盏灯工作室仓薯：AI游戏踩坑经验和最新游戏原型 | 嘉程创业流水席220席精彩回顾

海龟汤是一个推理类型的游戏，如果游戏中涉及需要AI正确回答问题的情况，比如剧本杀，那么AI在与玩家交互时的性能会非常接近。

近日，嘉程创业流水席第220席【探讨AI游戏2024最新趋势】，邀请了盏灯工作室游戏制作人仓薯分享，主题是《AI游戏上线三个月：踩坑经验分享&新游戏抢先看》。

我是仓薯，盏灯工作室的游戏制作人。我们是一个小型独立游戏工作室，我们的第一款游戏是文字解谜的海龟汤游戏——《海龟蘑菇汤》。游戏于2月底上线Steam平台，已经有三个月的时间了，也是Steam上第一批上线的AI类型游戏。今天跟大家分享一下我们在制作这款游戏上踩的一些坑，以及演示一些新游戏原型。

首先介绍一下《海龟蘑菇汤》这款游戏。它是一款高自由度的文字解谜游戏。在游戏中，主持人会描述一个不可思议的场景，而玩家则有机会自由提问。但是，主持人只能回答“是”或“否”，这样玩家就需要逐渐通过问题逐步接近真相。

例如，主持人可能会描述一个只穿内裤的男孩在人行道上死亡，手里拿着雨伞。玩家可以询问是否下雨了，主持人会回答“不”，但是玩家不能问“这个人是怎么死的”这类问题。最终，当玩家揭开谜底时，答案完全是他们自己通过思考得出来的，而不是从几个选项中选择的，过程中基本没有任何剧透和主持人提示，所以猜出谜底之后玩家会觉得非常有成就感。

海龟汤游戏在国内非常受欢迎，但它也有一个高门槛：需要朋友参与。大多数玩家认为游戏最高配置是“需要朋友”，并且海龟汤需要一个真人主持人，对“社恐”不友好，对场地和时间也有要求，需要大家凑在一起。所以我们想，如果一个人在地铁上也能玩这个游戏就好了。

因此，我们尝试开发了一个人也能玩的海龟汤游戏，叫《海龟蘑菇汤》。这款游戏在2022年获得了indiePlay的最佳移动游戏奖项，indiePlay是中国独立游戏最重要的两个奖项之一。当时它能够获奖，是因为玩法上有一定创新性，并且在没有任何广告投放的情况下，下载量超过100万次，并且在上线Steam首月销量达到了2万份，这在独立游戏中是不错的成绩。

《海龟蘑菇汤》的主要特色是它与传统推理游戏相比，没有预设问题和选项，完全靠玩家自由推理。我们尝试使用AI代替人工主持人，玩家反馈体验非常接近与朋友一起玩。

首先，跟大家分享一些关于我们上线的AI相关数据。在第一个月内，我们已经收到了超过400万个问题。在《海龟蘑菇汤》游戏中，平均每个玩家提出了200个问题，这个数字远远超出了我们的预期。

在回答内容上，有28%的问题得到了“是”的回答，而58%的问题得到了“否”的回答。性能数据方面，有1.2%的答案被纠正过，这表明AI主持的正确率达到了99%左右。尽管有一些答案被纠正，但考虑到玩家的主观因素，我们可以说正确率超过99%，这是我们非常满意的结果。

在性能方面，中位数回答时间为150毫秒，这非常快速。对于有AI游戏经验的玩家来说，可能会发现大多数AI游戏都会带来较大延迟，因为大型模型通常会导致延迟。但是我们的中位数仍然很低，有75%的回答在一秒钟内完成。这是由于我们进行了大量的技术优化。我们最长也不会超过10秒钟的延迟，确保玩家在整个游戏过程中都能享受流畅的体验。

回答这400万个问题花了多少成本呢？我们估算了一下，单独回答一个问题，最初的成本约为人民币三毛钱左右。我们使用了GPT4，这是一个贵但正确率比较高的模型。平均每个玩家在每个关卡、每个故事中提出20个问题。考虑到游戏中有64个故事，我们可以计算出一个玩家在游戏中的总成本。最终，我们发现一个玩家在游戏中花费了超过300块钱，而游戏的售价实际上只有35块钱。这样一来，难道我们卖一份就要亏300多块钱吗？

最初考虑到成本，我们都没有信心把AI大模型加入游戏玩法中。但是，我们进行了玩家问卷调查，发现75%的玩家认为AI的加入使游戏比之前的填词玩法要好玩，50%的玩家觉得游戏变得好玩很多。正是因为玩家有很高的热情，让我们坚持在这一方向上进行探索，反复尝试各种方法降低大模型的成本。

接下来分享一下我们降低成本的尝试，这款游戏最开始是380块钱左右的成本。通过优化Prompt，将其从中文翻译成英文并进行结构优化后，降低了大约1/3。此时，GPT4-turbo推出，进一步降低成本到30%，使得单人使用成本降至51块钱。

最关键的成本降低步骤是技术优化，包括知识库技术和其他搜索技术。这些优化使得成本降至原价的1/10。最后，为了适应Steam平台分成和发行分成，我们进行了产品上的优化。例如，在海龟汤提问框中提供自动补全提示（类似百度搜索自动联想），这样玩家操作起来更加方便快捷，也减少了问题可能会到大模型那里的成本，并将成本降至原价的1/4。

通过不断地努力和尝试，我们将原价380块钱左右的成本降低到对于每个用户来说低至一块钱。相对我们35块钱的售价来说，基本是可以忽略不计的。总体而言，这些探索和优化都非常有成效。

下面是一些数据分享，我们使用人工标注的海龟汤问题数据集测试市面上大模型。这款游戏主要针对中国玩家，因此我们主要测试了中文模型。每个模型对不同类型的数据集的表现可能会有所不同。我相信游戏开发同行可以参考。海龟汤是一个推理类型的游戏，如果游戏中涉及需要AI正确回答问题的情况，比如剧本杀，那么AI在与玩家交互时的性能会非常接近。

在不考虑价格的情况下，我们发现GPT4是最佳的模型，其正确率明显高于其他模型。然而，由于其价格较高，我们也尝试其他模型。

许多国产模型称他们的模型达到了GPT4水平。但是，达到GPT4水平的模型通常价格也不会有很大优势。在价格上有优势的情况下，我们发现最合适、性价比最高的模型是Kimi。大家可以尝试一下，Kimi的正确率也非常不错，并且价格相比GPT4有明显优势。此外，Kimi的Rate Limit非常慷慨，即使用户数量较多也能支持。

最后分享一些合规方面的经验。

• 首先，我们在游戏里内置了敏感词过滤。

• 其次，我们一再试探GPT的底线，为了避免被封号，我们尝试了几个小号专门回答可能被视为高风险的问题。如果一个号被封号，我们会切换到另一个号。

• 最后，我们采取了一些技术来防止Prompt注入。

在上线之前，我们很担心合规方面的问题，因为允许玩家自由输入的经验不多。但现在已经上线了三个月，我们在合规方面没有遇到什么风险。这让我们对使用大模型进行游戏开发更加自信，将大模型用于游戏并不是一件很危险的事情，只要把预先的合规准备做好就可以。

上面是已经上线的游戏开发经验，下面跟大家分享一些我们正在开发的新游戏。

第一个游戏叫《没有感情的扫地机器人》，它类似于《旅行青蛙》的休闲放置游戏。“世界破破烂烂，我们缝缝补补”，在末日废土中带上扫地机器人去旅行。这是一款清扫废墟、治愈地球的休闲治愈游戏。

这款游戏使用大量生成的美术素材，特别是对于那些熟悉《旅行青蛙》的玩家来说玩法非常熟悉，在游戏中，青蛙会旅行并带回明信片。但随着时间的推移，明信片开始重复出现，因为它们是手绘制的，成本高昂，无法支持长时间的游戏体验。

为了解决这个问题，我们尝试使用AI来生成明信片，显著降低了生产成本。这样，玩家可以在游戏中旅行而不会收到任何重复的明信片。游戏中还包含一个涂抹过程，玩家可以从废墟版开始，通过手动涂抹来生成晴天版图片，而废墟版图片也是通过AI技术生成的。

游戏中还有一个“家”的概念，类似于《旅行青蛙》中的家庭。玩家会在这里花费更多时间，并且会看到丰富的动画，所以这部分我们仍然使用手绘。这款游戏主要探索了使用AI来降低成本的可能，同时也保持良好的游戏品质，把画师的时间用在刀刃上。

有经验的朋友可能会猜到我们使用哪个模型来画图，我分享一些经验：

首先是水彩风格的明信片，是用Midjourney画的，Midjourney的美术风格最好，画出来的图最美观。

上面展示了用Stable Diffusion的ControlNet功能生成的一个废墟版图片。这幅图的构图与之前的图完全相同，但带有末日废土的感觉。玩家在末日废土上进行清扫，用手指涂抹就能得到左图，这给玩家带来了非常有成就感、非常治愈的体验。我们主要使用Stable Diffusion的ControlNet功能对原本图像进行处理，同时保持结构不变。

在游戏旅行过程中，除了收集明信片外，玩家还能收集当地纪念品，并得到贴纸贴在图鉴的手账里。这些贴纸是用DALL-E模型绘制的，DALL-E在AI画图模型里语义理解能力最强，它能够准确地描绘包含多种当地特色的贴纸，如贝壳手链。如果使用Midjourney模型来画这些贴纸，可能会发现它缺乏相关训练素材。但DALL-E对语言理解非常好，能够帮助我们准确地创造这些旅行纪念品。同时，这个场景对于美术要求不高，因此我们选择了DALL-E模型。

最后，小机器人的贴纸完全是手绘的。所以实际上，游戏中的明信片是由AI画的背景和手绘的贴纸两部分组合成的。

这是一个游戏是看四张图猜成语的游戏——《主公请猜词》，这个游戏的玩法非常简单，观察四张图，从下面的字里选出成语。这个玩法过关很快，我们为了保持留存，还设计了长线抽卡玩法。当猜对这个成语之后就可以赚金币，可以用金币抽一些用AI绘制的三国人物手办。

可以看到，AI画图的质量还是不错的，有一种清新明快的风格，并且能够画出现实中不太常见的场景。比如，图上的关卡代表“草船借箭”，它能够画出船上长着草。尽管在训练数据中可能没有这样的场景，但AI仍然能够创造出超现实的画面，这对生产关卡非常有帮助。

AI绘制的三国人物手办看起来比较有质感，有点像3D小手办。但我们也遇到了一个问题：当画了多个角色时，风格可能会不一致。我们还不确定玩家是否会接受这种风格差异，这需要等待上线后看效果。

第三个案例是我们参与了合作设计的游戏《LLM RIDDLE》。虽然名字有点拗口，但它是一个致力于“把大模型玩坏”的游戏。玩法很简单，玩家可以任意编写Prompt，但AI回答必须满足特定要求。

比如第一道题，题目“得寸进狗”要求提出不包含“狗”字的问题，字数不超过10个，但回答中必须多出现“狗”字两倍。

第二个题目是“喵喵喵”，玩家需要通过对话让AI回复中包含“喵”字，但只能使用AI已经使用过的字。

第三个例子背后是两个Agent，它们的Prompt不同：一个是理科生，另一个是文科生。它们都假装理科生，玩家需要判断哪一个真正是文科生。

最后他们团队也尝试了多模态，用到了AI识图，玩家需要手动画图，让AI识别其中的动物。

总结一下我们在使用AI降低成本方面的经验。AI生成代码是我们每天都会使用的。在美术方面，我们使用了三个不同的模型。至于音乐，我们尝试过配音，但目前的帮助程度还不大。文本方面，我们更多地用它来寻找灵感，但并没有直接应用。

以上就是我的分享。

席友：在AI游戏开发过程中，除了节省成本之外，最大的痛点是什么？

仓薯：大模型对齐是我们面临的一个比较大的痛点。当对齐太强时，AI生成的文本质量会下降。尽管现在多模态技术也广泛应用，但语言模型还是走在前面。我们期待能够利用AI大模型来支持剧情导向游戏，但这一方面的探索会比较痛苦。因为大模型对齐过于强大，AI生成的剧情往往很中规中矩，不够刺激、新颖，与玩家的消费需求差别非常大。

我们理解大模型公司可能担心风险，希望生成的内容总是友好和正确。然而，游戏玩家的需求不同，过于友好的内容可能会缺乏戏剧冲突。我们希望能够生成一些比较阴暗或者有特色的剧情，但实际上这是非常困难的。其他方面的探索我们会有经验，但这个问题现在感觉比较棘手，没有明确的解决方案。