寻找传统游戏的留白。
文/大田&托马斯之颅
前不久的2026光子游戏大赛上，喵吉托工作室的《喵呜岛》拿下了AI赛道的金奖。
两个月前采访喵吉托创始人李驰时，葡萄君还没想到它能有这样的完成度——喵吉托是国内较早All in AI原生游戏的团队，他们曾靠内部AI生成工具Meowa，赚到了创业三年来第一笔钱，但是一直没有商业成绩突出的游戏。
李驰告诉我，此前为了探索AI如何与游戏结合，他们做过二三十个原型，大部分被砍掉。
直到做出《喵呜岛》，他们终于能和传统游戏做出明显差异，同时让游戏好玩。
他的团队没有传统游戏研发背景，从一开始就在搭建AI Native的管线，尝试把更多工作交给AI。
他们甚至蒸馏了大约7000款评价过千的Steam游戏，做了一个策划Agent。李驰说，他们的游戏研发像大模型调参，人有了想法之后，从游戏框架到具体参数，都来自AI，哪怕团队未必能解释每个参数为什么这样设置……
这些动作在一些传统游戏策划听起来，可能有些太过激进。
但落到《喵呜岛》里，喵吉托在种田、钓鱼、开餐厅的生活模拟框架基础上，增加了拥有了记忆和自主行动能力的猫Agent，这带来了和传统游戏很不一样的体验——你真的会感觉到猫猫有生命。
01
让世界与玩家有关
不看AI部分，《喵呜岛》是一款非常典型的岛建生活模拟游戏：玩家种田、钓鱼，用收集到的资源开餐厅、提升技能、装饰岛屿，逐步把岛屿建设成型；将来游戏还会上线联机模式，玩家可以造访朋友的岛。
李驰把这些称作「老的一套」：如果没有AI，《喵呜岛》「肯定是个很普通的游戏。」但AI的加入，让岛上的关系、事件和表达方式都发生了变化。
基于自研的AI NPC引擎，《喵呜岛》把游戏中的几十种猫做成Agent。它们生活在岛上，与玩家对话，理解玩家的言行和所处环境，从而决定记住什么、想做什么，以及怎样回应。
「喜欢先完成小目标」这个信息，在多处出现
（左右滑动查看）
李驰举了个例子：玩家和猫聊天，说自己钓到了一条特别大的蓝鲸，猫不只会马上接一句夸赞，还会记住这件事，并可能把它变成目标——成为像主人一样、能钓到蓝鲸的钓鱼高手。
乍一看，你可能觉得，这是一款「能跟猫聊天」的游戏而已。但每只猫都有自己的技能，能够把目标落实为种田、钓鱼、做饭或建造等具体动作。
猫的技能面板
比如，我给菜地浇水时，猫看到了，会觉得我在帮忙，于是帮我做一顿饭；我在雨里独自钓鱼时，猫会到身边陪我；开了餐馆后，猫还会帮忙接待客人……
猫会吐槽没钓到鱼
中后期猫变多、技能等级提升后，还能看到一群猫忙前忙后的景象。
李驰称这种能力为「情商」：猫不只等玩家下指令，还会判断玩家在做什么、可能需要什么，甚至提前帮忙。
在他看来，这是AI和游戏结合中最重要的一点：玩家必须感受到世界「与我有关」；自己的行为会影响猫，它们也会自主行动，在互动中涌现出只属于玩家的故事。
猫猫互动场景（左右滑动查看）
因为语气太生硬被猫抱怨
在这些互动中，玩家的优先级很高。不过，我游玩时有时也觉得猫实在太多，整天被围着转，有些吃不消……李驰告诉我，为避免事件太密把玩家搞累，或太久没变化显得无聊，团队还研发了一个导演Agent，在幕后控制节奏。
猫想发起事件时，导演会根据玩家最近状态决定是否放行：若玩家刚经历一连串事件，系统就先缓一缓；若一段时间没发生有意思的事，导演就让合适的猫出来制造一点变化。
AI在这里的意义，不只是让团队少写行为树，更重要的是，开发者给AI定下基本规则后，它能在未被明确设计的场景里自行判断，从而为玩家创造涌现体验。
AI在《喵呜岛》中的另一个作用，是赋予玩家创造能力——通过领养猫猫、升级岛屿等动作，玩家能获得「许愿」机会。
看到对话框你应该能明白，所谓许愿，是玩家给系统发一段提示词，让它生成一个家具资产。
葡萄君许愿的自动写稿机和金葡萄奖杯
但这种自由一旦放得太开，也可能会挫伤模拟经营最基本的目标感。
《喵呜岛》的设计，是增加普通家具和资源奖励，维持传统的升级解锁循环，同时让AI生成作为高投入、高回报的奖励。
李驰把这套互动框架比作一台永动机。传统游戏需要持续追加内容，才能给玩家带来新的体验；而在《喵呜岛》里，猫的记忆、行为和事件变化，加上AI生成的家具，如果这套框架能够搭建起来，可以源源不断创造出新的体验。
在喵吉托的规划里，游戏接下来还会上架岛屿排行榜「猫猫点评」，玩家和AI猫猫都可以在上面给岛屿打分、写评论、互动和聊天。
假以时日，他们还希望玩家会在游戏中收获幸福、寄托感情，和这些数字生命建立起连接；AI之间也会建立起友谊、竞争之类的复杂关系，乃至发展出一个线上社会。
这些愿景离落地或许还有一些距离，但葡萄君最近和李驰聊了聊，感受到了他们在AI游戏开发这件事上的执着：比如《喵呜岛》的点子3年前就有了，他们一直在为之准备；他们从一开始就使用AI Native管线，并且相信游戏开发已经进入大模型时代……以下是经整理的采访内容。
02
不要用AI挑战
传统游戏的成熟领域
葡萄君：《喵呜岛》的点子是怎么来的？
李驰：2023年斯坦福小镇火起来后，我们基于字节内部的体素沙盒项目做过一个AI小镇。
我们把30多名字节员工做成Agent放进去，测试下来挺有梗、挺好玩的。两个Agent会从陌生到成为朋友，甚至恋爱、分手、吵架。因为Agent带着同事的身份，大家会每天去看自己的Agent怎么样了，有点像数字分身。
斯坦福小镇，25个AI智能体生活了2天
我们还汇报给了字节领导层，他们也觉得这个项目很有意思。
葡萄君：那它为什么没有在字节孵化出来？
李驰：这个项目的目标，是验证涌现能不能成立，在这一点上它是成功的。但它最大的问题是无法商业化。
这些内容只有实时发生，玩家才会觉得有意思，但是依靠当时的AI能力，实时推理每轮都要等上5到10秒；一大批Agent反复调用，成本也很高。
更重要的是，技术能跑起来，只说明第一步成立，最后还是要看玩家能不能持续获得有趣体验。
有趣的涌现不会一直高密度出现，玩家可能等很久才碰到一次真正的惊喜。完全靠AI自主行动，有时产生的东西没那么有趣。
我是技术出身，当时对游戏理解不深，解决不了这个问题，项目就一直搁置了。
葡萄君：到什么时候，你觉得可以重新做这件事了？
李驰：在2025年下半年，AI成本比2023年下降了大概100倍，我们估计做一个游玩时长20小时的游戏，可能只需要几千万Token，就是几块钱；等到游戏上线的时候，成本会更低。
Agent能力也有了明显提升。Coding Agent在理解任务、执行指令这些事上已经有了明显突破。相比代码生成，我们做的是游戏里的Agent，对智能的要求未必更高，所以我们判断有机会胜任。
另外，Gemini的Nano Banana生图模型也在这一年面世，AI在图像生成能力上有了非常大的突破，实时生成品质对游戏来说可用了。
在这些技术门槛先后得到了突破后，我们认为是时候让Agent变得更好玩了。
葡萄君：怎么实现好玩呢？
李驰：到那个阶段，我有了一个初步判断：AI游戏更适合面向愿意表达的玩家，他们愿意把自己的想法放进游戏里。
葡萄君：这类玩家喜欢打字、对话这样的交互。
李驰：对。我们之前也做过一个《言灵计划》，来尝试表达的乐趣。我们得到了很割裂的信号：玩家会上传自己家的猫狗照片，生成一个「宝可梦」，战斗时还会继续玩猫相关的梗；但没有表达欲的人，可能完全感受不到这里面的乐趣。
《言灵计划》
葡萄君：市场没有想象中大。
李驰：至少在我们当时的国内测试里，愿意主动表达的玩家还是比较少，可能都不到10%。
再加上当时图片生成效果还比较一般，抠图不干净，只能生成静态图；团队当时做游戏的能力不够成熟，即使是愿意表达的用户，也未必愿意为产品买单。所以《言灵计划》没有继续往下推。
后来我们一边积累做游戏的经验，一边继续找AI最适合承载哪种乐趣。
我们大约做过二三十个各种方向的游戏原型代码，其中包括文字冒险、跑团等，大部分最后都砍掉了。现在能被外界看到的，要么拿过奖，要么是内部测试相对成立、我们希望获得外部反馈的产品。
葡萄君：这么多？你们还尝试过什么方向？
李驰：我们做过一个AI恐怖游戏，它参考了《直到黎明》的思路：最开始会有一只小宠物和玩家聊天，问他的朋友、爱好和经历，本质上是在收集他喜欢什么、讨厌什么。
《直到黎明》
游戏会在这个过程里，了解玩家真正害怕什么，比如蜘蛛、狼人或其他恐惧点，再针对玩家最害怕的那个点，做千人千面的恐怖体验。
葡萄君：听上去，玩家很容易在问答阶段流失。
李驰：是的，问题不仅如此。
这个方向技术上可以做，能实现个性化，但个性化不等于体验就成立。我们后来觉得，恐怖游戏确实有机会和AI结合，但要做好特别难。我们当时也不具备做3D的能力，只能做2D恐怖体验，还是依赖文字和剧情，AI能参与的空间有限。
葡萄君：为什么参与空间会受限？
李驰：更明显的例子是《圆圆滚滚大农场》。它类似于《堆叠大陆》加上一些《幸运房东》的要素，做到一半的时候，我们发现项目很难和AI结合——我们尝试让AI改变卡牌外形，另外让它在技能和属性上有些变化，但数值怎么都调不好。游戏最终完成了，但AI玩法都砍掉了。
它给了我一个很明确的信息：绝对不要用AI去挑战游戏行业已经很成熟的领域，比如数值、策略和精细的系统架构，应该去挑战传统游戏没有涉及的、空间更大的领域。
葡萄君：最后是怎么回到了现在的方向的？
李驰：到2025年，像《心动小镇》这些以表达为核心乐趣的游戏，做得都还可以，我们也感觉到这部分人群和消费需求在增长，市场可能在往我们期待的方向走，所以决定做一款表达向的游戏。
《心动小镇》
我们考虑过传统游戏中适合表达的类型，比如文字游戏、跑团，它们有明确受众，但市场太小了，上限很低；还有换装和岛建玩法，它们留了下来。我们更想做一种有跑团式涌现、但也有画面和主轴的游戏：玩家不是单纯观察世界变化，而是始终有事情可做。
最后，这就成了《喵呜岛》的两个方向：表达，以及涌现。
03
游戏进入大模型时代
葡萄君：听上去，你们一直在摸索AI应用方面的事情，传统的游戏开发经验并不多？
李驰：确实，我们都没有传统游戏研发背景。我在字节时和游戏团队合作过，没自己吃过猪肉，只看过猪跑；我业余开发过一些Game Jam级别的小游戏，但没有正经开发、上线过一款完整的Steam游戏。
葡萄君：你们会担心自己的经验不够丰富吗？怎么解决这个问题？
李驰：传统策划玩过很多游戏后，会在脑中形成一套模型，知道某种体验为什么好、某个系统为什么不好。我们想把这些经验从个人大脑里外化出来，变成团队可以持续使用和修正的资产。
葡萄君：「外化」听起来很抽象……
李驰：具体来说，我们整理了大量评价过千的Steam游戏，差不多7000款。
我们从论坛、Wiki和社区收集它们的玩法、核心循环、系统模块和玩家反馈，经过清洗后沉淀到内部知识库。这个知识库还能从「好玩」或「不好玩」继续往下映射，看看究竟是系统架构、数值，还是其他设计因素造成的。
有了这个知识库，再结合AI，我们以后开发任何游戏、验证任何玩法的时候，不仅可以知道某款游戏口碑如何，还能分析哪些部分值得借鉴、哪些问题可能再次出现。
葡萄君：会不会担心这有一点纸上谈兵？
李驰：当然，如果直接找通用模型验证想法，很难得到足够精确的结果，有些回答看起来合理，实际可能是臆想出来的。
所以我们的思路很明确，就是把开发游戏当成训模型，我们的每个游戏都是一个神经网络模型，我们定义好一个架构，然后调参。这个架构本质上来自我们的知识库，至少在我们不熟悉的领域，我们不会从零到一去建一个新的架构。
我们设计游戏的时候，会先去找相关的游戏，看它们的架构是什么样子，然后比较A、B、C几套架构。我们会把几款游戏中做得好的部分融合起来，同时规避它们设计上的限制，最终得到一个架构。AI比较擅长分析和融合已有架构，可以帮助我们识别这些限制。
葡萄君：可以举个例子吗？
李驰：比如我们想设计一个每日刷新商品的商店，可能就会在知识库提问：其他游戏是怎么做的？他们为什么会这么设计？设计的细节是什么？更新频率是什么样的？商店会有多少个模块是可以每日更新的？
葡萄君：那人会做些什么呢？
李驰：在设计架构上，AI不擅长从零到一，人才是发起者。需要人先有架构设计的动机，提出几条可能的路径，再由AI分析这些路径的可行性、好处和坏处，以及历史上其他游戏怎么处理类似问题。最后选哪条路径、怎么组合，仍然由人决定。
第二步就是调参。调参的过程中，我们会不断参考知识库里其他游戏的参数，架构也会或多或少地微调，但大的模块基本已经定型了。
葡萄君：你跟传统策划聊过这套方法吗？
李驰：聊过。我接触到的不少传统策划会觉得它很新、很反传统。他们希望在最开始就把架构设计清楚，能解释每个参数背后的理念。
葡萄君：你怎么理解两种工作模式的差异？
李驰：这可能是游戏的历史发展规律。早期游戏系统比较简单，一个人可以完整想清楚；做游戏的时候，绝大多数传统游戏的策划，需要很清楚架构中的每一个参数，理解这些设计背后的理念和原因。
但现在系统越来越多，只靠一个人或几个人，很难在最开始规划全部细节——现在游戏进入大模型时代了，大模型就是黑箱，要不断地调参、迭代和试错，找到最优解，很有可能一个最优解的参数，你自己也不知道为什么这么设置。
葡萄君：但是纯数据或许会掩盖产品本身的实际情况。
李驰：当然不能只看数据。AI做的更多是帮你收敛参数的范围，然后你再人工体验，凭主观感受做出最终的决定。
葡萄君：那知识库里的数据本身不准怎么办？
李驰：所以数据清洗非常重要，你一定要自己去玩，然后校正。比如有玩家说某个游戏「系统太垃圾，数值炸」，但如果你玩过，知道它的数值设计实际很好，就可以判定这是一条脏数据。
葡萄君：那负责数据清洗的人，需要自己玩过这全部的7000款游戏吗？
李驰：这件事需要持续做。我们会给数据划分置信度和权重。被打了高置信度的信息，我们会给它高权重，优先依赖这些数据，帮助缩小探索的区间，这是第一轮分析；
低置信度信息会放到后面的分析里再参考，因为第二轮分析的时候，还有很多细节要微调，需要人工确认。
葡萄君：这些人工校准由谁来做？
李驰：我们的一位游戏策划是中传游戏设计系毕业的，各个品类的游戏他都有涉猎，我们拿不准的设计问题，会去听听他的想法，再做交叉验证。
葡萄君：这倒像传统的策划流程了。
李驰：差不多。我们和传统策划最大的区别，主要在验证环节。
传统策划有了一个想法，可能会先去玩同品类游戏，把信息积累在脑子里，写方案，和制作人讨论，最后再得出结论。我们则会先和策划Agent沟通，从知识库里找相关游戏和案例，用这部分工作替代大量前期的试玩和搜索。
这样效率会更高，尤其是现在要玩的游戏越来越多，时间成本很高。相应的代价，是你对某一款游戏的感知未必那么具体，更多获得的是偏数据层面的判断。
04
AI Native的研发管线
葡萄君：在策划方面，你们很信任AI，那在制作方面呢？
李驰：我们希望尽可能搭一套AI Native的研发管线。现在有时也会先把管线搭出来，再往下做产品。
Meowa里的美术管线就是其中一部分。我们做像素版《喵呜岛》时，里面的资产基本都是通过这套管线生成的。
早期像素版《喵呜岛》
一开始，AI管线还不成熟，需要人把流程走通，有了从0到1的完整路径以后，再看哪些断点能用AI解决。
目前提方案、设定原则等前期部分还需要大量人来做，中间大部分环节可以交给AI，最后的验收也仍然需要人。
葡萄君：聊聊更具体的环节吧，比如在美术方面，很多人会认为AI没办法理解那些主观感受上的东西。
李驰：我觉得AI和人的理解路径不一样。它能画出不错的东西，但结果和训练数据有很大关系；你还要知道怎样用提示词激活它效果最好的一面。
核心不是把它当成一个真实的美术去聊，而是先理解它背后的原理，用它更容易理解的方式去表达要求。
我对AI美术的长期能力还是乐观的，现在AI影视已经很火了。但前提是使用AI的人自己也要有足够好的审美，能判断结果好不好，并把这个判断传递给它。
葡萄君：那你们会如何让程序工作和AI结合？
李驰：程序这块其实比较简单，核心就是用当前能力最强的模型。
我们没有在程序上搭太多额外的东西，主要是写了很多AGENTS.md文档，去规范这些Agent在项目里应该怎么做事：比如开发要尽可能简洁，非必要不引入新变量；游戏里有哪些具体模块、应该遵守什么规范。
这样Agent在开发时，会尽量按照已有的模块和边界来做，避免不同模块之间互相缠绕。
我们没有搭特别复杂的固定管线，因为模型迭代很快，基于当前模型设计的一套流程，到下一代模型上可能就没有意义了。把项目自身的规范和边界沉淀下来，比绑定某一代模型更有价值。
葡萄君：那不同工种之间，现在怎么协作？
李驰：以前协作主要靠人开会，策划、程序得重复写文档。现在更多靠Agent：人先和策划Agent聊清楚需求，后者会把文档写出来，且写得更完整、也更符合下游需要，随后便可以直接交给开发Agent执行。
葡萄君：这中间不需要人参加吗？
李驰：要有人审核，因为Agent永远会犯错。人需要确认需求、限制条件和想实现的效果有没有问题；开发完成后，也要有人验收。人的职责从自己写文档、反复开会同步，变成更多地审核文档、监控Agent，并为结果负责。
葡萄君：既然还要人审，效率主要省在哪里？
李驰：2023年、2024年，大量工作还是靠和人沟通；到2025年，很多需求已经可以直接和Agent沟通，而且反馈很快。以前半夜突然想到一个点子，不可能要求同事立刻交付；Agent可以马上验证，做出来不合适也可以放弃，不会消耗同事的时间。
从制作人的角度看，这种方式效率很高。尤其在游戏早期，它很适合让一个人先把整条流程跑通。
葡萄君：还有其他的优势吗？
李驰：我们会给每个需求留底：前面有需求文档，开发完成后有交付文档，中间发生过哪些决策变化、花了多久、改了几次需求、遇到什么问题，最后成功还是没解决、没解决的原因是什么，都会记录下来。以后再遇到类似需求，就可以拿过去的案例做参考，比如之前类似的需求两天能做完，下一次也可以以两天为基准。
现在很多文档可以由AI来写和维护，这些记录会进入知识库，我觉得它们在AI时代很重要，留底本身就能为未来带来增益。
葡萄君：这套能力最后会只服务于你们自己的游戏吗？
李驰：长期来看，我们想做的不只是游戏或工具，而是想把它们整合起来，做一个「AI游戏的Steam」，一方面提供创作工具，一方面和其中的优质开发者合作。
所有游戏平台都需要第一方游戏，所以我们自己也会持续做游戏，既能打磨工具，又能压缩开发周期。《喵呜岛》现在还需要一年左右，下一款我们希望做到三个月。再往后，如果能做到一个人一个月做一款游戏，就可以更快地推出很多游戏。
现在团队里想做的东西很多，To-Do List上可能已经有几十款游戏，问题是开发效率跟不上想法。未来，我们希望借助AI达到这种状态：每个人都很全能，各自做自己的游戏，持续产出一些有意思的小作品。我们希望AI能帮助团队达到这样的速度。
葡萄君：这会不会太激进了？
李驰：平台不一定要一开始就挑战Steam，但至少应该足够有特色，让玩家能体验到其他地方不容易见到的游戏。这件事长期肯定要做，我们会慢慢做起来。
至于我们算不算跑得比较远、比较激进，其实也不确定。我们聊过很多AI创业者，大家都在用不同的方法做这件事。