我正在开发 Browser Boxing，一款完全在浏览器中运行的实时多人拳击游戏。
项目的一个重要部分是将生成式 AI 融入实际游戏开发流程，尤其是在游戏的视觉方面。
游戏使用 JavaScript 和 HTML Canvas 来实现美术和动画，我大量借助 AI 来帮助创建渲染代码，包括：
- 拳击手的绘制与姿势
- 出拳动画
- 移动与过渡
- 倒地与反应
- 擂台视觉效果
- UI 特效
- 通用 Canvas 渲染逻辑
我没有生成静态图片资源，而是用 AI 来帮助生成并迭代直接在 Canvas 上绘制和动画化的 JavaScript 代码。
这最终成了我在此项目中最感兴趣的环节之一。
大部分工作流程是：
- 描述我想要的动态或视觉效果
- 生成初始的 JavaScript/Canvas 实现
- 在游戏中运行
- 调整时机、位置、比例和移动
- 持续迭代直到在动态中感觉恰当
我学到的一点是：AI 可以很快让你做出一个能用的视觉效果，但从“能用”到“在游戏中感觉良好”仍需要大量迭代。对时机和移动的微小调整会带来巨大差异，尤其在格斗游戏中。
我还将生成式 AI 用于赛后内容。
每场比赛都会产生结构化数据，例如出拳命中数、击倒次数、记分卡、伤害值和最终结果。我使用这些数据在赛后生成一篇擂台风格的比赛回顾。
游戏仍会决定所有实际结果和统计数据。AI 仅用于将这些数据转换为更易读的比赛过程总结。
到目前为止，生成式 AI 对我来说最有用的两个领域是：
- 快速创建并迭代 JavaScript Canvas 美术和动画
- 将结构化游戏数据转化为生成的赛后叙事
我很好奇是否有人也在以类似方式使用 AI，特别是在程序化视觉效果、动画代码或游戏其他通常需要大量手动创建资产的环节。
你可以在这里看到当前成果：
评论 (0)