夜雨聆风无论如何，美术设计这个话题今天该收尾了。
前两篇我一共踩了四个坑。Google AI Studio 没法完美复制 Stich 页面，Stich 的美术素材跟 Codex 代码对不上——这是上篇说的。没在 Godot 搭编辑框架导致 AI 乱发挥，用错了模型反复出编程问题——这是中篇聊的。没看过的朋友可以参考👇
这篇我们做最后一件事——完成素材生成和程序贴图，把产品真正变成游戏。
整体思路不复杂：先让 AI 扫描全部素材占位符，输出每个素材的文件名、页面位置、尺寸和使用说明。然后为这些素材创建统一风格的提示词，批量生成图片。最后检查尺寸是否合适，一对一替换占位图，完成贴图。
工具和分工
操作之前，先把工具摊开说清楚。
这次我用了五件套：
Codex：支持工程文件读取，能处理文本、代码和图片。主力选手，负责全局调度和中间验收。
ChatGPT：不支持工程文件读取，能处理文本和图片。主要用来生成图片和页面优化方案。
Workbuddy + DeepSeek：支持工程文件读取，但只能处理文本。主要做素材提示词生成。
Workbuddy + Kimi Coding Plan：支持工程文件读取，只能处理代码。负责代码实现。
Godot：游戏引擎本身。最终验收要用眼睛看一遍。
这几个工具的工作流大概是这样的：
这么分工有个前提——Codex 全能但额度有限，ChatGPT 额度无限但只能单步操作。Workbuddy 这边，可以用专家角色加上不同大模型的特长，低成本跑通整个流程。
说白了，预算充足的，Godot 左半部分所有活都可以扔给 Codex。预算紧的，就像我这样打组合。
下面一步步说。
第一步：素材需求梳理
环境：Codex。
你还记得吗，我们之前在 Godot 搭完编辑框架后，前端代码是用占位符或占位图片先把素材位置固定好的。
这一步直接问 AI：
我现在要开始游戏美术素材的准备工作，然后去完成贴图。我需要你告诉我哪些页面需要哪些素材，每个素材的尺寸是多少。
Codex 会去读项目相关的资料和已有代码，找出所有占位符，然后自动生成一个「美术素材清单.md」文件。
文件里包含什么？每页每个素材的文件名、简单描述、尺寸大小、存放位置。
这一步花不了多少时间。你只是个监工——AI 干活，你验收。
第二步：提示词生成
环境：Workbuddy + DeepSeek。
Workbuddy 这个软件我后面会单开文章讲。简单说，它是一个带专家角色功能的 AI 协作平台，里面有大量预设好的专家 Prompt——你可以理解为"角色卡＋工作流"。
这里我们召唤一位叫「画令令」的专家，角色是「AI 图像提示词工程师」。
模型方面，选用 DeepSeek V4 Pro（需要在 Workbuddy 里自定义添加）。
然后让这位专家阅读上一步生成的美术素材清单，同时了解游戏的整体背景和美术风格，为每一个素材生成 GPT 图像提示词。最后它会吐出一个「提示词.md」文件。
文件结构是这样的——最上面是整体游戏风格的描述，作为每个素材提示词的固定前缀。中间是色彩说明，保证视觉一致性。下面是逐个素材的专属提示词。
第三步：素材图片生成
环境：ChatGPT。
这一步就是体力活——把提示词贴进 ChatGPT，生成图片，保存到项目的 Design 文件夹。
循环往复，直到所有素材搞定。
有两件事要注意：
第一，保存路径和文件名必须跟提示词一致。文件名一乱，后面贴图就找不到东西了。
第二，ChatGPT 偶尔会不按你给的尺寸来。每次生成完瞄一眼尺寸，不对就让 AI 重来。
多说一句：ChatGPT 和 Codex 用的是同一个图像生成模型。如果不是因为 ChatGPT 生成图像不消耗账户 Token，你也可以直接在 Codex 里批量跑。
第四步：素材检查与修正
环境：Codex。
AI 生成的东西有不确定性——这你已经在前两篇领教过了。所以在贴到代码之前，必须再过一遍。
直接跟 Codex 说：
我们第一批素材都完成了制作，并下载到了 [Design]中。我需要你 check 一下他们的尺寸是否符合我们的要求。如果不符合需要你帮我处理这个素材。写清楚每个素材放在哪里，验收标准是什么，放在[Design] 文件中。
Codex 会输出一个「美术素材落位与验收标准」文件，里面包含：
每个素材的详细信息——名称、所在目录、目标放置位置、目标尺寸、是否需要透明底、用途。
（图：Codex 按照素材清单裁剪原始素材）
除了逐个素材的信息，文件里还有两样东西：一是根据美术风格总结的通用验收标准，二是导入 Godot 的具体操作规范流程。
这一步既当质检员，又当 SOP 制定者。
第五步：素材落位
环境：Workbuddy + Kimi 2.6。
中篇最后我说要试 GLM 当 Codex 备份，后来发现智谱 GLM 的订阅每天限量抢购。转头试了 Kimi 2.6，也能满足需求。
同样的套路——在 Workbuddy 里召唤专家「节点通」，角色是「Godot 游戏脚本工程师」。
模型用 Kimi Coding Plan，专门处理代码。然后直接下指令：
素材我都准备好了，在Design 文件中，需要你落到游戏对应位置。你完成后记得自检，没有问题就跟我说。
这位脚本专家会在工程文件中逐个替换资源素材，实现贴图。
它要做什么？找到占位图 → 删除 → 用 Design 里同名的素材文件替换 → 检查引用路径 → 自检通过。
整个过程你不需要碰一行代码。
第六步：落位检查
环境：Codex。
最后，让 Codex 做整体落位检查。老规矩，从程序端和用户端做双重验收。
游戏素材我已经替换落位完成，需要你去检查一下。没问题就推到 GithubCodex 会检查：所有素材是否都替换了？路径引用是否正确？尺寸是否匹配？画面是否正常？
全部通过后，自动 push 到代码仓库。
第七步：人工复核
环境：Godot。
最终产品还是要用眼睛亲自看一遍。AI 再聪明，有些细节问题它看不出来——比如标题与贴图对准这种视觉层面的微调。
如果还想继续打磨，可以把贴好图的页面截图丢给 ChatGPT，让它提优化建议，再输出可执行的 Prompt。
就像我们在中篇做的那样——ChatGPT 当评审，Codex 当执行。
-----------------------------------------------------
手搓游戏系列写下来，最大的感受是：AI 能做的事情比大多数人想象的多，但前提是——你得知道怎么指挥它。
每一步该用什么工具、用什么模型、分工怎么划——这些决策本身，才是「手搓」的真正门槛。
技术反而是最简单那部分。
多说一句为什么跨三个平台、用四个模型——不是为了炫技。
一方面，每个模型干自己最擅长的，整体开销能压到极致性价比。另一方面，交叉验收——写代码的不查代码，做图的不审图。自己检查自己的工作，能查出问题才见鬼了。
（完）
