这是【游戏开发那些事】第67篇原创

最近一年确实比较忙，导致这个公众号拖更了很久。但最近这两个月，AI 的发展速度已经明显超过了我原来的预期，我觉得有必要把自己的一些想法写下来，跟大家一起聊一聊。文末有AI学习交流群的二维码，感兴趣的朋友可以来~

全文思维导图

2025年，随着Agent智能体的出现，AI 就已经不再只是“实验室里的新玩具”，而是实实在在的融入到了我们每天用的开发工具里，包括智能补全，Bug查询，代码优化等等。但实际体验下来，这些工具的使用场景仍然非常受限，很多复杂的任务也不能替我们完成。因此，和大部分人一样，我只是用它来辅助我解决特定问题，减少重复性的工作。随着近几个月OpenClaw的迅速出圈以及各种媒体的大肆宣扬，我开始重新审视并深度使用这些AI Agent工具，结果发现AI正在以惊人速度更新迭代，不仅代码写的又快又好，其他大部分的工作都能很好的胜任。

今年春节还有一个小插曲： 我发现在假期期间的各家媒体上，铺天盖地都是豆包、元宝、通义千问的广告，那些在家里呆了几十年的长辈，现在竟然人手一个豆包。我妈对我这行的工资的有点兴趣，就直接问豆包“这个岗位工作XXX年工资大概有多少？”，得到的回答基本上八九不离十，这让她既惊讶又兴奋。

以前我们会觉得“信息差”是一个很大的壁垒，家里长辈很多判断其实是基于道听途说； 但这个春节我第一次有了一个很强的感受：信息本身正在变得极其透明，AI 已经不再是开发者和极客的专属工具，而是安静地进入了每个人的日常生活。

一、这一年，从我的视角看，AI发生了哪些变化？

2025年，AI 的热点在不断轮换：从最早大家口中的“对话式助手”，到现在的 Agent、MCP、Skills、多智能体编排、云上团队 Agent。
如果只看开发体验，其实可以简单概括成三条变化（这些变化在网上的技术文章里也经常被提到，例如 Claude Skills 与 MCP 的对比分析，以及一些国内云厂商的 Agent 技术分享）：

  • 从“一个聪明的模型” → “一个会自己拆任务、调工具的 Agent”
  • 从“单点调用 API” → “围绕 MCP / Skills 的工具与工作流生态”
  • 从“人写每一行代码” → “人给目标，Agent 写大部分代码，人做裁判和约束”

从基础 Agent 到 MCP：先把“手”接出来

总结我自己过去几年的使用体验，大概可以粗分成几个阶段。

第一阶段其实和大多数人一样，就是简单的代码补全 + ChatGPT 问答：

  • 代码层面，主要是 IDE 里的自动补全加一点“补全整段函数”的能力

  • 工作以外，我会拿 ChatGPT 去问一些 C++ 细节、底层实现、甚至让它帮忙看一点反汇编输出，
    很多以前要翻书、翻博客才能确认的点，现在直接问一下基本就能得到一个还不错的分析

  • 那个时候，更多还是把它当成“一个非常耐心、永远在线的搜索 + 问答助手”，真正写工程代码，还是我自己一行一行敲

第二阶段，才开始有“Agent + MCP”这类东西慢慢往工程场景里渗透：

  • 早期的 Agent：

     本质是“有记忆 + 有目标 + 会反复调用工具 / API 的大模型”，比如帮你自动刷网页、查资料、写脚本。
    - 问题在于：每个 Agent 都要自己接一次工具，重复造轮子、权限不好控、多人 / 多 Agent 之间无法共享能力

  • MCP（Model Context Protocol）出现的动机：

     把“工具层”抽象出来，做成一种通用协议；
    - 不同模型、不同 Agent 可以通过 MCP 共享同一套工具和数据源；
    - 好处：企业可以把数据库、Issue 系统、CI/CD 等统一接到 MCP，多个 Agent 复用。
    - 问题是：每个 MCP 工具背后都要起一个服务，开发和运维成本高；工具调用信息要不断塞回上下文，上下文膨胀严重，对模型和费用都是压力

简单说：MCP 把“AI 的手”标准化，但也把“接线成本”抬高了。 在这个阶段，我这边已经开始尝试让 Agent 去接 Git，帮我做一些简单的 Review、生成 Commit 信息、跑一跑项目内的脚本、改一改流水线配置。 这些事情本来也可以自己做，但是交给 Agent 之后，最直观的感觉就是：脑子不用被这些琐事打断那么频繁了。

Skills：轻量化之后，Agent 真正开始“能干活”

2025 年底到 2026 年，Skills 概念大放异彩。
以 Claude Skills 为代表的一系列实践，本质上是在解决一个问题：

怎么让“让一个 Agent 会干一件复杂事”这件事，本身变成一个可以复用的“技能包”。

典型特征是：

  • 用一个 SKILL.md 来描述：这个技能要解决什么问题（Goal）；输入 / 输出是什么；背后需要调用哪些工具 / API；可以走哪些子步骤（Prompt 模板）

  • 对使用者来说：

    不用关心背后的 API 细节，只要在 Agent 里挂上这个 Skill，它就“会干这件事”了

  • 对团队来说：

    一次编写，多 Agent 共享；无需额外起服务，不像 MCP 那样要配完整的 Server

对我个人来说，这一阶段最大的变化是：

  • 不再满足于“让 AI 写几行工具脚本”，而是开始有意识地把一些独立又重复的模块交给它做

  • 比如各种导表工具、自动检查脚本，甚至部分 C++ 里比较绕的模板用法（SFINAE、Traits 那一挂），先让 Agent 给一个完整版本，再根据项目约定和性能要求做回收和剪裁

于是整个栈慢慢演变成：

  • 模型：提供通用推理和语言能力

  • Agent：负责拆任务、记忆、状态管理

  • MCP：负责对接大的外部系统 / 工具集

  • Skills：负责把零散能力编排成“可被 Agent 直接调用的工作流”

多 Agent / TeamAgent 与云上的编排

再往上一层，就是最近非常火的 TeamAgent、小龙虾 / OpenClaw、云上的 Agent 团队：

  • 单个 Agent 拿一个复杂目标，往往会“想得太多、做得太少”，或者在细节里打转

  • 多 Agent 的做法是：
    - 一个负责分析和拆解任务；
    - 一个偏搜索 / 资料收集；
    - 一个当代码工 / 美术工；
    - 再加一个总经理 / 审稿人，做最终裁决

这类系统的共同点是：人不再是“写每一行代码、画每一张贴图的人”，而是变成“给团队设目标、设约束、做最后判断的人”。
Cursor 官方在一篇叫《AI 软件开发的第三个时代》的文章里，把这一点总结得很直白：
从最早的 Tab 自动补全，到同步 Agent，再到如今在云端长期跑任务的 Agent 车队，开发者更多是在“搭建那座生产软件的工厂”，而不是亲自去拧每一颗螺丝。
他们提到自己内部已经有三分之一以上的 PR 是云端 Agent 完成的，如果把时间线再放长一点，很可能大部分普通工作都会被这种方式覆盖。

到这里，我自己基本也进入了第四个阶段：

  • 只要不是核心架构、性能卡脖子的地方，我现在日常已经可以接受“先让 Agent 全量写一版，再在上面做删减和重构”

  • 以前那种“每一行都自己写、每个 API 都要亲手查一遍”的习惯，慢慢让位给了“先让 Agent 给出一个可跑的整体，然后我去看整体是否合理”

  • 你会发现自己写的代码行数在往下掉，但每天在看代码、改代码、拆需求、写文档上的时间并没有变少，只是关注点从“手”挪到了“脑”上

  • 不过游戏领域的工程与协作比较繁琐，对AI Agent的大规模应用还在梳理中，目前还没有看到工作流上的变革产生

结合今年 Claude Code、各种 IDE / Agent 平台的公开访谈，以及各种相关新闻，已经发生了很多打破认知的事情：

Claude Code的负责人已经几乎把编码工作完全交给AI处理

Meta公司停工一周让大家学习AI相关的技术

阿里等多家公司已经把AI的应用纳入到绩效当中

付费上门安装OpenClaw需求旺盛，腾讯组织线下免费安装“小龙虾”

越来越明确的趋势是：

写代码这件事，正从“直接编辑文本” → “发指令给 Agent 团队”过渡。

一年前看起来是玩具的Agent，现在真的开始变成日常工作流的一部分，甚至基本上不需要你的参与。

个人的效率会有几倍的提高，很多传统的技能如今已经不再稀缺

二、回到游戏这边：AI 现在具体在干些什么

如果从“游戏全生命周期”的角度来看，AI 已经在很多环节形成了可用的产品，尤其是程序开发、内容生产、工具链和辅助设计。

程序：从“自己写”为主到“和 Agent 一起写”为主

这里先按程序的几个常见角色，大致说一下我这段时间看到的变化：

  • 引擎 / 底层程序：

    AI 现在可以帮忙做很多“看起来琐碎、但容易出错”的工作，比如批量改接口、加日志、补充断言、写各种小工具和 Commandlet；
    - 复杂一点的，比如模板代码、Traits、宏展开发生变化时的连锁修改，也可以先交给 Agent 打一版草稿，再由人来检查性能和跨平台兼容

  • 玩法 / 客户端程序：

    在 Unity / Unreal / 自研引擎里，越来越多的同事会直接让 Agent 去写一些小的模块代码；
    - 对我个人来说，现在已经很少再自己一行一行搭逻辑，更多是描述清楚需求，让 Agent 先写出一个能跑的版本，再在上面做结构调整

  • 工具 / 流水线程序：

    一堆原本没人愿意碰的 Python / Shell / 批处理脚本，现在基本都可以交给 AI 来生成和维护，又快又准，还能自己帮你修复问题；
    - 包括自动打包、自动检测资源问题、自动生成文档、扫描 log，甚至搭一套简单的 Web 面板，Agent 的完成度都已经非常高

换句话说，在程序这块，AI 已经从最早的“写几行 Demo”变成了日常工作流里默认的一环。

真正难的部分，慢慢从“怎么写出来”变成了“这段逻辑放在哪一层更合理”“这个功能值不值得做”“怎么拆分接口更长期可维护”。

美术：从“画一张图”到“搭一整张场子”

1）独立 / 小团队友好的资产产品

  • Scenario

     等面向游戏的 AI 资产生成工具：支持生成角色立绘、道具、场景、材质，甚至能保证一定的风格一致性；
    - 适合用来做原型、迭代概念稿，减少外包回合数

  • Auctoria

     这类「面向游戏开发者的 Agent」：强调从 3D/2.5D 模型到世界搭建的一站式流程；
    - 核心价值：用自然语言定义关卡雏形，再由人做微调和性能 / 玩法把关

  • RPGGO 2D、Summer 这类 AI-Native 游戏引擎 / 编辑器

    （如 Summer Engine 等）：RPGGO 2D：通过自然语言描述世界、角色、事件，让系统帮你生成 2D RPG；
    - Summer：宣称可以用英文写「vibe code」，在 Godot 等引擎上搭出整套玩法框架；
    - 本质上都是在帮「会写策划案但不会写代码的人」跨过那道最陡峭的门槛

2）效果和边界

这些工具现在能做到：

  • 快速产出大量可用但未必完美的资源（概念图、占位模型、粗糙场景）

  • 帮助团队在原型阶段迅速验证玩法 / 节奏 / 世界观氛围

  • 在一些中小体量项目上，甚至可以直接用到上线版本（尤其是休闲、挂机、解谜等）

但在 AAA 或长期运营项目中，问题非常现实：

  • 统一风格、美术质量、内存与性能预算，仍然需要强人肉把控

  • 法务 / 版权 / 伦理问题（训练集来源不透明）让大厂很难直接端到端落地

策划 / 系统设计：AI 参与“想”和“算”

这里有几个方向：

  • 玩法和数值探索：

    用 Agent 去批量生成“变体方案”：不同武器参数组合、不同关卡节奏、不同数值曲线；
    - 让 AI 先跑一轮“纸面推演”，筛掉明显无趣 / 不平衡的方案，再交给人类设计师深挖

  • 对话与剧情碎片：

    现在不少团队会用大模型先生成大量 NPC 语音 / 气泡文本，设计师再做筛选与润色；
    - 优点是：覆盖面和多样性极大提高，同一系统下可以支撑更丰富的日常对话与环境叙事；
    - 缺点是：统一世界观、价值观以及“角色一贯性”仍然需要人工把关

  • 测试与 QA：

    部分公司已经在用 AI 替代一部分“机械化回归测试”：
    - 自动巡检地图阻挡、导航网格异常、简单剧情流程；
    - 自动生成一些“玩家操作脚本”来压力测试系统。
    - 据公开资料，有厂商希望在数年内将 QA 流程的 50% 以上自动化，但目前还在探索阶段

整体来看：

AI 在“帮你多想几种可能”和“替你多跑几次实验”上，已经有了相当可观的价值。只是这些价值，大多还停留在“辅助”而不是“替代”。

三、到小游戏团队这边：从“一条龙”到“几个人带一堆 Agent”

对于小游戏 / 独立团队，AI 的冲击是最直接、最立竿见影的。可以粗暴地概括为：

原来 10 个人干的活，现在 2–3 个人 + 一堆 Agent 就能摸到雏形。

小团队“被拉平”的几个关键点

  1. 资产门槛被显著拉低

     - 一个人可以用 Scenario 一类工具生成大量素材，再用传统 DCC 做二次加工；
    - 不再需要“一上来就配完美术、特效、音频团队”才能开始 serious 原型；
    - 高质量最终产物依然要专业美术，但原型和测试阶段明显轻松很多

  2. 代码门槛被重新定义

     - 像 Claude Code 这样的工具，让“写代码”变成一种自然语言驱动的协作过程：
    - 设计师可以直接描述“我想要一个 XXX 的移动 + 攻击逻辑”；
    - Agent 帮你在 Unity / UE / Godot 内生成脚本，再由程序做微调和优化；
    - 对小团队来说，大量“胶水代码”“工具脚本”“运营后台”可以几乎全部交给 Agent 完成

  3. 原型速度被拉到一个“危险的快”

     - 有了 AI 资产 + 代码助手 + 自动化测试，一个 2–3 人的团队几周内打一两个完整原型变得现实；
    - 危险的点在于：
    - 很容易沉迷于“不断做新原型”，而不是认真打磨一款产品；
    - 资源多了、想法多了，反而缺乏决断和取舍

小团队的优势

  • 对历史包袱小、合规压力小，可以相对大胆地使用云上 Agent 与开源模型

  • 决策链路短，一个人拍板即可尝试新的 AI 工具链

  • 很多团队已经把 Agent 当成“远程外包 + 实习生混合体”：
    - 白天和 Agent 一起“堆东西”（资产、脚本、文案）；
    - 晚上自己做“品控和设计判断”

总结：AI 正在让小团队有能力“打得出 Demo、做得出还行的产品”，但离“稳定运营一年以上的好游戏”之间，还有一大段对工艺与品控的鸿沟。

四、再看大厂：从试验项目到“不得不用”

和小团队相比，大公司的问题完全不一样：

小团队的问题是“能不能做出来”；

大公司的问题是“成本压不下去，周期拉不下来”。

现状：局部都在用，整条管线还没动

从最近两年的公开新闻和周围项目的情况来看：

  • 相当多的 AAA 团队已经在局部使用 AI：

    用在贴图放大、Retopo、场景填充、光照草图等“体力劳动”上；
    - 用在 NPC 对话、角色语音初稿上，再由编剧和配音做最后加工；
    - 用在 QA、日志分析、崩溃归因等环节，帮助减少重复劳动

  • 但真正做到“整条生产管线因为 AI 而被重构”的，大多还停留在局限的试点：
    - 一个项目组试用某个 AI 场景生成方案；
    - 另一个团队尝试用 Agent 管理部分 CI / 部署流程

也能看到少数公司已经在公开招聘里给出比较明确的信号。

比如米哈游现在已经开始挂出“UE Agent 上下文环境工程师”这样的岗位，职责里直接写的是： 负责构建UnrealEngine内AI Agent的MCP工具体系与交互架构，主导Agent在UE中的“工作流嵌入方式”。

这类岗位以前基本不存在，这也多少说明大厂内部也在往这条路上试水，只是节奏和公开程度不一样。

大厂真正难的地方：由AI主导的新的工作流体系还在探索，想用又不敢一下子用太狠

  1. 流水线和资产库的历史包袱

     - AI在游戏工程领域的专用Agent还不成熟；
    - 一个运行了十几年的项目资产库 / 工具链，经不起“推倒重来”；
    - AI 工具必须兼容既有导入导出格式、版本控制体系、审核流程；
    - 这意味着大多数大厂会选择：
    - 在现有 DCC / 引擎里嵌插件，而不是强制迁移到新的 AI 工具流

  2. 法律与品牌风险

     - 训练数据是否合法，生成内容有没有侵权，一旦出事就是上亿体量的诉讼或者公关事故；
    - 老牌游戏往往绑定 IP、影视、联动产品，任何“内容不当”都是灾难级事件；
    - 结果是：合规和法务直接参与进来，很多云上方案一刀切地被挡在外面

  3. 组织与职位的惯性

     - AI 直接威胁的是“中间位置的大量重复劳动岗位”——这在任何大公司都是敏感区；
    - 很多时候，AI 推进的节奏并不是由“技术准备度”决定，而是由“组织消化能力”决定

综合来看，现在大厂对 AI 的态度可以概括为：

必须用（因为成本和竞争压力），但只能先在边缘和低风险区域用。

真正改变管线的革命，还需要几轮项目实验和组织再造。

五、引擎这边：Unity 和 UE 现在大概走到哪

“引擎厂商自己是否把 Agent 集成进来了？”

这会直接决定未来开发体验的“地板高度”。

Unity：已经开始在 Editor 里内建一整套 AI

从 Unity 最近公开的资料里可以看到，他们在 6.2 版本已推出一整套 Unity AI 功能，主要包括：

  1. Assistant（AI 助手）

     - 直接集成在 Editor 里的对话式助手；
    - 有两个模式：
    - Ask 模式：只回答问题，不改动工程（解释 API、帮你分析报错、给出脚本示例）；
    - Agent 模式：在你确认的前提下创建 / 修改 / 删除工程中的对象和资源。
    - 你可以把它理解为：Unity 版本的“项目内嵌 Claude Code + Agent”

  2. Generators（生成器）

     - 在 Editor 里用文本 / 参考图，直接生成 Sprite、Texture、音效、材质、简单动画、地形层；
    - 生成的资产统一打上 UnityAI 元数据，便于后续审核和追踪

  3. Sentis / 推理引擎

     - 用来在运行时加载并执行 ML 模型（比如做动态难度调整、NPC 行为等）；
    - 相当于把“跑模型”这件事也当成 Unity 的一等公民能力来对待。（背后的模型是Meta和微软提供的）

一句话总结：

Unity 已经明确选择了“把 AI 助手和生成器做成 Editor 内建能力”，而不是完全交给第三方插件生态。

从生态角度看，虽然还没有接入目前业界比较前沿的Claude和GPT，但Unity 这边各种 AI 相关的插件、服务也比较多，整体氛围会更“AI 友好”一点，他的脚本和一些资源格式也更适合AI学习。

当然对国内开发者来说，Unity 这几年在国内外的市场几乎是两套逻辑，这种割裂让那些想做全球发行、又想充分利用官方 AI 服务的团队来说，体验并不算好———你总会担心哪天某一端的服务又因为各种原因变得不稳定。

Epic / Unreal：表面安静，局部已经在动

目前公开能看到的，主要是：

  1. UEFN（Unreal Editor for Fortnite） + Verse 方向的探索

     - 去年就有传闻称：UEFN 正在接入一个基于 GPT-4.1 的 AI 助手，用于帮助创作者编写 Verse 代码、生成玩法逻辑；
    - 他们也很早就在官网上集成了Epic Developer Assistant。
    - UEFN + Verse 本身已经是一块“实验田”：可以针对非专业程序员的语法和工具链，也更适合尝试“AI + 用户生成内容（UGC）”的组合

  2. 引擎底层已经为“AI 全链路”留好了位置

     - 网上有一篇比较系统的梳理叫《Unreal Engine AI 技术栈调研（2026）》，把 UE 和 AI 的关系按四层来看：资产生成（AIGC 贴图、3D、动捕）→ 运行时推理（NNE 神经网络引擎、StateTree、Mass Entity 万人同屏）→ 开发期工具（Editor AI Assistant、PCG 过程化、Horde 分布式构建）→ 数据与合规（合成数据、资产血缘）
    - UE 5.7 里已经能看到 Editor AI Assistant 的雏形：用自然语言查文档、生成批处理脚本、按条件检索资产（比如“面数超过 10 万的静态网格体”），相当于在编辑器里先接了一小块“能听懂人话”的能力，当然他距离完全操控与编写蓝图还差得远。
    - NNE（Neural Network Engine） 相当于 UE 的“AI 版 RHI”：统一对接 TensorRT、CoreML、DirectML 等后端，让 AI 推理在 PC、主机、手机上都能跑，运行时 NPC 意图、姿态预测、神经动画这些都可以建在这层之上。 所以 Epic 表面没高调喊“我们全面 AI 了”，但引擎本身已经在资产、运行时、工具链、数据闭环几个方向都留了接口和路线图，后面要做的更像是把“可被 AI 识别和操作”的资产、关卡、脚本做得更语义化、更自动化，而不是从零开坑

  3. Unreal Engine Editor 暂未看到公开的通用 AI Agent 产品

     - 至少从公开资料和官网新闻来看，还没有类似 Unity Assistant 那样的“全局 AI 助手”落地；

    - 这并不代表 Epic 什么都没做，更多可能是：内部在阶段性封闭试验

此外，在社区层面已经能看到一些和 Epic 引擎深度结合的 AI 工具雏形：

  • 有人做了把 Claude Code 接到 Unreal 里的集成工具，例如开源项目 UnrealClaude，本质上是用 CLI 方式让 Claude Code 能够理解并修改 Unreal C++ 工程里的代码

  • 也有把「终端 + 各种 AI CLI 工具」直接集成进编辑器的插件，支持在 Editor 里直接跑 Claude Code、Copilot CLI、Perforce、Horde、Commandlet、WSL 等，把原本散落在外部终端里的工作流收回到引擎内部

这些插件一方面说明：大家普遍有“让 Agent 真正理解并操作 UE 工程”的需求。另一方面也多少反映出，官方通用方案还没完全成熟之前，社区会先用各种方式把“AI + 引擎”拼在一起试水。

站在一个引擎使用者 / 开发者的角度，我的判断是：

  • Epic 不可能在这块缺席：

    Unreal 的复杂度和工程体量，天生需要 Agent 类工具来帮忙做模板生成、蓝图改写、日志分析、性能诊断

  • 但他们可能会更谨慎地处理：
    - 工程稳定性（不能让 AI 助手随意改动项目结构）；
    - 大型项目的兼容性（从 UE4 → UE5 已经一次大迁移，再来一次“AI 重构”会很有风险）；
    - 授权与商业模式（是作为引擎服务的一部分，还是单独计费？按照EPic原来的风格，他们应该是不想额外收费的，但是Token的使用量和价格是一个无法提前预估的数据，所以这里还有待商榷）

也就是说，现在从外部看上去，Unity 在“公开 PR + 产品形态”上走得更快， 而 Epic 更像是在“把 Verse / UEFN / 小版本当实验室，慢慢把可行方案往主引擎迁”。

六、站在个人开发者的角度，我现在的几个感受

1）对个人：从“自己上手敲”到“更多时间花在管理 Agent 和品控”

这一年我个人最强烈的体感是：

当你真正把 Claude Code 这类工具当“主 IDE”用一段时间之后，很难再回到完全手写时代。

  • 日常开发已经可以是：“描述诉求 → Agent 生成 / 修改代码 → 人类 review → 再由 Agent 调整”

  • 人真正花时间的地方，慢慢变成：设计清晰的接口和模块边界；给 Agent 明确的约束（性能、可读性、风格）；以及在 Review 时快速发现“这段代码逻辑上是不是靠谱”

所以我基本认同一些大模型创始人和工具作者的观点：

「写代码以后可能不再需要那么多人了」—— 一年前听起来像是标题党，现在看，只能说时间表比我们想象的更近。

区别在于：

  • 不会是“所有程序员都没用”，而是：只会“按指令机械搬砖”的那部分工作，很容易被 Agent 吃掉；能理解系统、做架构决策、控制复杂度的人，会变成“少数但更关键”的角色

2）对小游戏团队：AI 是“扩音器”，放大的是你的设计素质

对小团队来说，我更愿意这样总结：

AI 放大的是你“设计得好不好”“能不能做决断”的能力，而不是替你做这些事。

  • 如果团队本身就有清晰的设计品味和判断力：AI 会帮你把很多“重复劳动”削掉，让你把更多精力放在节奏、叙事、手感这些真正重要的地方

  • 如果团队本身没有自己的价值判断：你会很快陷入“到处都是看起来不错的东西，却不知道要哪一个”的陷阱

换句话说：

AI 让“做出一款能玩的游戏”变得更容易，但也让“做出一款有灵魂的游戏”变得相对更难。

3）对大厂：慢只是表象，真正的变革会晚一点集中爆发，专属的大模型也许会成为核心资产？

从体感上讲，游戏大厂在 AI 这件事上的节奏，明显落后于互联网公司：

  • 互联网公司（尤其是阿里、字节这类有大模型团队的），几乎是从上到下都在围绕 AI 调整产品形态和工作流

  • 游戏大厂给我的感觉更多是：先把合规、安全、内网部署折腾清楚；再从具体项目、具体岗位一点点渗透

但这并不意味着他们会长期落后，反而更像是：

前几年是“别人先跑起来摸索坑”，大厂在旁边看清楚，再集中投入资本把靠谱的路线做大。

从成本结构和竞争态势来看，我很难想象 1 年后还有哪家顶级游戏公司敢说自己不用 AI 提效。 真正的问题只是：是主动借机重构流程，还是被成本和竞争逼着重构流程。

很有意思的一点是，目前，各大游戏厂在对外宣传层面几乎很少高调谈“我们怎么用 AI 写代码”：

  • 一方面可能确实还没做到可以拿出来大讲特讲的程度

  • 另一方面，也未必希望外界过早把“减少人力成本”这件事和品牌强绑定在一起

反倒是一些体量相对没那么巨大的公司，会更敢在这方面说话、做试验。比如最近看到昆仑万维这边，已经在公开场合讲自己如何在项目里大量使用类似 Vibe Coding 这类方式做开发，对小体量、周期短的项目来说，这种“快进到下一代工作方式”的尝试，带来的边际收益会非常直观。

我一直有一个想法，未来的企业里面是不是每个游戏项目都会有一个特调的大模型？即使训练成本过高，那也可能会以“每个重要项目组都针对自己的代码和文档做一套专门的训练或索引”的方式来引入AI。这样 AI 在理解上下文、维持风格和约束方面，才能真正帮上更深一层的忙。

4）我对“写代码”本身已经不再焦虑。35岁裁员问题可能消失？

  • 目前看，只要需求说清楚，Agent 基本都能给到一个能跑的版本，即使这个东西你从未接触过

  • 但“计算机基础素养”这件事不会因此过时，小白如果对基本概念、架构、复杂度没有概念，很难判断一段 AI 产出的代码到底靠不靠谱，更撑不起一个大项目

AI 会把很多程序员之间“纯体力”那部分差距压扁，但在设计、抽象、取舍这些地方，差距依然会非常大。

还有一点挺现实的感受：

  • 以前大家经常说“程序员老了之后肝不动了”，很多活靠的是熬夜、靠的是体力；现在多了一个 AI，当你习惯和它配合以后，很多过去需要长时间熬的东西，可能几个 Agent 并行跑一晚上就搞定了。是不是说35岁的裁员问题迎刃而解？有经验的程序员反而更有优势？

当然，这并不意味着压力会消失，只是压力的形态在变，时间拉长程序员这个行业也可能几乎消失。世界一直在变化，每个时代都有自己的不确定性，但只要我们愿意学习和调整工作方式，在这个时代里，依然会有无限种可能。

5）对引擎和工具链：我仍然期待“Agent First 的引擎”

最后回到一个更偏愿景、也更偏主观的点：

如果有一天，引擎本身内置了强 Agent，并且把项目结构和内容完全暴露给 Agent 操作，那整条制作线的效率会迎来一个断崖式的提升。

  • 理想形态大概是：
    - 在 Unreal / Unity 里，你可以对引擎说：
    “帮我把当前关卡里的所有敌人 AI 配成三种难度，并自动生成一套分难度的测试用例，再跑一轮回放”；
    - 它会调用一系列 Skills：
    - 改蓝图 / C++ / C#；
    - 调整配置数据；
    - 起一轮自动化测试；
    - 输出一份简洁的结果报告

我个人基本确信：引擎层面的 Agent 集成一定会来，只是时间早晚的问题。

当那一天真的到来时，我们对“一个人能在一个大项目里做到什么”的认知，大概率要重新校准。

七、一个简单的小结

  1. AI 自己这一年从“聪明的模型”进化成了“能调度工具的 Agent + Skills 生态”。
  2. 在游戏领域，AI 已经在资产、设计、测试等环节形成了实实在在的生产力，但离“只要按一个键就能出 3A”还很远。
  3. 对小团队，它是能力扩音器；对大厂，它是成本和流程重构的催化剂。
  4. 主流引擎的 Agent 化还在路上。
  5. 对个人开发者来说，真正要练的已经不再是“手写每一行代码”的能力，而是“给 Agent 正确目标和约束，并做出有品位的最终选择”的能力。


参考：Agent / MCP / Skills 架构与生态：一张图读懂 Skills 与 MCP：让你的 AI Agent 同时拥有“大脑”和“双手”https://cloud.tencent.com.cn/developer/article/2624372?policyId=1004Agent Skills 究竟是什么？从玩具到工程化的必经之路https://developer.aliyun.com/article/1711574
独立 / 小团队相关的 AI 工具：Auctoria – first agentic AI for game developershttps://auctoria.ai/Summer – The AI Game Enginehttps://www.summerengine.com/Scenario – AI Game Asset Generatorhttps://www.daidu.ai/products/scenario-aiPunch Above Your Weight Class with AI-Powered Game Developmenthttps://www.cloudrift.ai/game-development
AAA 团队与生产管线：Beyond The Hallucination: How AI Is Rebuilding AAA Production Pipelines From A Vacuumhttps://dataconomy.com/2026/01/08/how-ai-rebuilding-aaa-production-pipelines/The State of AI in AAA Game Productionhttps://davidasmith.medium.com/the-state-of-ai-in-aaa-game-production-b7d949df4daaSqueezed in the Middle: AAA Gaming Studios Must Adapthttps://www.bain.com/insights/squeezed-in-the-middle-aaa-gaming-studios-must-adapt-gaming-report-2025/In 2025, AI became a lightning rod for gamers and developershttps://on.theverge.com/entertainment/848368/gen-ai-video-games-2025
Unity / Unreal Engine 方向：About Unity AI in the Unity Dashboardhttps://docs.unity.com/en-us/ai/ai-overviewAbout Assistant | com.unity.ai.assistanthttps://docs.unity3d.com/Packages/com.unity.ai.assistant@1.5/manual/index.htmlFortnite UEFN reportedly set to receive an AI assistanthttps://www.sportskeeda.com/fortnite/rumor-fortnite-uefn-reportedly-set-receive-ai-assistantUnreal Engine AI 技术栈调研（2026）https://www.cnblogs.com/shiroe/p/19592287#02-ue5-ai-%E6%8A%80%E6%9C%AF%E6%A0%88%E5%85%A8%E6%99%AF%E6%9E%B6%E6%9E%84Voice AI NPCs in Unreal Engine | Full Conversational MetaHuman Facial Animation & Lip Synchttps://www.youtube.com/watch?v=PVWx67wSRgIUnrealClaudehttps://github.com/Natfii/UnrealClaude
Claude Code / 编程方式变化：Claude Code's Co-Creator Just Revealed How Coding Will Change in the Next 6 Monthshttps://www.theneuron.ai/explainer-articles/claude-codes-co-creator-just-revealed-how-coding-will-change-in-the-next-6-monthsAnthropic's head of Claude Code on how the tool won over non-coders—and kickstarted a new era for software engineershttps://fortune.com/2026/01/24/anthropic-boris-cherny-claude-code-non-coders-software-engineers/How the creator of Claude Code sees the future of AIhttps://www.theverge.com/podcast/883604/claude-code-ai-future-creator-privacy-vergecastClaude Code's creator explains the limits of vibe codinghttps://www.businessinsider.com/claude-code-creator-vibe-coding-limits-boris-cherny-anthropic-2025-12OpenAI built an AI coding agent and uses it to improve the agent itselfhttps://arstechnica.com/ai/2025/12/how-openai-is-using-gpt-5-codex-to-improve-the-ai-tool-itself/

新加了一个AI游戏开发交流群，感兴趣的朋友可以来~

# 人工智能 # 游戏
Logo
龙虾开发者社区

小龙虾开发者社区是 CSDN 旗下专注 OpenClaw 生态的官方阵地，聚焦技能开发、插件实践与部署教程，为开发者提供可直接落地的方案、工具与交流平台，助力高效构建与落地 AI 应用

更多推荐

cover

【粉丝福利社】从“找资料”到“资料找我”：OpenClaw如何让信息搜集效率翻倍？

avatar 龙虾开发者社区

开源 vs 闭源：Agent Harness 的生态之争

本文将带你跳出“免费 vs 贵”的表面之争，从“站在 AI Agent 生态的底层架构、技术实现原理、核心功能对比、商业模式、开发者粘性、企业落地痛点、行业趋势等多个维度，全面剖析开源 Agent Harness 生态（以 LangChain 生态、AutoGPT 衍生生态、CrewAI 为核心代表）与。

avatar 龙虾开发者社区

OpenClaw 大结局——接入个人

StreamJsonRpc 是微软官方维护的用于 .NET 和 TypeScript 的 JSON-RPC 通信库，以其强大的类型安全、自动代理生成和成熟的异常处理机制著称。在实现 ACP 的流式 Prompt 响应时，应直接使用?检查现有的动态代理生成逻辑，确定 StreamJsonRpc 无法识别的根本原因（通常是因为代理对象没有公开实际的方法签名，或者使用了 StreamJsonRpc 不支

avatar 龙虾开发者社区