AI 进游戏：NPC、美术、测试的真实成熟度

老玩家都记得那种 NPC：你问第三遍，它还是同一句话；你想聊点别的，它开始答非所问。这套预设分支的做法统治了很多年，因为写死的台词不会出错。大模型进来之后，NPC 第一次能顺着人设即兴接话，游戏里三个跟内容生产相关的环节——对话、美术、测试——也因此被重新评估。这篇按环节讲成熟度：哪些已经能进生产管线，哪些还停在试验阶段。

玩家第一次和 NPC 聊起来，靠的是现场生成

传统 NPC 的对话是一棵决策树，策划把所有可能的分支写下来，玩家走到哪个节点就播哪段。树再大也有边界，玩家一问树外的话，只能回一句兜底台词。接入大模型之后，NPC 拿到的是人设描述加当前情境，回答是当场生成的，理论上什么都能接。

代价立刻出现：能接话就意味着可能说错话。破坏世界观的说法、提前泄露剧情、超出分级的内容，都是真实风险。所以实际落地时，通常会在模型外面加两层——一层是人设约束，把「你是谁、你知道什么、你不能说什么」写进系统指令；一层是内容过滤，输出前过一遍审核。这两层不做，上线第一天就会被玩家截图。

三个环节，成熟度不在一个水平上

把环节摊开看，各自能做到什么、做不到什么，差别很明显：

四行里成熟度最高的是最后一行，因为它验的是「有没有坏」，标准客观、结果可复现；最低的是第一行，因为它要的是「像不像人」，标准主观，而且出错的后果不可控。

NPC 的自由度越高，兜底的成本越高

一个能自由对话的 NPC，测试工作量会翻几倍。传统台词可以穷举，生成式对话不能。团队通常的做法是建一张红线清单：哪些话题必须拒答、哪些信息不能提、哪些词不能出现，然后用大量对抗性提问去撞。这套做法和通用模型的约束思路同源，AI 对齐里讲的边界设定，落到游戏里就是人设与分级。

还有一个容易被忽略的成本：延迟。玩家说完一句话，等三秒才有回应，沉浸感就断了。所以多数产品会把 NPC 的对话限制在短回合，或者预先准备高频问题的答案，只在必要时才走生成。另一个隐性成本是前后一致——它可能把上一轮自己编的设定当成事实继续用，模型幻觉在长对话里会累积成世界观漏洞。

美术提效最直观，权利归属最含糊

概念阶段受益最大。一个项目前期要出几十版风格草案，过去靠原画师一张张画，现在可以先生成一批方向，再让人挑几个深化。贴图、图标、场景小物件这类重复度高的素材，批量生成也划算。这部分提效是能算出来的，也是目前落地最普遍的一段。

麻烦在权利。生成素材归谁、训练数据是否涉及他人作品、商用范围如何界定，各地规则不一致，平台条款也各有说法。正规团队的做法通常是：生成物只用于内部提案和风格探索，最终进包的资产仍由美术重绘或深度修改，并保留过程记录。多模态生成的能力边界在这里体现得很直接——它能给你灵感，不给你权利。

测试能替人跑图，替不了判断好不好玩

游戏测试里大量工作是重复操作：走完一条主线、刷十次副本、验证充值流程、检查某个界面在低端机上会不会崩。这类工作适合交给智能体，它能不知疲倦地跑，还能把每一步的日志留下来。业内在这一块的尝试最多，因为验收标准明确——崩没崩、卡没卡、流程通不通。

但「好不好玩」测不出来。难度曲线是不是太陡、奖励给得够不够、前十分钟有没有吸引力，这些要靠人的体感和大量真实玩家数据。AI 能做的事是辅助：把玩家行为日志聚类，找出流失集中的节点，再由人判断那里出了什么问题。智能体的工作方式决定了它擅长执行明确任务，不擅长定义什么算好。

核心玩法与数值，仍然由人拍板

玩法设计靠的是对玩家心理的理解和大量试错，AI 能给的是一堆可选项，判断哪个成立要靠经验。数值平衡更微妙：它需要在真实数据上反复调，而新项目早期根本没有数据，只能靠设计师的手感。用 AI 生成一套数值表，看起来合理，跑起来往往在某个环节崩掉。

还有合规这条线。面向未成年人的产品，生成内容的审核要求更严，NPC 的每句话都可能被截图传播，一句不当回应就够上一次热搜。所以这一块的推进速度，往往取决于审核能力，而不是生成能力。内容分级的尺度各地不同，落地前得按发行地区的规则逐条对。

速查：三个环节的落地判断

• NPC 对话先建红线清单，再谈自由度的上限
• 生成素材只用于提案，进包资产走重绘并留记录
• 自动化测试盯崩溃与流程，别指望它评价乐趣
• 数值与玩法由人拍板，AI 只提供候选
• 未成年人相关内容的审核标准，按最严的地区执行