由一句话生成游戏的噱头尝试 AI 建模,实践证明:先生,这得花不少 Token
从一把 UE5 武器的 AI 协作建模实践出发,聊聊一句话生成、工程验收、上下文边界,以及 Token 到底烧在了哪里。
由一句话生成游戏的噱头尝试 AI 建模,实践证明:先生,这得花不少 Token
最近两个月,我经常能看到一种非常有诱惑力的 AI 演示。
输入一句话:
“帮我做一个游戏。”
然后等待几十分钟。
地图出来了,人物出来了,UI 出来了,甚至角色还能跑起来。
于是一个非常自然的想法就出现了:
既然 AI 已经能一句话生成游戏,那让 AI 帮我建一个模型,应该不过分吧?
当然,我从一开始就没真觉得“一句话”能把整个生产流程凭空吃掉。
“一句话生成”这种说法,本来就有很强的流量密码味道。真正动手之前,我已经做好了拆阶段、定边界、逐步验收的心理准备,甚至把整个流程按 Stage 排好了顺序。
但事实证明:
做好了心理准备,和真的看着它一路把问题一个个端上来,还是两回事。
有些地方甚至把我直接气笑了。
不是因为 AI 完全做不了。
恰恰相反。
它真的能做,但是依旧烧心。
而且你会非常直观地看到,一个看起来只有一句话的目标,真正落到工程里以后,到底藏了多少东西。
于是最后留下来的感受反而变成了:
先生,这得花不少 Token。
一、事情要从一把枪说起
(前排提醒:不用Tripo的原因很简单。只用积分,没有订阅套餐的话,模型即使生成了也无法导出,故这里无法做Tripo的评测)
我当时正在做一个 UE5 项目,需要制作一把游戏内使用的武器。
目标并不是随便生成一个“差不多像枪”的模型。
我已经有比较明确的视觉参考,而且最终资产是要进入 Unreal Engine 使用的。
换句话说,它需要满足的不只是:
“看起来像。”
还包括:
- 比例得基本正确;
- 左右结构得符合参考;
- 能正常做 UV;
- 法线不能炸;
- 不能到处闪面;
- 材质槽要能正常使用;
- 骨骼结构得和项目已有 Skeleton 对上;
- 弹匣、枪机、扳机等活动部件得能够正确绑定;
- Socket 方向要正确;
- FBX 导入 UE 后尺寸不能乱;
- 游戏里的材质必须真的能显示出来;
- 最后还得通过一轮实际的 UE 验收。
这时候,“帮我生成一把枪”这句话里隐藏的东西,就开始逐渐暴露出来了。
因为“模型”其实根本不是一个任务。
它是一整串任务。
二、第一阶段:先把“这一把”说清楚
我的思路从一开始其实就没有草率到:
按照这个做。
参考图、结构要求、尺寸、对称关系、最后要进 UE 的技术约束,我一开始就在给。
真正的问题是:
我低估了 AI 到底需要多少约束。
人看参考图的时候,会下意识完成大量视觉推理。
比如:
这个部件到底是凸出来的,还是只是贴图阴影?
左边有这个东西,那右边有没有?
这里是完全对称,还是故意做成非对称?
枪身这一段长度到底占整体多少?
镜片到底是圆的,还是因为透视看起来像椭圆?
这些东西对人来说,很容易在“看图”的过程中被自动补全。
但对于 AI 来说,如果这些信息没有被明确转换成约束,它就很容易给出一个:
语义上正确,结构上错误的答案。
它知道“这是一个科幻步枪”。
但我要的不是“一把科幻步枪”。
我要的是:
这一把。
所以问题并不是“我要不要给 AI 加约束”。
而是:
我原本以为已经够细的约束,其实还远远不够细。
三、真正的第一步,本来就是 Stage 0
我一开始就没有准备让它上来直接堆细节。
整个流程的第一步就是:
分析。
也就是 Stage 0。
先检查参考图。
先分析比例。
先判断结构。
先确认哪些部分对称,哪些部分不对称。
先确定主参考图和辅助参考图之间发生冲突的时候,以谁为准。
然后把模型拆成不同结构区域,再建立尺寸和比例基准。
这一步做完以后才允许真正开始 Blockout。
所以这次实践从一开始其实就已经不是严格意义上的“一句话生成”。
更接近:
先不要建模。分析参考图,识别主要结构,建立 Blockout 比例表,区分主参考与辅助参考,列出存在视觉歧义的区域,在无法确认时不要自行设计。
等 Stage 0 真做完以后,我反而更确定了一件事:
AI 的能力没有问题。
真正麻烦的是,要把人脑里那些默认存在的判断,一条一条显式化。
我的 Prompt 也就这样开始变得越来越不像一句话了。
四、然后我发现,AI 建模最大的敌人不是建模
而是:
验收。
模型第一次真正进入细节阶段以后,各种非常经典的问题开始出现。
比如左右不对称。
某些本应该沿中心轴镜像的结构,在模型里出现了微小偏移。
有些部件理论上应该共享中心面,但实际坐标并没有严格落在中心。
如果只是截图看看,其实未必特别明显。
但进入后续流程以后,问题就会不断放大。
于是开始修。
修完镜像,又发现:
闪面。
穿模。
部件位置错误。
某些结构在特定角度下看起来没问题,换一个角度就会暴露。
继续修。
然后进入 UV。
这时候问题又变了。
退化面。
UV 折叠。
法线分裂。
切线异常。
模型在 Blender 里看着正常,导入 UE 后又可能出现新的视觉问题。
然后继续检查。
继续修。
再检查。
再修。
我逐渐意识到一个非常重要的问题:
生成其实不是整个流程里最贵的部分。
真正贵的是:
“你怎么证明它生成对了?”
五、这也是“一句话生成游戏”最容易被忽略的地方
Demo 和工程不是一回事,这个道理我当然不是做到这里才知道。
真正有意思的是:
当这个问题从代码工程落到一件 3D 资产上以后,它依然一模一样。
假设我输入:
做一个第三人称射击游戏。
AI 给我生成一张地图,一个角色,一个敌人,一把枪。
角色能跑。
枪能开火。
敌人能掉血。
如果我要录一个 30 秒的视频,这件事情可能已经完成了。
但如果我要真的继续做这个项目,问题马上就来了。
角色的状态由谁管理?
武器数据放在哪里?
攻击逻辑和表现层有没有解耦?
网络同步怎么做?
Late Join 怎么处理?
动画状态谁负责?
资源生命周期是什么?
SaveGame 怎么做?
AI Controller 在客户端和服务器分别处于什么位置?
失败路径是什么?
资产命名规范是什么?
测试怎么做?
版本升级以后怎么办?
这些东西不会因为你在 Prompt 里写了:
“请使用最佳实践。”
就自动消失。
它们只是暂时没有出现在 Demo 里。
3D 资产也是一样。
一句话确实可以让 AI 开始建模。
但:
开始建模 ≠ 模型完成。
这不是我被 AI 教会的新道理。
只是这次真的拿一把要进项目的枪一路做下来以后,这个区别变得特别具体。
六、真正让我印象深刻的是骨骼
做到后面,我决定让这个模型直接复用项目里原本的 Rifle Skeleton。
这时候事情进一步工程化了。
最终骨骼不是“差不多有几个 Bone”就可以。
而是已经有明确结构:
Root└── Grip ├── Door ├── Trigger ├── Magazine ├── Barrel └── Bolt而且 Grip 本身就是骨骼的一部分。
这意味着 AI 不仅要把 Mesh 做出来,还得理解:
哪个部件属于哪根骨骼。
哪个东西以后需要运动。
哪些结构必须拆开。
绑定以后导入 UE 是否还能按照预期工作。
左手 IK 怎么处理。
尺寸如何保持。
FBX 坐标如何转换。
这时候你就会突然发现:
我已经不是在让 AI:
“做一个模型。”
而是在让它:
“生产一个满足既有游戏运行时技术合同的 Skeletal Mesh Asset。”
味道一下就不一样了。
Token 的味道,也浓郁了起来。
七、最荒诞的一幕:一个抛壳窗
整个过程里有一个问题,我印象非常深。
抛壳窗。
模型做到比较后面以后,需要给武器设置抛壳相关的 Socket。
看起来很简单。
不就是找个位置,放个 Socket,让 Niagara 从那里喷弹壳吗?
结果后续检查发现:
左右反了。
之前记录的坐标把它放到了枪身另一侧。
于是出现了一个极其抽象的情况:
模型本身的抛壳窗在一边。
Socket 在另一边。
按照旧数据继续做的话,弹壳理论上会从一块完整的机匣板里穿墙而出。
最终重新通过 UE 中的实际几何确认,才把位置纠正回来。
这件事情很小。
小到你甚至不会在一个“一句话生成游戏”的 Demo 视频里注意到它。
但是如果这是一把真的要在游戏里用的枪:
它就是 Bug。
而且这种 Bug 不会因为“整体效果已经有 95% 了”就自动变得不存在。
工程最折磨人的地方,往往就是最后这些 5%。
八、还有那个怎么都不肯彻底毕业的镜片
模型后期还有一个问题:
瞄具镜片。
要求其实非常简单:
镜片在游戏里必须可见。
听起来甚至有点好笑。
但进入 UE 以后,材质、透明、反射、视角以及实际游戏中的表现都会影响最终结果。
于是这个问题虽然不至于阻断整个模型继续推进,却一直没有被我粗暴地标记成“完成”。
最后它的状态类似于:
Open / NonBlocking也就是:
它还有问题。
但是暂时不阻塞下一阶段。
之后 Final QA 还得继续看。
我很喜欢这个状态。
因为它特别像真实的软件开发。
并不是所有 Bug 都必须立刻修。
但你至少得知道:
它还在那里。
而不是 AI 输出一句:
“Everything is complete and ready for production.”
然后大家假装世界和平。
九、到最后,我已经给建模引入了软件工程
整个流程后来变成了非常明显的 Stage 制。
参考分析。
Blockout。
Primary Detail。
Secondary Detail。
骨骼准备。
UV。
切线与法线检查。
技术资产验证。
UE 集成。
功能验证。
Final QA。
每一个阶段都有自己的输入、输出和验收条件。
有问题就回去修。
修完重新验证。
某些问题 Blocking。
某些问题 NonBlocking。
已经确认的约束不能在后面的阶段偷偷改掉。
后来我突然发现:
我不是在用 AI 建模。
准确来说,我在做的事情是:
把软件工程里的流程管理方式,硬塞进了 3D 美术生产流程里,然后让 AI 当执行者。
听起来非常离谱。
但它确实比:
“再帮我修一下。”
稳定太多了。
十、所以 AI 到底会不会建模?
会。
而且我对这个答案其实比开始实验之前更加确定。
如果今天有人问我:
AI 能不能参与制作真正进入游戏项目的 3D 资产?
我的答案是:
完全可以。
它可以分析参考。
可以建立 Blockout。
可以修改 Mesh。
可以做 UV。
可以排查法线。
可以做骨骼绑定。
可以准备 FBX。
可以配合 UE 验证。
甚至面对一些已经非常工程化的问题,它同样可以继续推进。
所以这篇文章并不是想得出:
“AI 建模都是噱头。”
这个结论。
恰恰相反。
真正让我意外的是:
它真的已经能做这么多了。
但问题在于,能力和“一句话完成”是两件完全不同的事情。
十一、“一句话”其实只是把 Prompt 藏起来了
这一点并不是我折腾完这把枪以后才突然悟出来的。
“一句话生成游戏”本身描述的就是用户表面上的交互方式,而不是系统内部真的只做了一件事。
但这次实践刚好给了我一个很具体的样本。
从用户交互层来说,它可能确实只输入了一句话。
但是这一句话之后,系统究竟做了什么?
需求拆解。
任务规划。
资产生成。
代码生成。
工具调用。
错误检测。
重新生成。
状态维护。
上下文压缩。
多 Agent 协作。
自动测试。
再规划。
再修复。
如果这些全部由系统后台自动完成了,那么用户确实只输入了一句话。
但是:
复杂度并没有消失。
它只是从用户面前移走了。
AI 并没有违反软件工程规律。
也没有违反 3D 生产规律。
你以前需要:
建模 → 检查 → 修改 → UV → 检查 → 绑定 → 导出 → 引擎验证。
用了 AI 以后还是:
建模 → 检查 → 修改 → UV → 检查 → 绑定 → 导出 → 引擎验证。
只是其中很多操作,从:
“我自己做。”
变成了:
“我描述清楚以后让 AI 做。”
这已经是一个非常巨大的进步。
但它不是魔法。
十二、那么 Token 到底花在哪里了?
不是只花在“生成一个模型”上。
而是花在:
让 AI 理解什么叫“对”,以及什么叫“不能动”。
参考图是什么。
哪个参考优先级更高。
哪些结构必须保留。
哪些可以自行判断。
坐标系是什么。
中心线在哪里。
哪些部件允许镜像。
哪些绝对不能镜像。
骨骼叫什么。
父子关系是什么。
导入 UE 后怎么验收。
一个修复是否真的解决了原问题。
上一次修复有没有引入新问题。
哪些问题已经关闭。
哪些问题仍然 Open。
哪些约束已经冻结。
最后才是:
请继续执行。
所以我后来越来越觉得,真正昂贵的并不只是单次生成。
还有:
上下文。
以及:
边界。
你想让 AI 越像一个真正的项目成员,它就越需要知道之前发生过什么。
哪些地方已经确认。
哪些地方禁止改。
哪些结论只是暂定。
哪些 Bug 已经 Fixed。
哪些问题必须留到 Final QA。
而项目越长,上下文就越贵。
这次我主要用的是 GPT-6 Astra 的高思考配置。
模型本身已经很强了,而且和 2024 年那种“修东墙、塌西墙,甚至在同一个错误里循环”的体验相比,现在的 Agent 对边界、上下文和既有约束的处理能力明显强了很多。
但模型越能理解复杂项目,你就越容易把更多事情交给它。
事情越多,上下文越长。
上下文越长,Token 也就烧得越开心。
而且这次 Token 的消耗还不只是来自聊天和推理。
Codex 真正去操作电脑,本身也很烧 Token。
读文件、看状态、调用工具、检查结果、再修改、再验证,这些都不是免费的。
好在 Blender 这类软件非常适合 Agent 操作。
这次建模的大部分实际操作并不是让 Agent 拿鼠标一点一点戳界面,而是通过 Python 脚本直接控制 Blender。
这点非常重要。
Blender 有成熟的 Python API,场景、Mesh、Modifier、骨骼、材质、导出流程都有大量能力可以被脚本化。
于是很多原本需要 GUI 交互的动作,都可以压缩成一次相对明确的脚本执行和结果检查。
正常的工具调用和脚本化,反而能把 Token 消耗压下来不少。
我甚至越来越觉得,以后的专业软件大概率都会主动给 Agent 留入口。
不一定非得是“AI 模式”。
可能是更稳定的 API。
更完整的脚本接口。
更容易验证的结构化状态。
甚至直接提供给 Agent 的操作层。
因为只要软件足够可操作、可观察、可验证,AI 就不需要拿视觉模型模拟一个人类用户,在界面里到处找按钮。
那时候很多工作真正被简化的地方,可能不是模型突然又聪明了多少。
而是:
软件终于开始允许 Agent 正经接入了。
所以最开始那个:
“帮我建一把枪。”
最后还是会长成一整套生产记录。
只是随着工具越来越适合 Agent,这套记录里真正浪费在“怎么点这个按钮”上的 Token,会越来越少。
十三、但我仍然觉得这件事情很值
看到这里可能会产生一个问题:
既然这么麻烦,那为什么不自己建?
因为这里很容易掉进另一个极端。
AI 没有让我按一次按钮就得到最终资产,并不意味着 AI 没有提高效率。
实际上恰恰相反。
很多我原本需要手工处理、查询资料、写脚本、来回切换工具的事情,都可以交给 AI 完成。
我需要做的核心工作逐渐发生了变化。
以前是:
我怎么做出来?
后来更多变成:
我想要什么?
现在这个结果对不对?
下一步应该怎么验?
这三件事看起来只是把劳动从“操作”变成了“判断”。
但后者其实才是整个项目里最重要的东西。
所以如果一定要给这次实验下一个定义,我不会叫它:
AI 自动建模。
我更愿意叫:
AI 协作建模。
十四、AI 没有跳过流程,它只是把流程跑得更快了
“Prompt Engineering”这个词放到现在,多少已经有一点上一阶段 AI 讨论的味道了。
至少对我来说,这次实践并没有让我得到什么“以后要更会写 Prompt”的新结论。
我早就知道:
AI 不能凭空创造一个不存在的生产流程。
你做游戏资产,本来就需要参考分析、建模、UV、绑定、导出、引擎验证。
你做程序,本来就需要需求、设计、实现、测试、修复。
AI 出现以后,这些流程没有消失。
它真正厉害的地方,是可以把流程里的大量执行工作加速。
以前很多步骤需要人自己查、自己做、自己写脚本。
现在可以让 AI 去跑。
但商业级别的东西,尤其是你真的想做到“惊艳”的演出,仍然需要人一步一步把标准定出来。
你得知道自己要什么。
得知道哪里不对。
得知道当前阶段什么算完成。
也得知道什么时候不能让 AI 自作主张。
如果你不知道 UV 是什么,AI 把 UV 做坏了,你可能根本发现不了。
如果你不知道骨骼为什么这样设计,那么 AI 给你一个“看起来合理”的 Skeleton,你也无法判断以后动画会不会出问题。
如果你不知道 UE 里的 Socket 和 Component Space 怎么工作,那么它给你的坐标左右反了,你甚至可能一路把错误带进 Niagara。
如果你不知道什么叫验收标准,那 AI 最喜欢做的一件事就是:
看起来差不多了,宣布完成。
所以专业知识没有因为 AI 出现而失去价值。
它只是开始换一种方式发挥作用。
以前更多是:
我亲手完成每一步。
现在越来越像:
我知道每一步应该得到什么,然后让 AI 尽可能快地跑到那里。
最终真正决定成品上限的,仍然是人对目标、流程和质量的判断。
十五、于是我终于理解了“一句话生成游戏”
一句话生成游戏可能是真的。
以后甚至一定会越来越真。
只不过所谓的“一句话”,描述的是:
用户界面。
而不是:
工程复杂度。
就像今天我可以对编译器说:
std::sort(nums.begin(), nums.end());我也只写了一句话。
但这不代表排序只进行了一步。
只是大量复杂度被一个成熟系统封装起来了。
AI 未来真正要做的事情,可能也是一样。
不是把复杂度消灭。
而是把:
需求理解、任务拆解、执行、验证、返工、状态追踪……
全部封装在那一句话后面。
等到有一天,这整套闭环真的足够成熟的时候:
“一句话生成游戏”就不再是噱头了。
而现在?
至少根据我这次折腾一把枪的经验来看——
一句话当然可以。
我负责说第一句。
AI 负责干活。
然后我负责说第二句。
第三句。
第四句。
第五十句。
第一百句。
中间穿插:
“这里不对。”
“左边反了。”
“为什么穿模了?”
“镜片呢?”
“重新检查。”
“不要修改已经确认的部分。”
“这个 Bug 还没有 Fixed。”
“进 UE 再验一遍。”
……
直到最后,它真的变成一个可以使用的游戏资产。
所以,如果以后再有人非常兴奋地告诉我:
AI 已经可以一句话生成游戏了!
我大概会回答:
当然可以。
然后默默补上一句:
先生,这得花不少 Token。
