1. 六小时做出一个能玩的Demo这件事到底难在哪先把结论摆在前面用AI在六小时内做出一个带剧本、美术、配音的游戏Demo技术上完全可行但它考验的不是你敲代码的速度而是你把一个模糊想法拆成可执行模块的能力。我前后用这套流程跑过三个不同题材的小Demo最快的一次从零到能跑通全流程只用了五个半小时最慢的一次卡了整整两天——差别不在工具而在于我有没有在动手之前把这个Demo到底要证明什么想清楚。很多人第一次尝试会掉进同一个坑打开AI对话窗口输入帮我做一个游戏然后期待它吐出一个完整项目。这就像走进一家餐厅说给我做点好吃的厨师只能随便炒一盘。AI编程工具再强它也需要你给出明确的输入输出定义、状态流转规则和资源清单。所谓六小时本质上是把传统开发里最耗时的三块——写剧本、画素材、录配音——外包给了AI而你自己负责的是架构设计和集成调试。这篇文章适合三类人看一是想快速验证游戏创意的独立开发者二是想了解AI工作流到底能落地到什么程度的从业者三是纯粹好奇AI做游戏是不是噱头的围观群众。我会把整个流程拆成可复现的步骤包括我踩过的坑、参数怎么调、哪些环节AI靠不住必须人工兜底。关键词里的AI游戏Demo、剧本生成、AI绘画、AI配音这几块我会逐一给出具体的操作路径和实测数据。需要提前说明的是下面提到的所有工具和平台我只讲能力边界和使用逻辑不涉及任何具体品牌的推荐或贬损。你完全可以用同类工具替换核心方法论是通用的。2. 把做个游戏翻译成AI能听懂的模块清单2.1 为什么必须先做模块拆解再动手我见过太多人一上来就让AI写代码结果生成了一堆互相不兼容的片段。游戏Demo和普通脚本最大的区别在于它是一个多模块协同的系统渲染层要显示画面逻辑层要处理输入和状态资源层要加载图片和音频数据层要存储剧情分支。这四个层如果不在动手前定义好接口后面集成时就是灾难。我的做法是先用半小时画一张模块依赖图不用很精细手写都行。图上标注清楚哪些模块由AI生成哪些模块需要我手动写胶水代码模块之间的数据格式是什么。比如剧本模块输出的是JSON格式的对话树美术模块输出的是PNG序列配音模块输出的是WAV文件那么游戏主循环就需要一个资源加载器来统一读取这些格式。提示模块拆解阶段不要碰任何AI工具就用纸笔或者白板。一旦打开AI对话你很容易被它的输出带偏最后做出来的东西和你最初想的不一样。2.2 六小时的时间预算怎么分配我把六小时切成五块每块都有明确的交付物和验收标准。这个分配是我跑了三次之后调出来的第一次做的时候剧本花了太久导致后面配音环节只剩四十分钟效果很差。阶段时间预算交付物验收标准模块拆解与架构设计30分钟模块依赖图、数据格式定义能说清每个模块的输入输出剧本与对话树生成60分钟JSON格式的剧情分支文件至少3个分支、5个结局节点美术资源生成90分钟角色立绘、场景背景、UI元素风格统一、尺寸符合引擎要求配音与音效生成60分钟角色语音WAV、环境音语速自然、无爆音集成调试与打包120分钟可运行的Demo能完整走通一条剧情线注意最后集成调试留了两小时这是血泪教训。AI生成的资源在格式上经常有细微偏差比如图片的透明通道丢失、音频采样率不匹配这些都要在集成阶段修。2.3 选什么引擎决定了后面顺不顺引擎选型直接决定了AI生成资源的适配成本。我试过三个方向纯Web技术栈HTMLCanvas、轻量级游戏框架、以及完整的商业引擎。结论是如果你追求六小时出DemoWeb技术栈是最稳的因为AI对JavaScript和HTML的代码生成质量明显高于对特定引擎脚本语言的生成质量。具体来说用HTMLCanvasJavaScript的组合AI可以直接生成可运行的代码你复制到文件里就能跑。而如果用商业引擎AI生成的脚本往往需要你手动挂载到节点上还要处理引擎版本差异光调试就能吃掉一小时。当然如果你的Demo需要3D效果或者复杂物理那还是得用引擎但时间预算要相应放宽。我最终选定的技术栈是HTML负责页面结构Canvas负责渲染JavaScript负责游戏逻辑JSON负责剧情数据Web Audio API负责音频播放。这套组合的好处是零依赖、零安装浏览器打开就能玩分享给别人也方便。3. 剧本生成从一句话梗概到可执行对话树3.1 提示词的结构比内容更重要让AI写剧本最大的误区是把它当作家给它一个题材就让它自由发挥。正确的做法是把它当编剧助理你给它结构它填内容。我用的提示词模板包含五个部分世界观设定、角色档案、剧情节点数量、每个节点的分支数、输出格式要求。举个例子我要做一个悬疑题材的短Demo提示词是这样组织的先描述故事发生在一个封闭的列车车厢里然后定义三个角色侦探、乘客、列车员接着要求生成五个剧情节点每个节点提供两个选项最后强制要求输出为JSON格式字段包括节点ID、对话文本、选项数组、跳转目标。注意一定要在提示词里明确输出纯JSON不要任何解释性文字。否则AI会在JSON前后加一堆好的以下是我为你生成的剧本之类的废话你还得手动删。3.2 对话树的数据结构设计AI生成的剧本能不能直接用取决于你的数据结构设计得够不够清晰。我用的结构是一个扁平化的节点数组每个节点包含id、speaker、text、choices四个字段。choices是一个数组每个元素有label和next两个字段next指向下一个节点的id。这种结构的好处是AI容易理解生成出来的东西基本不用改。{ nodes: [ { id: start, speaker: 旁白, text: 列车在深夜驶入隧道灯光闪烁了一下。, choices: [ {label: 查看车厢, next: carriage}, {label: 询问列车员, next: conductor} ] }, { id: carriage, speaker: 侦探, text: 座位下面有一个被遗落的皮箱。, choices: [ {label: 打开皮箱, next: open_box}, {label: 叫列车员过来, next: call_conductor} ] } ] }这个结构我用了三次每次AI都能一次性生成可用的JSON最多就是某个节点的next指向了不存在的id手动补一下就行。3.3 让剧情有分支但不失控的技巧分支剧情最容易失控的地方是节点数量爆炸。如果你每个节点都给三个选项五个节点就是3的5次方243个结局AI根本生成不完。我的经验是控制有效分支的数量主线节点只给两个选项其中一个通向下一层另一个通向一个简短的支线然后回归主线。具体操作是在提示词里加一条约束每个节点的两个选项中只有一个会推进主线另一个是信息补充选择后回到当前节点或进入一个只有一段对话的支线节点。这样既保证了玩家的选择感又不会让剧情树无限膨胀。实测下来五个主线节点加三个支线节点总共八个节点AI生成时间大约两分钟JSON文件大小在4KB左右完全够一个Demo用。如果你想要更长的剧情建议分批次生成每次生成五个节点然后手动拼接这样比一次性生成二十个节点质量高得多。4. 美术资源风格一致性比单张质量更重要4.1 先定风格锚点再批量生成AI绘画最容易翻车的地方不是画得不好看而是每张图风格不统一。你生成的第一张角色立绘是厚涂风格第二张场景背景变成了扁平插画放在一起就像两个游戏拼起来的。解决方法是先花十分钟定一个风格锚点。我的做法是先用一段详细的风格描述生成一张基准图然后把这张图作为参考图在后续生成时都带上同样的风格描述词。风格描述词要具体到笔触、色调、光影方向。比如赛璐璐风格冷色调侧逆光线条清晰背景虚化就比动漫风格有效得多。提示把风格描述词固定成一个文本片段每次生成时直接粘贴不要凭记忆重新写。人脑记不住那么多细节重写一次就会偏一次。4.2 角色立绘的透明通道处理游戏里的角色立绘需要透明背景但AI绘画工具默认输出的是带背景的图片。我试过三种解决方案一是用提示词要求纯白背景然后用工具抠图二是直接要求透明背景PNG但很多工具不支持三是生成后手动处理。实测最稳的是第一种生成纯色背景我用的是纯白然后用一个简单的颜色阈值脚本批量抠图。这个脚本用Python写核心逻辑是遍历像素把接近白色的像素的alpha通道设为0。对于边缘有抗锯齿的图片可以加一个羽化处理避免边缘出现白边。from PIL import Image def remove_white_bg(input_path, output_path, threshold240): img Image.open(input_path).convert(RGBA) datas img.getdata() new_data [] for item in datas: if item[0] threshold and item[1] threshold and item[2] threshold: new_data.append((255, 255, 255, 0)) else: new_data.append(item) img.putdata(new_data) img.save(output_path, PNG)这个脚本处理一张图大约0.5秒十张图五秒搞定。注意threshold不要设太高否则角色身上的浅色部分会被误删。4.3 场景背景的尺寸与构图规范场景背景的尺寸要和你的Canvas画布匹配。我用的画布是1280x720所以背景图也生成这个比例。但AI绘画工具默认输出的是正方形直接拉伸会变形。解决方法是在提示词里明确指定宽高比比如16:9宽屏构图或者在生成后裁剪。构图方面背景图要留出角色站立的位置。我的做法是在提示词里加一句画面下方三分之一为地面上方为天空或建筑这样生成出来的背景天然就有角色站位。如果背景太满角色放上去会显得很挤。另外背景图不需要太高的分辨率1280x720就够了因为Demo阶段玩家不会放大看细节。高分辨率反而会增加加载时间影响Demo的流畅度。5. 配音合成让AI念台词不尴尬的调参方法5.1 文本预处理决定语音自然度AI配音工具直接念原始台词出来的效果往往很生硬因为书面语和口语的节奏不一样。我的做法是在合成之前先做一轮文本预处理把长句拆成短句在逗号处加短暂停顿标记把数字和英文转换成中文读法。比如他在2024年3月5日到达要改成他在二零二四年三月五日到达。标点符号也要调整句号换成更长的停顿逗号换成短停顿。很多配音工具支持SSML标记可以用break time300ms/来精确控制停顿。注意不同角色的台词要分开合成不要一次性把所有台词丢进去。因为每个角色的语速、音调参数不一样混在一起合成会导致音色混乱。5.2 语速与音调的参数区间我实测下来中文配音的语速在每分钟220到260字之间比较自然低于200字会显得拖沓高于280字会听不清。音调方面男性角色建议在-2到0之间女性角色在0到2之间旁白保持默认或者略微降低。这些参数不是绝对的要根据具体工具的音色库调整。我的做法是先用一句话做A/B测试生成三个不同参数的版本选最自然的那个然后把这个参数应用到该角色的所有台词。5.3 音频格式转换与批量处理配音工具输出的格式五花八门有MP3、WAV、OGG。Web Audio API对WAV支持最好所以我统一转成WAV。批量转换用ffmpeg一行命令搞定for f in *.mp3; do ffmpeg -i $f -ar 44100 -ac 1 ${f%.mp3}.wav; done采样率统一到44100Hz声道统一到单声道这样文件体积小加载快。注意转换后要检查一下有没有爆音特别是台词里有爆破音比如怕不的地方如果有爆音回去把配音工具的输出音量降低3到5分贝重新生成。6. 集成阶段AI生成的碎片怎么拼成能跑的东西6.1 资源加载器的写法与容错集成阶段第一件事是写一个资源加载器把所有图片和音频预加载到内存。这个加载器要处理三种情况资源加载成功、资源加载失败、资源格式不对。AI生成的代码往往只处理成功的情况失败就直接白屏。我的加载器用Promise.all包裹所有加载任务每个任务都有超时和重试机制。如果某个资源加载失败就用一个占位图代替保证游戏能继续跑而不是卡死。这个容错逻辑看起来简单但能省掉大量调试时间。function loadImage(src) { return new Promise((resolve) { const img new Image(); img.onload () resolve(img); img.onerror () { console.warn(加载失败: ${src}使用占位图); resolve(null); }; img.src src; }); }6.2 剧情状态机的实现剧情推进的核心是一个状态机它记录当前节点ID根据玩家的选择跳转到下一个节点。这个状态机要处理三种边界情况节点不存在、选项数组为空、跳转目标无效。AI生成的代码经常忽略这些边界导致点击选项后游戏崩溃。我的做法是在状态机里加一个校验函数每次跳转前检查目标节点是否存在如果不存在就跳回上一个节点并打印警告。这样即使剧本JSON里有错误游戏也不会崩溃你可以在控制台看到具体是哪个节点出了问题。6.3 六小时倒计时下的取舍策略到了集成阶段时间往往已经很紧了。这时候要学会取舍哪些功能必须保留哪些可以砍掉。我的优先级排序是核心剧情能走通 画面能显示 配音能播放 特效和动画。如果时间不够特效和动画全部砍掉用最简单的淡入淡出代替。配音如果来不及全部合成至少把主线节点的台词配上支线节点用文字代替。记住Demo的目的是验证核心玩法不是展示技术实力。7. 实测中那些文档不会告诉你的坑7.1 AI生成的JSON经常有尾逗号这是最隐蔽的坑。AI生成的JSON在最后一个元素后面经常多一个逗号JavaScript的JSON.parse会直接报错。但你在编辑器里看不出来因为很多编辑器对尾逗号是宽容的。我的做法是在解析之前先用正则把尾逗号删掉const cleanJSON (str) str.replace(/,\s*([}\]])/g, $1);这个正则把逗号后面跟着右括号或右方括号的情况替换掉能解决九成的JSON解析错误。7.2 图片命名冲突导致覆盖批量生成图片时如果提示词相似AI工具可能会输出同名文件后生成的覆盖先生成的。我有一次生成了五张角色立绘结果只剩三张另外两张被覆盖了。解决方法是在生成时就指定文件名或者在生成后立即重命名加上角色标识。7.3 音频时长与对话节奏不匹配AI配音的时长往往和你的预期不一样。你按每句话三秒设计的对话节奏实际生成出来可能是五秒导致画面已经切到下一句了语音还在播。我的做法是在集成时动态计算音频时长用音频的实际时长来控制对话推进而不是用固定定时器。audio.onloadedmetadata () { const duration audio.duration * 1000; setTimeout(showNextLine, duration 500); };加500毫秒的缓冲避免语音刚结束就切下一句听起来太赶。7.4 浏览器自动播放策略的限制Web Audio API在大多数浏览器里要求用户先交互一次才能播放声音。这意味着你的Demo开头如果直接播放旁白会被浏览器拦截。解决方法是在开始界面加一个点击开始按钮用户点击后再初始化音频上下文。这个坑我踩了两次才记住第一次以为是音频文件坏了排查了半天。8. 从Demo到可玩原型还差什么六小时做出来的东西严格来说是一个可运行的剧情演示离真正的游戏还有距离。它缺的是存档系统、设置菜单、多周目继承、成就系统、以及最重要的——玩法深度。但作为验证创意的工具它已经足够了。我用这套流程验证过三个创意其中两个在Demo阶段就发现不好玩果断放弃省下了大量后续开发时间。这就是快速Demo的最大价值用最低成本证伪而不是用最高成本证明。如果你想把Demo继续推进我的建议是先把核心玩法循环打磨到有趣再考虑加内容。AI可以帮你快速生成素材但什么好玩这个问题目前还得靠人来判断。我自己的经验是Demo做完后找五个人试玩如果其中三个人在五分钟内主动问还有吗这个方向就值得继续如果五个人都是玩完就放下那就该换方向了。最后分享一个提高效率的小习惯每次做完一个Demo把提示词模板、参数配置、踩坑记录整理成一个文档。下次做新Demo时直接复用我的第二个Demo只用了四个半小时就是因为省去了重新摸索的时间。这套流程的价值不在于单次六小时而在于它可复用、可迭代做得越多越快。