作为一名狂热的Infinite Craft的AI驱动组合机制的粉丝，我想进一步探索 AI驱动的游戏生态系统和竞争性的元数据。
我最近在独自开发了9个月之后发布了这款游戏，考虑到这是一款手机游戏，使用了生成性AI，我在推广和社交媒体方面属于菜鸟，因此我必须要承认，争取游戏的成功会是一个漫长的征途。如果这款游戏不太出名，我希望能分享一下我的技术栈和我的收获以赐福给其他同样看到生成性AI作为核心游戏机制的人。
Vibe Coding:
我绝对认为Claude Opus 4.5/4.6 与众不同，是目前最好的AI编程工具之一。而且我坚信，即使是最小的质量提升，都在于能够减少debug的工作量。
对于 IDE 我个人很喜欢Kiro，因为它可以设置好设计和需求，并将任务分解为更易于管理的部分。当然有人也评价说 Claude Code 也很不错。
Tech Stack:
- 前端:
UNITY
- 我也看到了关于 UNITY 和 AI 的讨论，而我也认同： UNITY 不友好。
- 我并没有使用任何 MCP，但 opus 仍然表现良好，对于我来说，它更容易使用 reusable monobehaviours(classes)。
- Back end:
AWS
- 我使用 AWS 是因为 Kiro 来自于 AWS，所以我觉得如果有一个AI代理最适合于 AWS，那么必须是 Kiro 啊！(lol)
- LLM 的确表现出色，最适合的AWSlambda语言包括 Python 和 Typescript。
- 我曾经遇到一个困难：AWS的lambda大小限制为256 MB，这导致我无法将LLM托管在本地，并且一些LLM相关的常用库像是PyTorch、numpy等也变得不易用。
- 相反，AWS的基础设施成本几乎微乎其微，除此之外，我也获得了AWS的创业贴现
- AI -Juicy Part
首先给您解释一下所有这些 "infinite-craft style" ai 游戏的工作方式：玩家组合两个单词，LLM接受以下类似的促发指令：“当你把 X 和Y 组合在一起时会是什么？”这会被储存在数据库中，在将来使用X + Y时，它会从数据库读取结果，而不是生成新的。通过这个方法不仅可以节省 LLM 成本可以达到惊人的数字（这成本增长速度非常快，但能得到预期的效率），而且可以实现“首先发现机制”。
在我这里，我使用的是 Gemini-Flash-2.0-Lite，因为对于AI模型我并不需要太复杂的推理逻辑，因此我更为关注的AI模型的效率和减少 LLM 成本，而我更希望有一个能够给出既定的质量结果。通过这个方式来进行组合是完全有道理的，当然也有通过这个机制来决定决赛结果的。这与之前组合AI的逻辑非常相似，我同样可以问 LLM，“火和水是什么？”同样，我也可以问 LLM，“火和水谁会赢？”？
在图片生产方面，我使用的是Z-image turbo, 最近刚刚发布，我在个人表现中发现，它的速度很快，大约是 Nano Banana 的两到三倍，同样地是同一个级别的图像生成质量，至目前为止，我的三款喜爱的图像生成模型是 Z-image turbo、Nano Banana 和Flux Schnell。
对于艺术和音乐，我个人并没有将AI应用到所有的艺术中，只有在我想要的风格被AI达到的时候，我才使用 AI，对于UI元素和动画效果，我会使用 UNITY 内置的asset或是itch.io Artists的作品，并且大部分的UI元素是从unity store 和itch.io购买的（$10-20）我自己手绘了一些美术，当然这其中也包括了我的小霸王角色。当然UI会采用Unity SDK和它的内置功能。对于音乐，我请来了真正的音乐家，我不太喜欢任何生成的音乐，最后结果，尽管AI在开发和游戏中扮演了核心角色的地位，我仍然希望游戏能够感觉真实、情感投入且有深厚的历史沉积。
这就是一个关于 AI 开发和技术使用的故事，还有更多一些不完整的经验。
评论 (0)