将“能够生成”直接等同于“能够创造”，后者又承认一键生成无法自动产生有趣的作品。与此同时，低质量生成内容与对技术能力的过度宣传结合在一起，也会加剧专业创作者的疏离感——画师、作家和编剧面对的不只是新工具，也包括“这些职业将不再被需要”的判断。

从游戏设计角度看，生成效率无法替代对创造过程本身的设计。玩家能够按下按钮，并不意味着玩家形成了表达；系统返回了内容，也不意味着玩家会对结果产生认同。

低门槛不等于有乐趣，也不等于有意义感

无论面向创作者还是玩家，降低操作门槛都不等于产生乐趣，也不等于形成意义感。

如果一款产品把所有阻力都消除，玩家可能很快得到结果，却未必愿意珍惜结果。游戏设计需要解决的，反而是如何设置“合理的门槛”：玩家需要做出选择、付出努力、承担结果，并在持续投入中建立对内容的认同。

因此，当 AI 成为新的内容生产资源后，开发者更重要的工作不是取消一切门槛，而是围绕玩家投入设计相应的“意义框架”。

《千夜之书 1001》给出的意义框架，是“一千零一个夜”里女主角山鲁佐德的生存叙事。玩家不是被要求完成一篇命题作文，而是需要通过讲故事活下来。相同的文字输入，在“写 500 字”和“用故事反抗国王”两个语境中，会产生完全不同的心理感受。

每个人都是Storyteller，只不过我们已经忘记了这点

每个人都具有讲故事的欲望和能力，只是随着年龄增长，这种表达冲动经常被专业标准和工具门槛压制。

在童年中，人们可能会好奇父母如何相遇、会向家人和朋友分享学校里发生了什么、最近看了什么喜欢的书或节目……这些内容未必符合传统意义上的“好故事”，却与讲述者的经验直接相关，也最容易产生情感连接。

相比之下，面对一个空白输入框和“请创作一段精彩内容”的要求，很多人反而不知道从何开始。问题不一定是普通人缺少故事，而是产品没有提供足够具体的动机、情境和反馈。

从这个角度看，《一千零一夜》的设定不是简单的世界观包装，而是一种创作动机设计：玩家必须讲故事才能生存，国王会回应故事，故事中的内容能够转化为战斗资源。表达由此成为行动的一部分。

游戏也因此成为承载创造型娱乐的合适形式。玩耍和探索本就是人的基础行为，游戏能够用目标、规则和反馈重新唤起玩家已经遗忘的表达欲，而这一点并不必然依赖 AI 才能实现。

AI 之前，创造行为已经可以成为游戏

让我们看看那些不涉及GenAI的游戏，是怎么鼓励创造的（如果有哪些你还没玩过/听过，那赶紧去玩吧！！）

这些案例的意义，不在于给 AI 游戏提供可直接复制的模板，而在于展示创造行为如何被转换为规则、目标和反馈。

《Storyteller》（漫画排列解谜）：有限元素也能产生叙事创造

《Storyteller》是一款以漫画编排为核心的解谜游戏。玩家将人物与场景放入不同画格，通过排列组合完成“构成一场悲剧”等关卡目标。

游戏开发周期长达 7 年，销量超过百万份，并成为 Netflix 订阅游戏之一。创造导向并不意味着完全自由。有限的角色与场景、明确的关卡目标和可组合的规则，反而能够构成稳定的创造型玩法。

如果把《Storyteller》转化为 AI 原生形态，AI 应该扩大哪些组合，又应该保留哪些限制，仍是一个尚未被充分回答的问题。

《Scribblenauts》（把词语化作道具的解谜）：自然语言输入并非 AI时代才出现

《Scribblenauts》是一款自然语言驱动的解谜游戏。玩家面对蜘蛛等障碍时，可以在输入框中写入词语，并将词语转化为游戏中的道具。例如输入“翅膀”即可获得飞行能力，输入“机关枪”则会出现相应武器。

这款游戏诞生于 17 年前的 NDS 时期，与生成式 AI 无关，累计销量超过 1300 万份。游戏中的词条、物体及其属性全部由开发者预先制作。

自然语言输入与创造型解谜早已能够成立。AI 带来的变化，是扩大内容规模和响应范围；但玩法是否成立，仍取决于输入如何进入规则系统、生成结果能否给玩家带来乐趣。

《破烂艺术家》与《饥饿派画家》：创作本身就是操作

《破烂艺术家》的核心玩法是使用不同材料拼出头像，具有“游戏版艺术创想”的特征。《饥饿派画家》则让玩家在岛上绘画，并将作品出售给游戏角色。

两款游戏都不依赖生成式 AI，却能以创作行为建立稳定反馈：玩家完成作品、观察评价，再决定下一次如何调整。创作不是游戏结束后的附属产物，而是游戏过程本身。

《Frantic Fanfic》：共同创作带来不可预测性

《Frantic Fanfic》是一款在海外、尤其 TikTok 上非常流行的一款故事接龙派对游戏。玩家分别负责故事的开头、中段和结尾，完成后将文本拼合，再通过献花或丢鸡蛋进行评价。其乐趣来自多人协作产生的意外结果。不同玩家的表达相互碰撞，形成任何单一作者都没有提前规划的故事。这种不可预测性同样不依赖生成式 AI。

放这些游戏不是说它们都有非常高的商业价值——想说的是：当我们怀着"AI 好像可以让任何人当创作者了，不需要画师不需要编剧"的想法做游戏，是必然不能产生好作品的。我们应该去看看，当人沉浸在自己的创造行为里，它怎么变成游戏，为什么好玩。

《千夜之书 1001》验证了两件事

Ownership 和意义感，可以成就游戏

第一点，必须要给玩家足够好的 ownership 和意义感。ownership 姑且翻译为归属感。它不只是法律意义上的所有权，也包含玩家对作品的主体认同：一本书由玩家完成，因此这本书属于玩家，玩家也把自己视为它的作者。

《千夜之书 1001》的所有模块都在呼应这一点：不管是在游戏里玩家讲述故事，国王对内容作出回应；故事里的物品会转化为武器，还是通关之后你的整个故事会形成一本故事书——每一个环节都想告诉玩家：你讲述的、你的任何想象、任何输入，在我们这里都是有意义的，你的想象会化作现实。玩家输入的想象并没有消失在对话框里，而是进入游戏系统，并以可感知的形式被保存下来。

很多主播玩的时候，对讲故事、国王的回复、能形成武器这些东西都是有预期的，唯一没预期到的是通关之后给他一本故事书——很多主播当场就很兴奋："我的故事竟然变成书了！"

很多人可能这辈子都没有体会过，自己创造的内容、表达出来的内容，被非常好地珍视、形成一种实体的感觉。我想这是为什么很多人会喜欢《千夜之书 1001》。

AI 共创实现了"玩即创造（Play to Create）"

第二点，跟 AI 共创是可以形成"玩即创造"这种玩法的，也就是把创造变成一种游戏。如果大家仔细看《千夜之书 1001》的机制会发现：在这个游戏里，玩游戏和创造内容是没有任何区分的，它们是一体的。

如果将游戏目标直接表述为“立即写一篇 500 字的文章”，多数玩家一定会尖叫着逃走。《千夜之书 1001》则将同一种行为转化为生存目标：—我们告诉玩家，这是一个讲故事的游戏，你要扮演其中的新娘山鲁佐德，要在《千夜之书 1001》里讲故事才能活下来。玩家自然而然就接受了这样的设定，还会在里面玩各种各样的梗：有人讲苏丹的故事，有人把《甄嬛传》或《哈利·波特》讲给国王，再观察角色如何回应。

这些都是我们制作组作为创作者，自己认为它有意义、才能给玩家产生的动机，它不是单独靠 AI 技术就能产生的玩法。“玩即创造”并不意味着 AI 单独完成创作。游戏世界、角色设定、战斗目标和反馈机制共同提供了动机，AI 则负责回应玩家没有被预先写入脚本的表达。只有当两者结合，讲故事才会从自由聊天转化为玩法。

从 0 到 1 的新玩法，不能被规划，是从创造欲里长出来的

很多人问：你为什么选《千夜之书 1001》？怎么想到做这么个游戏的？这个问题很难回答——这不是"想"出来的，是被刺激、迸发出来的。

最开始做《千夜之书 1001》是 2020 年，生成模型仍处于 GPT-2 阶段。一方面是想探索基于自然语言对话为核心的游戏；另一方面是我对《一千零一夜》这个故事一直有个疑问——原著里的女性角色承受了苦难、却没有篇幅去讲她们是谁、有过怎样的故事。国王如此残酷，为什么大家会认为原作的结局是完美的？有没有办法，让女主角去反抗这样一个已经被写好的命运？

从 Demo 到完整世界：故事不再只服务于生成武器

在早期 Demo 中，玩家主要通过诱导国王说出特定物品，让故事内容转化为武器并完成战斗。完整版则在此基础上扩展角色、章节和世界结构。女主角不再只是从国王的回复里获得武器，玩家不再只是从语言中提取战斗资源，还需要通过叙事改变人物关系和角色命运。

山鲁佐德将遇见此前被国王伤害的新娘，她们拥有不同的背景和能力：她们有的是园丁，可以获得植物；有的是医生，可以把故事化为药材。不同章节也会设置各自的玩法和目标。这些女孩的故事相互连接，最终形成一部由玩家与系统共同书写的《千夜之书 1001》。

这一步扩展了“意义框架”：讲故事不仅帮助山鲁佐德活下来，也承担了让被忽略的女性角色重新成为故事主角的功能。AI 生成的价值因此不只体现为内容数量，而是被纳入明确的主题表达和世界结构。

创造是会循环的：玩法、内容与玩家投入持续复利

当人进入一种创造内容、创作的状态，它其实是一种循环复利的行为。作为游戏开发者，我们要想办法去构建这样的系统：既要有创造导向的玩法，又要有一个足够好的意义框架——这样才能产生足够健康的、能持续复利的游戏。

1. 创造导向的玩法：玩家必须通过表达、组合或叙事推动游戏；

2. 清晰的意义框架：玩家知道自己为什么创造，以及创造会对角色和世界造成什么影响；

3. 持续复利的游戏：玩家内容与 AI 生成共同进入游戏，形成 UGC+AIGC 的积累；

这样的游戏不再是追逐技术、硬想"我要如何利用 AI"的游戏，而是真的能让人思考：当玩家成为创造者，游戏应当提供怎样的规则、反馈和内容承载方式。《千夜之书 1001》给出的答案框架是：创造导向的玩法"和 AI 一起讲故事"，叠上意义框架"打败国王、改写女孩们的命运"，滚成一个持续复利的游戏（UGC + AIGC）。

宜家效应：AI 更值得做的不是量产，而是帮助玩家产生连接

行为经济学中的“宜家效应”指向一种常见现象：人们往往会高估自己参与制作的物品，并对其形成更强的情感依附。一把由自己组装的椅子，未必比成品更精致，却更难被轻易丢弃。价值来自投入过程，而不只来自最终结果。

AI 最大的潜力，是被用于打造“创造导向”的体验，为玩家制造宜家效应。——提供让人主动投入、并从中获得满足感的创造体验。如果是我自己做的椅子，丢掉的时候我会舍不得。而不仅仅是量产一万把便宜的椅子，靠算法希望其中一把踩中你的喜好。

与量产一万件低成本内容、再依靠算法筛选爆款相比，AI 更值得探索的方向，是帮助玩家制作出自己不愿轻易丢弃的作品。

对几个问题的思考

从“语言的边界”到“Agent 的边界”

Monica（主持人）：你很早在论文里引用过维特根斯坦的"语言的边界即世界的边界"。最开始设计《千夜之书 1001》的时候，是带着"语言即世界"这个概念去做的吗？

起司：最开始的时候确实是，这个理念一直存在。但我现在不太用这句话了。很有意思的一点是，我的语言的边界可能不再是我的边界了——因为现在有 AI Agent 了，AI Agent 的边界可能才是我的边界。在 AI Agent 的配合之下，我们能想象的、我们语言能描述的内容和世界，可能不再是一个既有的边界了。现在通常来说，Agent 的边界才是人能力的边界。五六年前写论文的时候参考这句话还挺有感触的，可以看到这个世界产生了非常多的变化。

“AI 原生游戏”标签正在变得没那么重要

Monica：你是最早提出 AI native game 概念的人之一。现在你对这个概念有什么新的思考？

起司：我还是会认为，AI 原生游戏是核心玩法必须基于生成式 AI 才能实现的游戏。但这个概念可能已经没有那么重要了——游戏还是要好玩，好不好玩才是最重要的。是不是 AI 原生，它可能是一个新鲜的点，但并不是最重要的。有很多逐渐浮现的游戏，并不会把"AI 原生"写在标题上、写在介绍里，还是非常火热。还是要看游戏的质量。

美术一致性依靠人，角色一致性依靠设定与状态控制

Monica：你们的角色一致性、美术一致性是怎么做到的？

起司：分两层回答。因为我们的美术都是人画的（手搓），所以并不存在AI生成资产里常见的一致性问题。

角色一致性，现在的方法很多，我们当前采用的和我们论文里写的 Agent 工作流并没有什么本质区别：就是一个 meta prompt、一套角色设定，让它自由发挥，再用一些相应的模块去相对控制它。比如国王生气的时候你可以跟他辩解，他心情很好的时候你说什么他都高兴。没有什么神奇的地方，每个项目的目的和结构不一样，产生的需求也不一样。

我们在"一致性"上真正遇到的挑战，反而来自多位创作者之间的配合——比如几位美术、几位编剧的协作，每个人的风格都略有不同，我们花了很久去磨合。

剧情设计并没有因为 AI 变简单

起司：当游戏从单个夜晚扩展到多个夜晚后，剧情框架的复杂度远超早期预期。小范围手写剧本尚可维持，但当内容需要扩展为完整世界观，人物关系、章节目标和整体叙事都必须重新组织。从集中开发到形成较为清晰的剧情框架，团队付出了持续数月的迭代成本。

因此，“未来游戏开发不再需要开发、美术、音效或编剧”的论述并不符合实际生产经验。尤其在长线叙事中，生成模型无法取代创作者对世界观、角色动机和结构节奏的整体控制，也绝无可能取代创作者的表达欲，以及对作品的爱与执着。

让创造成为人人都可以玩、永远都不会过时的游戏。

篇三

从「花园」到「花园」，想办法把AI游戏卖给玩家：对话《麦琪的花园》制作人苦丁

分享嘉宾：苦丁《麦琪的花园》制作人

苦丁： 7 年游戏策划经验，曾从事系统策划、战斗策划和技术策划。加入《麦琪的花园》团队的重要原因，在于这款产品试图探索 AI 参与游戏叙事的可能性。

对叙事的研究可以追溯到博尔赫斯 1941 年发表的《小径分岔的花园》。小说将时间描述为一个多维、交叉的迷宫：时间不再沿单一路径推进，而是由背离、汇合和平行的时间系列织成一张不断增长的网络，容纳多种可能性。此后，不同媒介一直在尝试把“故事分叉”变成可体验的结构。

1987 年的超文本小说《afternoon》借助链接实现叙事跳转，但每条链接仍由作者预先写好。GalGame 通过存档、读档和多路线设计，让故事变得可逆、可选，但玩家能够抵达的结局仍在脚本范围内。网络游戏解决了多人同时在场的问题，每个玩家也会经历不同事件，但这些人物关系通常不会被系统重新组织成一段完整故事。

这些媒介分别扩大了选择数量、参与人数和故事路径，却始终面临同一个结构性矛盾：

● 真人作为叙事主体，能够回应玩家，但难以被系统控制，也没有人自动把关系织成故事；

● 脚本作为叙事主体，可以被设计，却无法真正回应玩家，所有选择仍是预设答案。

AI 的出现改变了这件事。AI 是第一个既能回应、又能被设计的叙事主体。

AI 让“他者”主动发出请求

传统游戏中的 NPC 通常只能执行由策划预先编写的对话和任务。即使拥有大量分支，它仍然是一个等待玩家触发的脚本容器。《麦琪的花园》里的 NPC 会自主发出请求——开局小伙伴会问：“请问可以多陪我一下吗？”这不是策划手写填好的台词，而是 AI 基于产品、基于环境、基于各种条件自主发起的。

《麦琪的花园》希望让 NPC 成为真正参与叙事的“他者”。角色可以根据环境、状态和关系，主动向玩家发出请求，而不是等到玩家点击固定任务入口。例如，开局角色可能主动表示希望玩家再多停留一会儿。这句话不是策划预先写入的固定台词，而是由 AI 结合角色和当前情境生成。

从叙事角度看，这种主动性改变了故事的发起方式。故事不再只由玩家选择选项，也可以由 NPC 对玩家行为作出判断，再提出新的行动需求。

从“读出来的故事”到“玩出来的故事”

你做了一件事，故事就发生——叙事是体验，不是文本。

麦琪在很多 AI 游戏产品里面，跟其他人对比的独特之处在于：我们想设计的是一个从大语言模型生成之后的、除开文本之外的、真实的能玩到的故事。不仅仅是生成一句回应，而是如何让这句话继续影响任务、场景、道具和世界状态，让叙事从文本走向可执行的玩法。

玩家做了一件事，角色关系发生变化；关系变化触发任务；任务生成新的关卡和道具；任务结果又写回世界状态和存档。叙事因此不是一段被阅读的文本，而是一组能够改变沙盒世界的系统事件。

例如，玩家通过提示词创建一个蓝发双马尾的偶像角色后，体验并不会止步于获得一张立绘或一段角色介绍。这个角色还需要进入沙盒世界，拥有自己的职业能力和表达方式，并围绕背景产生任务。玩家可能与其共同唱歌，完成任务后得到与该角色相关的武器或纪念道具；随后，系统还要生成符合角色故事的特殊场景，使这段关系真正进入游戏进程。

AI 技术总览：关系·任务·关卡·道具持续影响彼此

外界很多人认为《麦琪的花园》的核心技术是 AI 生成角色——一句话或一张图，生成一个能在游戏内跑起来的像素小人。但团队在开发中很快发现：光这一步，在商业化和产品体验上是不可售卖、不可预期的。真正要解决的是“把角色拉进沙盒世界之后”的一整套问题。为此，团队在去年 9月份到 11月份，重新梳理了 AI 对话、主动观察、记忆相关的一套写入系统；接下来开发 AI 任务生成和 AI 关卡生成，让拉到世界里的角色在沙盒里产生真实的交互；再到现在持续优化中的状态写入。关系、任务、关卡、道具，持续影响彼此。

● 角色生成：一句话造一个“他者”，包括角色信息、职业能力、图像语音生成；

● 任务生成：AI 角色根据它和玩家的关系、当前世界状态，自己提出“我想让你帮我做一件事”；

● 关卡生成：世界、空间、地形——故事要有舞台，没有关卡，故事只停在对话里，用户感知不到世界变化；

● 道具生成：一把有名字的剑、一封写满秘密的信——能握得住的证据，没有道具，故事没有被铭记的重量。

三者合起来，叙事才从文本变成可被体验的世界。麦琪AI不只是一群会聊天的 NPC，而是一整套生成系统。除了游戏本体之外，麦琪预期售卖的是一套可玩的系统。

AI 在产品里的三层运用

A层：酒馆点炒饭——「自由」的对话和「实时」的记忆

传统游戏中的酒馆老板娘通常只能执行预设菜单。菜单里只有酒，玩家提出菜单外需求时，NPC 要么忽略，要么返回固定台词。

在《麦琪的花园》中，玩家可以对酒馆老板娘说：“我要一份炒饭。”系统会读取角色能力和当前环境。如果当时是早晨，NPC 可能回应：“一大早就来点炒饭，勇者大人倒是实在。”角色不会凭空获得做炒饭的能力；她可能无法满足需求，但会按照自己的能力提供其他食物。

这次互动还会写入记忆。当玩家第二次提出同样要求时，NPC 可能回应：“又是炒饭，勇者大人看来很喜欢吃这一口。”

这类交互难以通过穷举脚本实现。玩家可以输入任何内容，行为组合会迅速膨胀，开发者不可能提前写完所有情况。

但“无法预写”不等于“允许 AI 随机发挥”。NPC 能做什么、知道什么、如何读取环境、哪些内容需要写入记忆，仍由游戏系统决定。AI 提供的是规则范围内的响应能力，而不是脱离角色和世界设定的自由生成。

B层：一句话、一张图生成—— AI填充带来的便利

用户只需输入一句话或上传一张图片，就可以创建 NPC。系统会生成外观、性格、背景、说话方式和职业能力，并进一步形成该角色与玩家之间的任务线。这显著降低了角色创建门槛，但单纯把“捏人”从复杂操作缩短为一句话，并不足以形成可售卖的产品价值。

《麦琪的花园》并不打算把自然语言输入扩展到所有操作。团队仍将它视为一款沙盒游戏：玩家通过 WASD 移动，使用鼠标进行攻击和交互；自然语言主要用于创建角色和触发难以预设的叙事内容。AI 输入被放在能够产生增量价值的位置，而不是替代已经成熟的游戏操作。

即使没有 AI，玩家也可以在《模拟人生》等产品中自行创建角色；专业开发者也可以借助编辑器制作特定 NPC。如果 AI 只负责快速填充外观和设定，它提供的主要是便利，而不是新玩法。《麦琪的花园》所强调的“全要素生成”，是让角色进入沙盒后仍能持续运行：角色能够观察世界、积累记忆、改变关系、提出任务、进入关卡，并给玩家留下与故事有关的道具。

产品的核心不在于“生成速度”，而在于生成角色能否接入完整的系统循环。

C层：十人团队的工具链，敏捷开发

《麦琪的花园》长期维持约 10 人规模，却需要开发一个基于 UE5 的沙盒游戏。为了让小团队承担复杂系统，项目内部构建了一套面向策划的工具链。

团队要求设计师能够承担基础技术策划工作，使用 AI 校验设计、提升生产效率并完成回归测试；开发人员则集中处理核心系统和技术框架。

部分批量任务由 AI 在夜间运行，策划白天继续编写和调整需求。这套工具链并不直接构成玩家可见的 AI 玩法，却是小团队维持沙盒内容生产与系统测试的基础。

没有AI，《麦琪的花园》还成立么？AI还工具还是外挂？

外界有个经典问题：AI 原生游戏，没有 AI 成不成立？

对《麦琪的花园》来说，答案得拆开说。上面那一套基于角色生成的 AI 任务生成、AI 场景生成、AI 关卡生成、AI 道具生成——没有 AI 确实填充不了，只能通过程序化生成的方法去推进。

但没有 AI，《麦琪的花园》是能玩的，它依然是一个能玩且自洽的沙盒游戏，可以操作角色移动、战斗、探索和经营。AI 对《麦琪的花园》来说，是给玩家的一套工具、一个外挂，让玩家更有想象力地去创建游戏内容。它不是支撑游戏运行的唯一基础，却为沙盒加入了传统内容生产方式难以覆盖的角色与故事变化。这种设计也为产品化提供了一层缓冲。即使模型输出暂时失败，玩家仍然有可玩的基础系统，而不是只能停留在等待生成结果的界面中。

商业化之问：AI 能完美充当“他者”吗——能，也不能

当项目从技术演示进入产品化和商业化阶段，团队需要回答的问题不再是“AI 能不能生成”，而是AI 能不能完美充当一个很好的“他者”，像叙事一样辅助推进故事？

《麦琪的花园》的答案是：能，也不能。

AI 可以回应玩家、生成角色、推动任务并带来设计边界之外的结果；但生成模型本身不能被完全信任。对一款需要长期运行、需要玩家付费的游戏而言，任何不可控结果最终都会转化为体验、测试或成本问题。

主坑：AI 生成是一个不能完全信任的“他者”——不约束，便是地狱。

坑一：趋同｜100次生成不会一模一样，但骨架塌缩到同一模式

相同输入交给大语言模型一百次，结果不会逐字相同，但叙事骨架可能收敛到同一模式。

在早期测试中，大量角色背景故事都会出现类似“凛冽的寒风吹起了某种颜色的头发”的开场。这并不是策划主动要求的句式，而是模型倾向返回的高概率答案。提示词工程没有构建的情况下，这个问题几乎无法解决，团队花了很长时间重新规划所有提示词源头。

哪怕这个节点解决之后，每一个 AI 功能的加入还会冒新的趋同。比如任务生成，它会先知道这是一个奇幻游戏世界观，就会去找一些听上去很奇幻的词汇——最开始开发的那一两个月，一定会出现一个叫“月光草”的道具，动不动就让你前往“密语森林”。团队到现在也不知道大语言模型为什么认准了它。趋同性是大语言模型生成过程中非常麻烦、非常重要的问题，得自己通过工程去解决。

你以为养了个独一无二的伙伴，它可能只是个换皮模板——他者千篇一律，就不是他者，是模板。团队需要从提示词源头持续调整生成框架，不只要求结果不同，还要确保差异能够被玩家感知。

坑二：记忆与生成｜面包的记忆会渗出哈姆雷特的复仇

《麦琪的花园》期望用户的输入能够影响后续的角色任务生成——大家更期望体验一个叙事上更多可能性、多样性的产品。但记忆提取的过程中会出现一个很经典的矛盾。

沙盒游戏会产生大量低价值信息。玩家大部分时间可能在经营营地，系统反复记录“今天吃了面包”。当大模型生成任务时，这些内容会成为上下文噪音。

玩家以为自己创建了哈姆雷特，希望体验关于复仇和选择的故事；系统读取到的却可能是大量喂面包记录。结果不是记忆越多、角色越真实，而是无关信息挤压了真正决定任务方向的内容。

这说明 AI 游戏中的“记忆”不能简单理解为全部保存。系统必须判断什么信息与当前互动有关、什么只需短期保留、什么会长期影响角色。

《麦琪的花园》因此设计了分层记忆机制：区分 NPC 当前需要知道的信息、两小时内需要保留的信息，以及需要伴随角色长期存在的信息。市面上的通用记忆方案未必适合具体游戏，记忆结构必须围绕任务和玩法目标重新设计。

坑三：不可执行的任务会持续消耗开发者

第三个是所有 AI 生成开发里的通病——不可执行，基本上所有团队都一定会遇到。生成文本看起来合理，不代表它能在游戏里执行。

AI 可能要求玩家前往不存在的地点、寻找不存在的 NPC、领取物品表中没有登记的奖励，或调用游戏根本不支持的任务类型。

格式化输出的能力通常需要团队经历从约 10% 成功率提升到 80%—90% 的长期调整。需要投入大量时间去测试，系统越复杂，生成正确结果的难度越高。

这类问题无法通过一次测试彻底解决。模型可以不断产生新的错误组合，团队需要在三四个月甚至更长时间里持续观察，并更换测试人员和输入方式，寻找此前没有出现的异常。

每一个不可执行任务都意味着额外的开发、测试和生成费用。在商业化产品中，玩家不会为模型失败负责，生成错误的成本最终只能由厂商承担。

解法：不要信用通用方法，要针对自己产品研发工作流

面对趋同与无效内容，《麦琪的花园》并没有选择向玩家展示更多文字，而是尝试压缩信息量，提高每次生成中真正有效的信息比例。

● 角色侧需要提炼用户感知更强、信息熵更高的内容。角色设定不是越长越好，而是要让关键特征真正影响说话方式、能力和任务。

● 记忆侧需要按照玩法价值分层。系统不追求保存所有内容，而是让不同时间尺度的信息在正确场景中被调用。

● 任务侧则采用短单元生成与即时校验。模型每次只生成一个较短的任务单元，生成后立即检查：地点是否存在于地图中，奖励是否登记在物品表里，任务类型是否能够执行。未通过校验的结果直接打回，通过校验的短单元再被串联成完整任务。

这套方法的核心，不是要求 AI 一次写对一篇完整故事，而是把概率性生成拆成多个可检查、可修正的步骤。

战略上相信 AI，战术上限定 AI

“战略上相信”是因为 AI 确实能够成为新的叙事工具：它可以回应玩家，帮助角色发起任务，并在设计边界之外产生内容。“战术上限制”则是因为商业化产品不能把生成风险直接交给玩家。模型自由发挥越多，趋同、错误、不可执行和成本问题就越难控制，产品体验也会迅速贬值。

AI 的能力需要被放进工作流中：输入之前有规则，生成之后有校验，失败时有兜底，结果进入游戏前还需要接受体验和价值判断。

副坑1：现阶段AI依然不能理解设计需求，不能让AI无限自由发挥

即使在最适合语言模型的任务生成环节，AI 也不能稳定理解人类真正想要什么，尤其当需求本身并不清晰时。

模型给出的，是它所理解的“你想要”，而不是设计者真正希望实现的体验。两者之间的差距，AI 无法自行补全。

因此，开发流程不能停留在“AI 生成、人类验收”。开发者必须进一步判断：模型为什么偏离设计预期，提示词、规则、上下文或输出结构中的哪一部分需要调整，以及生成结果如何才能进入后续系统。

这也是“无限叙事”面临的根本限制。AI 可以填充规则，却不能独立完成规则设计、体验规划和审美判断。

副坑2：AI对账单没有概念，账单比bug更吓人

模型不会理解调用成本。无限请求、无限重试和长链条提示词传递，会让费用迅速失控。团队从 2025 年底开始投入约 4 人、持续 4 个月逐项拆解 AI 功能：

● 确实需要大模型处理的环节继续调用模型；

● 可以压缩的提示词尽量压缩；

● 能通过工程管线兜底的部分改用代码；

● 每个 AI 功能都预估调用频率；

● 尽量只在玩家能够感知价值时发起调用。

如果无限请求，无限重试，长链条跨区域提示词传递，账根本算不过来。

举个例子，我们其实有AI生成怪物的能力，但是用户愿意花token在怪物生成上吗？

如果生成怪物导致任务失败、角色战败或背包物品损失，玩家是否会认为这是合理体验？当生成费用需要由玩家钱包承担时，这些问题会变得更加直接。

问题还包括战斗设计。生成一套怪物序列帧，不代表攻击动作具备可读性，也不代表玩家能够正常躲避和闪避。即使画面生成成功，数值与动作体验仍可能不成立。团队最终选择更确定的方案：构建规模更大的沙盒世界，预先制作完整怪物库；当大模型需要调用怪物时，直接从已有资源中选择。有一些在试验环境理论能实现的功能，如果不能让用户原意付费，那么该砍了就砍了。

Q：能否由厂商承担怪物生产成本，把生成结果缓存下来，让相似怪物被全体玩家复用？

A：《麦琪的花园》已经具备生成内容复用机制。玩家创建角色后，可以分享角色标识码，让其他玩家使用同一角色；任务、道具和关卡也具备沿相同管线复用的可能。但“可以复用”不等于“值得承担生成成本”。图像生成在大规模调用下仍然会形成明显费用，战斗内容还需要额外处理数值、动作与可读性。如果缓存的内容本身不能满足玩法要求，复用只会扩大问题。

AI 的边界：规则、体验和价值必须由人决定