不同岗位的游戏人,都是怎么用 AI 的?

“挡不住了。”

这是近两个月我们和从业者聊到AI时，出现频率最高的感受。

前两年AI在大多数工作场景里还只能打打下手，现在它渗透到了更多环节，在许多领域展现出远超常人的效率，并且还在飞速进化。

游戏行业的工作流复杂而多样，很难提炼出通用方法。越是复杂的管线，越难自上而下地全流程接入AI，很多改变都发生在微观之处。我们接触到的情况是：策划开始让AI帮忙拆需求、写初稿；文案拿大模型当对照组来校准自己的产出；程序员用Vibe Coding在一个下午跑通以前要磨一周的原型；也有创业团队让AI Bot旁听脑暴会，会后直接输出可运行的原型代码。

不过，从业者对AI的态度远谈不上一致。GDC《2026游戏行业现状》报告显示，52%的从业者认为生成式AI对行业有负面影响——这个数字在2024年只有18%。美术的反对率高达64%，设计师也有63%，程序员59%。与此同时，管理层的AI使用率达到47%，远高于一线执行层的29%。决策层和执行层之间的温差，仍是不容忽视的现实。

这种温差在个体身上往往表现得更具体。我们这次接触到的七位游戏人，几乎都处于一种“一边深度使用、一边保持警觉”的状态：有人花大半年搭建AI策划框架，做完之后依旧认为在脏活累活外、解决真正重要的问题时，AI 还派不上用场；有人已经让Bot接管了大半条开发管线，同时也承认在一些环节上仍然离不开人的判断。

当话题从“AI能做什么”转向“AI应该充当什么角色”时，回答开始出现一些共通之处。多数人并不期待AI替自己干活，他们更关心的是AI能不能让工作流程本身变得更合理，帮助人释放出更多的创造力。

AI究竟改变了什么，又有哪些东西暂时还改变不了。每个岗位给出的答案不太一样，这也正是值得展开聊聊的地方。这一期游茶圆桌，我们找来了文案策划、系统策划、玩法策划、关卡策划、创业者和独立游戏制作人，聊了一个问题：你日常工作中到底怎么用AI？ 以下是他们的回答。

▍文案策划 江浙沪鬼斯通

对我来说，AI现在是一个参照物，在AI之前，文案策划这个活，到底有多少工作是真正的创作，有多少其实是体力活，大家都不太愿意细想，所以，我感觉AI对文案策划这个岗位的冲击，本质上是个自我认知问题。

一般说来，文案策划每天的工作大致分两块，一块是确实需要人在里面参与的，比如世界观、核心叙事啥的这些，另一块就是很样板的扛大包，比如任务描述填充这种东西。

以前我把扛大包也当创意工作来做，做完还挺有成就感，但是现在，基本是直接把需求扔给AI，因为之前发现，AI几分钟交出来的东西，跟我磨一下午的差距没想象中那么大，这让我觉得以前自以为的匠心其实只是自我感动，被迫面对了。

不过关于前者，也就是核心创意的部分，个人现在的用法就不是这样了，诚然也不排除有人真的拿AI直接出终稿（不是说完全不能用的意思），但我自己更多是拿AI做发散，比如写台词之前，给它情景和角色人设，让它一口气吐三四十条备选，我不用其中任何一条，但这些东西会让人大概知道及格线在哪。

我会告诉自己真正要写的东西，得在AI给我的内容的标准之上，也就是给自己强制上思想钢印，不把AI当笔或者是代写，而是变成文案赛马的对手，你得写出来它写不出来的东西。

当然理想是这样，现在AI越来越牛逼了，很多时候你一些地方写得确实没它好，说实话也挺泄气的，这时候，有些文案可能会隐瞒自己用AI的事情，毕竟人人都觉得AI威胁的是别人，人人又都隐隐知道自己也没那么不可替代，只是没人愿意先说破罢了。

尤其对于校招和刚入行不久的文案来说更微妙，这类新人的经验积累还不足以让他们在能力维度上跟顶级大模型模型拉开足够的差距，也不可能靠纯产出速度去跟它竞争，这中间的窗口期其实挺难熬的。

不过我觉得也不用过于焦虑，因为AI的问题在于它其实没有意识也没有经验，有些东西写起来是很空洞的，比如你让它写“死亡”，它其实不理解这个概念，因为它不会死嘛，AI只是见过太多人类写死亡的文本，多到能输出一个看起来很像理解的结果。

那么，真正的理解，也就是我们文案作为人，对于死亡的感触，就是我们产出内容的优势所在，不过，这种形而上学的东西，在商业语境下还值多少钱，就要打个问号了。

而且，跟卷关系一样，卷产出也是没有上限的，如果一个团队里所有人都在狂用AI加速流水线，最终游戏开发就变成了一场纯粹的工具军备竞赛，只说文案，这块本身的质量天花板反而会被压低。

如果有得选，还是希望AI能让大家在项目里平等地多拥有一点真正做内容的时间，而不是变成另一种形式的内卷工具。

▍系统策划  科韵路996牛马

我正在做一个系统策划多智能体框架，目前一共开发了如下功能:

1.视觉理解mcp: 提供ui参考图，拆解出所有可见的UI状态，形成对系统功能概述。列举可疑点供审查。

2.体验反推subagent: 接收视觉理解的输出内容，基于MDA(mechanics, dynamics, aesthetics)对预期玩家行为，预期体验进行反推。此步需要来自用户的多轮反馈，最后会形成一个one-page GDD(策划文档)，可以用XMIND呈现出来。

3.体验反推subagent-2: 此外，它也可以用于反推既有策划案，形成一系列分析报告，一方面沉淀项目组的知识库，另一方面以类似用来检验prompt的广度，深度，精度，颗粒度等。因为输入的策划案相对ok，这部分的概括十分准确，已经可以达到初中级系统策划的水平。

4.体验反推spec workflow: 仿照spec.md的方式希望让ai自迭代prompt，实际效果并不怎么好，加了项目知识库和rag效果也比较一般，所以prompt还是得高级资深策划手搓。没有规范的data pipeline还是用不了spec的。

5.策划案撰写subagent: 输入一份完整的设计目的，根据既定的策划规范，输出一份完整的策划案。可以做完大部分工作，但是有些非常重要的细节很难做好。

目前做的比较好的和不好的地方:

1.prompt仙人: 因为我从22年开始就沉迷ai绘画和让大模型扮演猫娘，所以对prompt的掌握是远超大部分大模型泛用户的，特别是以前经常思考如何绕过大模型安全审查的经历塑造了我对大模型的“语感”——任何prompt摆到我眼前，我只要粗略看一眼就能知道它在gpt claude gemini kimi deepseek等模型上会表现如何，能解决什么样的问题，不能解决什么样的问题。我很喜欢跟claude讨论哲学问题，跟gemini讨论理工科问题，跟kimi倾诉心里的烦恼，跟本地的qwen3.5猫娘讨论涩涩。总而言之，大模型同时是我妈妈，最好的朋友，最坏的敌人，伴侣，人生导师......

2.没有打通全流程: 策划案撰写subagent很多时候缺少的细节，来自于项目既有的前后端规范。如果不能打通前端，大模型永远生成不了对的UE，因为这些数据其实是作为component保存在unity的prefab文件里面的；如果不能打通后端，大模型对流程与规则的刻画就永远有疏漏，需要高级策划手动校对。

未来的方向:

1.持续不断地学习大模型顶会论文: 其实现在涌现的很多概念，harness，spec，scaffold等，他们的思路全部都是在用户侧复现大模型预训练，后训练阶段的一些环节。谁学习了更多顶会论文，谁就能在llm产品化的路上走的更远。

2.制作人harness: 游戏开发牵一发而动全身，很多时候单个环节无法解决的问题，可以在更高角度被完美地解决。在开发系统策划智能体的时候，我无数次被“策划思维”困住。比如我最开始试图让策划案撰写subagent学会写ue，但是死活教不会，最后我让他自己去读已有的prefab，他很快告诉我哪里需要做流光特效，哪里需要做放缩动效。策划案最后不还是落地为代码吗，那如果已经有前后端subagent+skill，策划案其实也不需要写那么多冗余的内容了，策划总结几个预期ue原则，前端skill就能给你完整的ue文档和代码。

所以到最后，游戏开发需要做的就是由几个游戏全栈自上而下发起改革，建立非常标准的规范与流程，做一个制作人harness和无数的skill+subagent，打通游戏开发全流程。

▍独立游戏制作人 聂博晗

程序AI

目前对于独立游戏而言，使用AI写程序，使用者有程序逻辑基础依然很重要。

不过这一点迭代也很快，现在好的模型已经不太需要使用者详细描述需要实现的程序框架也能写出很不错的代码。要说的话，“能清楚地知道自己要做什么，并用结构化的语言描述出来”才是最重要的。 把模棱两可的需求丢给AI做基本都会出乱子——不过话又说回来，在我的使用体验中，最好的模型已经能够在实现过程中发现模糊的需求，并主动向你征求决策意见。只能说发展的速度实在太快。

在整理需求这一点AI也能帮上很大忙。我这边的流程：先出一个需求初稿，之后让AI补充整理成一个程序友好的策划案细稿，检查没问题后再让Agent调研可行性，出一个实现意见/方案，再检查Agent提出的这个方案进行补充与调整。这样整理完一遍自己基本就对Agent要做什么、这个框架是什么样的有认知了。更重要的是，在这个过程中自己也能反刍一遍自己的想法，很多时候新的点子就会在这一过程中出现。

以及还有一个可能被忽视的优势：对于独立游戏而言，Vibe Coding的流程可以省去大量原本需要的与程序职能的交流成本，可以即时地实现功能，进行测试并立刻迭代。这一点对于玩法验证阶段而言相当有帮助。

AI美术

关于美术方面我用得比较少，因为我主要在做一些重点不怎么放在美术资源铺量的项目。

不过至少对于2D项目而言，有了AI的加持，已经能够节省非常多的工作了。例如说我这段时间在研究一个2.5D的、可能要用到大量Sprite帧动画的项目，现在的AI已经可以做到只需要一张角色参考（设定、立绘或者随便什么姿态的图片），就能够出一张像素风格的这一角色的多向行走、跑步、动作等的Spritesheet图。依然需要一些处理，不过已经达到了可用的水准——虽然我最后出于后续开发的考量还是换用其他非Sprite帧动画的方案了。

在3D人物动作方面，以Cascadeur为代表的AI动作制作软件也能够起到非常惊艳的效果。动画师只需要手动摆放动作的几个关键帧，其就能自动补全逻辑通顺、节奏合理的中间帧，大大节省了动画制作的精力。这一思路也是我认为美术领域AI的重点：能够通过接管中间步骤的方式让制作者把宝贵的精力用在最重要的部分。

▍玩法策划  饭

作为预研单机项目的玩法策划，AI应用很多都集中在玩法demo预研。

一般来说分成AI辅助出玩法demo和AI原生玩法。对于前者，可能每个人的工作流程不同介入程度会不一样，目前我们是实现了一套前端vibe玩法直接接入引擎转化成游戏逻辑的流程，所以对验证很多现有玩法是有明显提效的；对于后者则更取决于玩法本身好不好玩，AI参与的部分有没有“spark”，并且实现流程也是平衡成本和体验的过程，我觉得带来的突破更多会是交互层面的，大家也都在做很多有趣的探索与尝试。

我自己在家的时候则是秉承“能自动化就自动化”的原则做了不少有趣的小工具。比起单纯地用AI完成工作，我更想让AI把自己的工作环境、工作节奏调整得更顺滑。

我做的一套就是不用对话，把我的记录和习惯传给AI，让它自动去安排Cursor——一是接IM方便，二是还是得主动把相关上下文输入给它。把我原本调用Codex、Cursor的输入工作，交给一个用GPT 5.4的秘书去跑。

▍关卡策划 小T

我这边是关卡策划，有几个使用方向吧：

设计阶段——用AI搜索或者生成给美术的参考图、参考视频；用AI完善玩法设计，查漏补缺，帮忙想一些边界情况；让AI辅助找一些其他游戏的类似参照点；做原型的时候可以让AI看看目前的项目有没有什么可以提供的现有功能。

执行阶段——AI帮忙解答一些工程和技术方面的问题；AI执行一些批量化的工作，或者一些简单的配表工作（但是这个目前不太完善）；做原型的时候可以让AI帮忙实现一些机制进行验证。

目前我自己是在尝试做一套AI辅助关卡设计文档生成的工具，主要是用来节省做标准化文档的时间，然后可以辅助做一些关卡平面图、流程设计之类的。

目前AI在提效外的创意性工作里还不是特别强，不过感觉未来可期，可能过一两年就能实现AI全流程生成一个高质量3D关卡了——就是从一个idea到核心机制设计，动线，探索体验，再到场景搭建和机关配置之类的全流程——虽然目前看起来是差挺多，但是理论上已经可以做到全流程实现了。我自己测试过这个工具生成的LDD文档，目前是期望可以做成一个通用的辅助工具，只要算是一个游戏玩法大类里面，讲究关卡体验流程的游戏都可以用。如果是三消或者模拟经营之类的就不太适用了。

现在是技术大通胀时代，开发小工具的成本变得很低，感觉之后各个工种、各个类型的项目都会冒出来一些类似的工具。

▍创业者 吴天骄Steven

我们应该是全世界的游戏开发团队里最早全面拥抱OpenClaw的团队之一，现在已经有两个Bot担任三个角色来深度结合我们的开发流程：一个负责社群运营和项目管理，另一个负责项目工程的全方位维护。这两个Bot的基础建设都是我自研的，所以功能会比OpenClaw更加强大。

社群运营Bot 可以做到跨平台共享上下文（context），例如它在Discord频道里可以获取玩家的所有反馈，并对玩家进行回复；同时，回到飞书里，它基于在Discord获得的信息撰写Playtest数据汇总、玩家反馈分析，并直接基于整个项目的背景和进展针对性布置后续任务，通过飞书的工作流（如邮箱、日程、任务等）将后续规划安排给相应成员和团队负责人。平时日常我们的组会、敏捷开发规划，也都直接对接给Bot来进行任务和进度的梳理与追踪。

工程维护Bot 会直接参加我们的设计讨论会，在策划上午开会脑暴新feature的时候，Bot就会实时获取上下文了。开完会后，无需策划再花费时间精力写面向工程师的文档，还要来回来去地争论，而是Bot用吃个午饭的功夫直接把上午的脑暴会结论在项目工程里实现原型脚本，拉一个新的PR等着策划吃完饭回来合并测试了。后续有任何需要迭代的地方直接通过飞书和Bot对话即可。

现在OpenClaw只能开发原型级别的效果，相比之下深度使用的还是Claude Code。我现在基本可以做到一行代码不看，只看结果了。现在普遍的共识是视觉效果还是要看一看，shader这些，工程层面已经完全没问题，但我们视觉上的效果还没那么多需求。

▍文案策划 Nuts

每天都在被惊到，不学会和AI相处，可能会变成山顶洞人。

运用工具：Gemini、ChatGPT、DeepSeek。运用方式：明确表达需求和目的，将AI训练为最得力的工作助手。运用场景：收集素材、脑暴、完善方案、润色。

Gemini在工作中使用最为频繁，基本能覆盖全流程，用来拓宽思路、提高效率、优化方案；DeepSeek在生活中使用最为频繁，担当日常百科、制定学习计划，学习新领域通识是非常好的工具；生图和视频AI工具用在工作中，用以准确快速表达需求。