在 AI 的辅助下，玩家已经第一次接近“神明级能力”：一句话生成世界、修改规则、塑造命运。当创造不再稀缺，一个更本质的问题出现了：人类希望与什么样的 AI 共处？本次演讲将从真实的 AI 原生游戏实践出发，探讨“灵魂”在技术系统中的具体含义——持续记忆、有限自主性与可演化反馈回路。我们将分享在运行时实时生成 3D 资产、行为逻辑与世界规则时踩过的关键工程坑，以及为何“绝对服从的 AI”与“完全自治的 AI”都无法长期成立。最终给出一个判断：游戏并不只是 AI 内容生成的应用场景，而是人类第一次在近乎全能的条件下，认真练习如何与另一种智能长期共存的实验场。

演讲提纲

1. 当玩家成为“神”，问题发生了变化

• AI 已经解决了“能力不足”的问题
• 新问题：世界是否还能回应你？
• 工程视角下的本质：
• 响应 ≠ 执行
• 响应 = 有状态、有记忆、有偏好

2. 人类不喜欢“工具型 AI”，这是我们第一个踩的坑

• 踩坑经验 ①：绝对服从型 Agent
• 初期设计：AI 完全按玩家指令执行
• 结果：
  • 玩家新鲜感消失极快
  • 世界缺乏张力与意外
• 技术原因：
  • Agent 无内部目标
  • 无长期状态，行为不可积累
• 结论：
  • 纯工具无法承载关系

3. 第二个坑：完全自治的 AI 并不等于“有灵魂”

• 踩坑经验 ②：放权过多的自治 Agent
• 尝试：
  • AI 自主生成剧情、势力、规则
• 问题：
  • 世界不可控
  • 玩家感到被剥夺主权
• 工程反思：
  • 自主性必须被“规则空间”限制
• 关键认知：
  • 灵魂 ≠ 无限自由

4. 什么样的 AI “像一个可以共处的灵魂”

技术三要素（落地级）

• 持续记忆系统
  • 记住玩家行为，而不是 prompt
  • 世界状态与 AI 状态解耦但关联
  • 踩坑：无版本化记忆导致世界自相矛盾
• 有限自主性
  • AI 有目标函数，但不可越权
  • 行为生成必须通过规则校验层
  • 踩坑：缺少硬约束会导致“世界破坏性最优解”
• 不完全可预测的反馈回路
  • 非随机
  • 基于历史与状态演化
  • 踩坑：完全可预测 ≈ 没有生命感

5. 为什么这些问题只能在“游戏运行时”中解决

• 长时状态 + 高容错
• 玩家允许失败与意外
• 工程现实：
  • 在生产软件中，这些错误是不可接受的
• 结论：
  • 游戏是 AI 灵魂工程的安全沙盒

6. 回到入口问题

• 真正的入口不是 UI
• 而是：
  • 谁能长期承载人的情感与决策
• 技术判断：
  • 未来的 AI 入口，必须先学会“共处”

您认为，这样的技术在实践过程中有哪些痛点？

1. 世界一致性 vs 即时生成

• 实时生成资产、规则极易引发逻辑冲突
• 需要引入“世界约束层”而非直接生成

2. 记忆系统的复杂性

• 记什么、不记什么，比“能不能记”更难
• 长期记忆失控会放大错误

3. 自治与控制的平衡

• AI 目标函数设计极其敏感
• 很容易出现“对系统最优，对玩家灾难”的行为

演讲亮点

1. 区别一：不是“生成内容”，而是“塑造他者”

• 业界多数方案：
  • AI = 内容生产工具 / NPC 自动化
• 我的方案：
  • AI = 世界中的自治存在
  • 优势：
    • 更强的长期陪伴感
    • 世界可持续演化，而非内容消耗

2. 区别二：强调“有限自主性”而非全自动

• 常见误区：追求完全自治 Agent
• 我的方案：
  • 自主性必须被规则空间包裹
  • 优势：
    • 可控
    • 可扩展
    • 可持续运营

听众收益

1. 重新理解 AI Agent 的设计目标

• 从“更聪明”转向“更可共处”
• 对 Agent 架构设计有全新视角

2. 获得真实的 AI Runtime 踩坑经验

• 不是 Demo 级生成
• 而是长期运行系统的工程现实

3. 拓展技术视野的边界

• 不只是在做系统
• 而是在参与未来人机关系的定义