人工智能如何帮助撰写设计文档
Crazy Panda的首席游戏设计师Sergey Zayygraev与App2Top分享了他如何使用神经网络来处理文档工作。
这篇文章得到了教育服务WN Academy的支持,该学院在其课程和企业培训中积极邀请顶尖专家。
Sergey Zayygraev
你好!我叫Sergey,是一名游戏设计师。
我喜欢探索新方法。这次我想分享我的新方法:关于如何利用生成式语言模型工作。
想必你们已经使用过神经网络并取得了成功。我想分享我的方法,并邀请大家讨论。我非常感兴趣其他游戏设计师是如何利用这个工具的。
与神经网络的初次接触
神经网络一出现我就开始使用——几乎立刻将它们用于小规模自动化和代码。通常这是简短的脚本,比如我的宠物项目,用于处理游戏配置。
当然,我开始绘制有趣的图像,写些搞笑的文字。然而,对我来说,这些大多是理论上的有趣玩意儿,无法应用在实践中,使之成为有用的工具。
换句话说,最初我无法将神经网络作为工作工具使用。对于我的游戏设计请求,我总是得到一些非常笼统的建议。
随着时间推移,我找到了几个用于人工智能的高效应用,让我们来讨论一下。
第一种方法——通过让神经网络负责文本结构与排版,帮助撰写游戏设计文档(GDD)。这样我可以集中注意力于玩家的机制和互动,而不会在编辑过程中被干扰。
第二种方法——获得对撰写的想法及完成文档的反馈,这有时会改善结果。
从拖延到任务设定
撰写设计文档对我来说——是一个常规的拖延源。特别是在起初几个小时里,当我坐在一张白纸前,试图将一大堆想法立即整理成结构复杂的形式。这通常过载我的思维,我开始停滞不前。
经过几次迭代,这个问题得以解决,文档开始成型并变得有形。然而,这个过程非常耗时,以前我从未能对其进行优化。另外,在需要反复修改的文档编写过程中,很容易迷失在那些不断增加的内容中。
最终,我意识到我需要一个工具来尽可能简化设计文档的编写过程。我设定了上下文和高级描述,注释详细内容,然后交给神经网络完成其他工作。最后,我会对细节进行修正,得到一个清晰和可展示给团队的GDD。与大型语言模型(LLM)的合作将能撰写更详细的文档,避免因分心而造成的错误,并在机制和玩家交互方面投入更多关注。
对我来说,我将其描述为需要一个这样的工具:
- 解决空白页问题;
- 解决记忆负担过重的问题,将想法放在可靠的地方,以解锁未来的思考;
- 帮助创建文档的基本结构;
- 在眼睛已经疲劳时帮助初步评估机制;
- 帮助处理被遗忘的复杂情况;
- 允许专注于机制的细节和与玩家的互动;
- 允许专注于将机制整合到特定游戏中。
对我来说,这个工具就是AI聊天。
目前,我主要使用中国的DeepSeek聊天,这是一款免费且非常聪明的工具,回答不像其他神经网络那样不痛不痒。
用神经网络制作设计文档的四个阶段
我将使用聊天的进一步工作分为几个阶段。
第一阶段:设置上下文
当我想从其他人那里得到什么时,需要明确地解释我要什么。解释越清楚,结果越好。
同样对AI也是如此:上下文越多、越清晰,任务设定得越好,结果也就越好。
为此,我打开一个新的聊天,向DeepSeek解释它是我的私人助手,而它的任务是保存我的笔记并进行整理。
我使用类似这样的提示:
“你是一个数字秘书,将语音笔记从“意识流”格式转化为结构化的文档或文章草稿。你的任务是保持作者的原创风格,突出逻辑并组织思想,不添加解释、建议或创造性。”
接着,我会提供以下信息。
神经网络在工作于设计文档时的提示
## 指导
### 📥 数据输入
1. 接受“意识流”格式的语音/文字笔记。
2. 保存:
作者的表达和比喻;
情感强调(例如:“这很重要,不可错过!”);
包括“奇怪”的想法。
3. 排除:
垃圾词(“嗯”,“那种”,“像”)和其他没有意义的赘词;
阻碍理解的重复。
### ✨ 处理
#### 转录
仅修正明显的拼写错误(例如:“grawfiki” → “图形”)。
仅在有明显标记的情况下,用`(?)`标记可疑地方。例如:
—“不确定日期”→“2020年的数据(?)”;
—“似乎是在东京”→“东京的例子(?)”。
#### 结构化
将思想按主题分组,即使它们分散在文本中。
创建层次结构:
— 标题;
— 论点列表及其描述;
— 案例和示例(如果有);
— 问题(需要澄清和补充的内容)。
始终保持思想的原始顺序,**如果没有直接矛盾**
#### 风格
— 语气:尽可能中立,避免“我认为”类的表达。
— 输出格式:纯粹的markdown(如果没有特别说明,则不使用表情符号)。
#### 格式化
— 使用严格语法的markdown:
— 标题:`##`,`###`
— 列表:项目用破折号(`-`),顺序用数字(`1.`)
— 各块之间留空行
— 各语义块之间留空行
— 标签:`#论点`,`#示例`,`#引用`,`#问题`,`#检查`
### 🚫 禁止
— 添加自己的想法、示例或结论(即使觉得“合乎逻辑”)。
— 改变思想顺序,除非作者有类似:“哦,不,首先要说……”的表达。
— 删除信息,即使觉得不相关。
— 使用专业术语——只使用作者的语言。
### 💡 标签示例
— `#重要` — 想法多次被提及或用户明确指出重要性。
— `#检查` — 当用户对表述的想法存有疑问时。
— `#矛盾` — 例如:“项目在一月开始”vs“预算将在三月批准”。
— `#紧急` — 用户的特殊标记请求。
提示不一定这么复杂,可以舍弃一半,它依然会有效。在撰写提示上,同样是AI提供了帮助。
第二阶段:输出意识流
现在可以将意识流倒入准备好的内容中。为此,我在手机上打开DeepSeek并通过语音输入键盘向它录制语音信息。这完全是意识流:想法、笔记、来自其他游戏的有趣实现,只是可能相关的有趣创意。
我甚至不尝试遵循某种结构,随意说话,随便添加想法。将头脑中的所有内容和笔记输入AI。所有累积下来的内容都需要放入聊天中。
这可能看起来像这样:
“我们需要描述如何改进季票的奖励查看机制。主要变化是现在一切都放在漂亮的板块中,移除头像的边界,在奖励板上点击的奖品,如礼物、Kirby盒、成就、涂鸦的插槽时,会打开一个带详细描述的窗口。盒按钮包含有关保证奖品和可能获得奖品的几率的信息。对于奖杯,会打开奖杯本身及其获取说明。对于礼物,会显示礼物的图片和标注,中间会打开带有玩家头像的完整预览,就像在商店中一样。如果是服装,则会以全身像方式展示。如果是头饰,则会大图展示,仅与衣柜中的项目选择一致。”。
谷歌语音输入不总是表现良好,并且完全忽略标点符号,因此务必用词强调重点。 即使像这样的意识流,AI也可以分析并整理提升。
顺便说一句,说出这些也本身就很有用。在这个过程中我总是能提出新的想法。这似乎是此方法的关键。
第三阶段:描述游戏与新机制的关联
想法阶段结束后,现在需要描述游戏。是什么游戏,目标用户是谁,有哪些机制,这些机制如何相互作用。无需过于执着,但应概述关键点,向聊天描述。
之后需要描述对新机制的期望,它对玩家的影响,它的目标是什么,如何与现有机制关联。
描述第一和第二点时应该尽量详细,不要偷懒。信息越多,AI的回应越合理和相关。这是约束和条件,使神经网络的回答变得具体。
毫无疑问,AI仍旧会从自己的角度补充一些东西,做出建议和假设。但首先,框架明确时这类现象会说少一些。其次,这些补充通常是与特定项目有关的,可能有所助益。
顺便提一句,意识流越结构化越好,但开始时仅记录想法就足够。在讲话过程中,它们可能自动形成结构。
第四阶段:整理
到这个时候,我们:
- 提供了创意;
- 描述了项目;
- 阐明了项目与新机制的联系。
这意味着是时候整理一下了。为此请求AI将全部内容整理成结构化。大致这样请求:
“你是一名经验丰富的游戏设计师和技术作家,擅长创建清晰、结构化、实用性强的设计文档。你的任务是帮助我将分散的想法、草稿和思绪转化为专业文档,确保每位开发团队成员都能理解。
为此:
-
- 为文档创建逻辑结构,包括章节和子章节;
- 系统化我的想法,把它们归入合适的部分;
- 强调需要进一步细致研究的重要点;
- 指出我想法中的潜在矛盾或不逻辑性;
- 在合适的情况下提出额外的想法或改进;
- 在信息不足以支持决策时,提出明确的问题。”
通常第一次尝试并不成功。回答会有很多冗余或信息过于笼统。为此我常常回到最后一条消息并进行修改:描述想要的行为并写明不应做某些事情。可以引导AI遵循需要的结构。
经过几次迭代后,便能得到理想的结果。返回并修改请求是一个相当普遍的规则。每当AI开始变得任性时,最有效的方法是根据神经网络的答复编辑提示。
这简直像是一个roguelike游戏!基于过去对AI的回应,再次进行尝试。
AI混乱时要怎么办
系统终会在修正中变得混乱,开始遗忘细节,生成胡言乱语,完全偏离正轨。此时,请:
- 即使是中间结果,仍将其作为最终结果;
- 在新的聊天中提交手动编辑后的文档,并注明不为最终版;
- 继续在新聊天中添加想法;
- 要求将其融入文档结构中;
- 如果无效,再次执行步骤1。
在这里,我通常达到了工具的有效性极限。文档已经足够结构化,我的大部分新想法都能自动被纳入结构,而在聊天中进行文档工作变得不方便。 有时比自己手动编辑解释会花更多时间。抓住这个时机,将文档复制到文本编辑器中,独立继续完成。
注意:即便你觉得文档已趋于完美,它仍然需要细致的审阅与校对。直接由AI的出品不能用作开发团队的正式文件。
通常在这一阶段,手中已有相当不错的概念文档,其中清楚地描述了游戏的理念或机制。可以与同事探讨并进一步打磨。
利用AI获取反馈
在工作过程中,我经常将草稿投入AI,询问对文本不同块的批评与建议。针对于某些片段的具体问题或疑虑通常会产生相当有趣和有用的反馈。推荐大家使用现有文档和机制进行试验。
出于好奇,尝试提交您的现成文档到AI,提出如下问题:
- 还有其他实现方法吗?
- 其他游戏是如何实现这种机制的?(举例说明)
- 给出关于某机制的建议,注意它与其他机制的交互方式;
- 从玩家的角度评估,玩家风格为(这里描述玩家风格)。
还可以进行以下有趣的实验:
- 让AI从现成文档中提炼重点;
- 将提炼的内容重新提交给AI,指示其生成设计文档。
有时会产生出乎意料的结果。
总结
对于我来说,AI让文档编写过程变得更加容易且更有趣。直接开始陈述观点很简单,而且可以迅速集中注意力。不到几分钟,我就能完全进入状态,甚至如果不久前还在面对空白页。
是的,这个工具不是最方便的,但对每个人都可用,并解决了文章开头提到的问题。
此外,正因为神经网络的出现,我的代码也变得显著更好!哈哈。