腾讯云AI游戏大赛观察：通用Agent如何让叙事游戏迎来春天

近日，腾讯云举办的AI游戏大赛华东赛区落下帷幕。作为AI赛道的客串评委，笔者在现场逛完一圈后有个强烈的感受：在通用AI Agent工具的加持下，小体量叙事游戏（AVG/视觉小说类）的创作门槛正在被急剧拉低，叙事游戏或许真的迎来了属于自己的春天。

一场千人规模的AI游戏创作实验

本次华东赛区的线下录影日汇聚了1000多名选手，共产生200多个作品，经过层层筛选，最终有18个作品进入线下环节。规模不小，且作品质量出乎意料。

一个核心的观察是：借助WorkBody这类通用Agent工具来做游戏，在细分赛道上并不会输给所谓的专业AI游戏编辑器。这里有必要解释一下两者的区别——专业AI游戏编辑器通常是针对游戏开发场景预设了特定功能模块（如角色生成、场景编排等）的垂直工具，而通用Agent则是基于大语言模型构建的、能够通过自然语言指令灵活适配各类任务的智能体系统，它具备规划、记忆、工具调用和自我纠错等核心能力，不受限于特定应用场景。换句话说，专业垂类工具的护城河，正在被通用型智能体逐渐侵蚀。这对于没有编程背景的创作者而言，是一个关键的信号——他们终于有了低成本创造完整游戏世界的机会。

下面重点拆解两个让笔者印象最深刻的作品，看看AI究竟在其中扮演了怎样的角色。

案例一：《Anthimular》——AI承包整套配音工作流

第一个作品来自上海电影学院的同学，名为《Anthimular》。这是一款带有推理元素的视觉文字推理游戏。

世界观与叙事设定

游戏采用近现代世界观：在这个设定里，人类已经可以介入他人的意识。主角是某公司的一名员工，在一次治疗过程中进入女主的意识，却意外发现女主竟然认识自己，而他对女主毫无印象。由此，一场探寻背后真相的悬疑故事展开。

技术实现：自建Ren'Py Workflow

技术上，团队选用了来自GitHub的开源项目「人派」（Ren'Py方向的开源方案）作为基础。Ren'Py是视觉小说开发领域的事实标准引擎，基于Python构建，自2004年发布以来已被广泛使用，知名作品《心跳文学部》（Doki Doki Literature Club!）就是用它开发的。Ren'Py的优势在于使用接近自然语言的脚本语法来编写对话和分支剧情，但当涉及复杂的条件判断、变量管理和自定义UI时，仍需一定的编程基础。由于该开源项目本身的知识库储备有限，不像主流代码那样有丰富的参考资料，团队干脆自己搭建了一套基于Ren'Py的AI Workflow。

最让人惊讶的是配音环节。传统游戏配音流程通常涉及编写配音脚本、联系声优、录音棚录制、后期剪辑处理等多个环节，成本高昂且周期漫长，对于小团队而言往往是不可承受之重。而近年来AI语音合成技术经历了质的飞跃——以VALL-E、GPT-SoVITS等为代表的新一代模型，可以通过少量样本克隆说话人音色，并在语调、节奏、情感表达上实现高度自然的效果。团队成员透露，《Anthimular》整款游戏的配音完全由WorkBody包办：WorkBody会自主检查哪些配音尚未完成，主动调用已经写好的本地化配音模型，最后把对应的代码直接写入游戏脚本。不仅如此，它还会把已处理的音频文件总结成文档，避免后续重复劳动。

这已经不是简单的「AI辅助生成」，而是AI在一个完整的生产管线中充当了具备记忆和规划能力的执行者角色。它能够感知当前项目的状态（哪些配音完成了、哪些没有），制定执行计划（调用哪个模型、写入哪个脚本），并在执行后进行记录和总结以防止重复工作——这正是AI Agent区别于传统AI工具的核心特征。

案例二：《白昼王冠与夜鸭密令》——非计算机专业的破局之道

第二个作品来自复旦大学，名为《白昼王冠与夜鸭密令》，是一款历史类题材的叙事游戏，核心机制围绕事件检测展开。

用自然语言指挥AI写代码

这个团队的特别之处在于，两名队员都不是计算机专业出身。他们的诉求很直接：想讲好一个故事，但需要一个精准、简单又有效的实现方法。

于是，游戏中的事件接入、API调用、结局判定，全都由WorkBody协助完成。主要使用方式就是通过自然语言描述功能需求，让WorkBody直接在文件里修改代码。对于没有代码背景的创作者，这几乎是最理想的协作范式——创作者只需要清楚地知道「我要什么」，而不需要知道「怎么实现」。

关键技巧：拆解任务，逐步指挥

有同学分享了使用WorkBody的实战心得，非常值得借鉴：不要一上来就对AI说「帮我做一个完整的AVG游戏」。正确的做法是先让WorkBody把游戏拆成一个个系统，再把系统拆成界面、按钮和具体操作，然后一步步指挥它逐一完成。

这套「分而治之」的方法论，本质上和软件工程的模块化思想一脉相承。模块化设计的核心理念是将复杂系统分解为相互独立、职责单一的模块，每个模块可以独立开发、测试和维护。在与AI Agent协作时，这一原则尤为关键：当前大语言模型的注意力窗口和推理能力仍然有限，面对过于庞大或模糊的任务指令时容易产生幻觉或遗漏关键细节。业界已经逐渐形成共识——与AI协作的最佳实践是将任务控制在「原子级」粒度，每次只让AI完成一个边界清晰、结果可验证的小任务，形成「人类规划—AI执行—人类审核」的高效迭代循环。任务颗粒度越细，AI的执行成功率就越高。

叙事游戏为何在AI游戏大赛中占据优势

逛完一圈，笔者的判断是：叙事类（视觉小说/AVG）游戏在这类AI游戏大赛中拥有显著优势。

无论是《Anthimular》这种带悬疑色彩的故事，还是历史类题材的作品，它们的共同点是以文本和叙事为核心，对实时交互、物理引擎、复杂逻辑的要求相对较低。这恰好是当前AI最擅长的领域——文本生成、剧情编排、结局分支判定。相比之下，动作游戏需要精确的物理碰撞检测和帧级别的操作响应，策略游戏需要复杂的数值平衡和AI对手设计，这些领域当前的AI工具链还远未成熟。叙事游戏的技术需求与AI能力的高度匹配，使其成为AI辅助开发的最佳切入点。更重要的是，它让没有coding背景的同学也拥有了创造一个完整世界的能力。

不可忽视的短板

当然，优势的另一面是明显的缺陷。这类作品中，不少对白充斥着典型的「AI味」——文本过于工整、缺乏个性和打磨。所谓「AI味」，具体表现为：句式结构高度雷同、用词倾向于四字成语和文学化表达、缺少口语化的语气词和不规则断句、角色之间的说话风格难以区分。AI生成文本的低成本，反而容易让主创失去精雕细琢的耐心；而对玩家来说，一旦察觉到大量未经打磨的AI文本，信任度和阅读耐心都会迅速流失。

换句话说，AI降低了「做出来」的门槛，但「做得好」依然需要创作者的审美和耐心。工具解放了生产力，却无法替代品味。

通用Agent正在解放游戏创造力

每年都有人说「独立游戏大年」，每年都说「Steam要火」，但今年似乎真的有些不一样。

本质原因在于：需求侧越来越分散。全球独立游戏市场近年来呈现出显著的「长尾化」趋势——据Steam平台数据，近年来每年新上架游戏数量持续攀升，但头部作品的市场集中度却在下降。这意味着玩家群体正在加速分化，小众题材——如心理恐怖、历史考据、文化探索、个人叙事——拥有了越来越大的生存空间。itch.io等平台上大量实验性叙事作品的涌现，也证明玩家对「个人表达式」游戏的接受度正在提升。

而在WorkBody这类通用Agent工具的加持下，创作者的创造力得到了前所未有的释放——一个人或一个小团队，就能完成过去需要专业分工才能实现的配音、编程、事件系统。供给侧的效率革命与需求侧的分散化形成了完美的匹配：不再需要大团队才能服务小众市场，一两个有想法的创作者就能将自己独特的故事变成可交互的游戏体验。

当创作的技术壁垒不再是主要障碍，真正的竞争将回归到内容本身：谁的故事更动人，谁的世界观更完整，谁愿意在AI生成的初稿之上多花一分打磨的功夫。从这个意义上说，小体量叙事游戏的春天，或许真的要来了。