书名：大模型驱动的游戏开发
定价：79.8
ISBN：9787115654748
作者：王磊
版次：第1版
出版时间：2025-04

内容提要：
本书是一本探讨将大语言模型（简称大模型）技术应用于游戏开发的实用指南。本书共10章，主要内容如下：第1章介绍游戏开发的各个阶段，包括策划、美术、程序、音频设计、测试和发布，并介绍大模型的特点及大模型技术在游戏中的应用；第2章深入探讨大模型技术在游戏策划中的应用，如故事创作、任务和关卡设计、玩法创新与平衡性测试等，展示如何利用大模型技术提升游戏内容的丰富性和玩家的个性化体验；第3章介绍大模型技术在代码自动生成和修复、游戏AI设计、实时问题诊断与性能优化等方面的应用，为读者介绍提高开发效率和游戏质量的策略；第4章介绍艺术资产自动生成、动画与*设计、风格一致性检查等内容，展示大模型技术在美术制作中的应用；第5～7章介绍大模型技术在游戏测试、游戏客服与社区支持、营销内容生成与优化、数据分析等领域的应用，为游戏*提供*的技术支持和解决方案；第8章介绍大模型在游戏应用中面临的挑战和存在的局限性；第9章展望大模型的未来；第10章是大模型在游戏开发中的应用综评。 　　本书是一本介绍如何有效利用大模型技术来提升游戏开发效率和产品质量的实用教程，适合游戏*、游戏设计师，以及对游戏产业和AI技术感兴趣的读者阅读。 　　



作者简介：
王磊（网名onelei），Unity游戏开发笔记*博主，有着多年游戏开发经验，曾*职于盛大游戏, 叠纸游戏, 开发过月流水过亿的游戏，目前*职于上海某上市公司技术中台，《游戏AI程序设计实战》图书作者。热爱分线技术。

目录：
目 录

第 1章　AI与游戏开发概述　001
1.1　游戏开发概述　001
1.2　大模型技术简介　003
1.2.1　大模型的特点　003
1.2.2　游戏中的大模型技术应用　004
1.3　大模型应用的意义和目的　006

第 2章　大模型在游戏策划中的应用　008
2.1　游戏故事创作　008
2.2　任务和关卡等方面的设计　029
2.2.1　游戏任务设计　030
2.2.2　游戏关卡设计　031
2.2.3　故事情节生成　032
2.2.4　任务提示和反馈生成　034
2.2.5　关卡地图生成　035
2.2.6　玩家行为预测和个性化体验　038
2.3　玩法创新与平衡性测试　039
2.3.1　游戏玩法创新　039
2.3.2　数据驱动的玩法设计　044
2.3.3　游戏平衡性测试　046

第3章　大模型在游戏程序开发中的应用　049
3.1　代码自动生成和修复　049
3.1.1　代码自动生成　049
3.1.2　代码修复　058
3.2　游戏AI设计　061
3.2.1　自然语言交互系统改进　061
3.2.2　游戏内容生成　062
3.2.3　行为预测与优化　064
3.2.4　游戏AI的学习与适应能力　066
3.2.5　情感识别与表达　066
3.3　实时问题诊断与性能优化　066
3.3.1　日志分析　066
3.3.2　实时监控　068
3.3.3　性能优化　071

第4章　大模型在美术制作中的应用　072
4.1　艺术资产自动生成　072
4.1.1　角色生成　072
4.1.2　环境生成　076
4.1.3　道具生成　083
4.2　动画与*设计　090
4.2.1　图像生成与画面增强　091
4.2.2　风格迁移与艺术风格转移　092
4.2.3　outpainting扩展图像　094
4.2.4　*设计与动态模拟　099
4.2.5　AI辅助创作工具　101
4.3　风格一致性检查　104
4.3.1　风格一致性检查的重要性　104
4.3.2　风格识别与分析　104
4.3.3　自动标注和分类　105
4.3.4　风格转换和匹配　108
4.3.5　定制化的风格指南　109

第5章　大模型在游戏测试中的应用　112
5.1　自动化测试　112
5.1.1　游戏测试面临的挑战　112
5.1.2　自动化测试的优势　112
5.1.3　测试用例生成　113
5.1.4　自动化生成测试脚本　116
5.1.5　异常情况模拟　119
5.1.6　自动化测试报告　124
5.1.7　游戏测试工具集成　124
5.2　游戏体验优化建议　124
5.2.1　游戏平衡性优化　124
5.2.2　游戏性能优化　127
5.2.3　用户体验优化　131
5.2.4　内容更新优化　132
5.2.5　社交体验优化　133
5.3　bug报告与分类　133
5.3.1　bug报告生成　134
5.3.2　bug分类与优先级划分　135
5.3.3　bug关联分析　135
5.3.4　自动化测试与反馈循环　136

第6章　大模型在游戏客服与社区支持中的应用　137
6.1　自动响应玩家咨询　137
6.1.1　游戏客服面临的挑战　137
6.1.2　大模型在游戏客服与社区支持中的优势　137
6.1.3　技术实现　138
6.1.4　情绪识别与处理　141
6.1.5　内容过滤与审查　142
6.1.6　大模型在游戏客服与社区支持中的其他作用　142
6.2　生成和更新FAQ　143
6.2.1　FAQ介绍　143
6.2.2　自动生成FAQ　143
6.2.3　个性化内容生成　144
6.2.4　大模型在FAQ生成和更新中面临的挑战　145
6.3　社区动态监控与趋势分析　146

第7章　大模型对游戏运营等方面的支持　148
7.1　营销内容的生成与优化　148
7.1.1　大模型在营销内容生成方面的应用　148
7.1.2　大模型在营销内容优化方面的应用　155
7.1.3　大模型对其他人员的支持　156
7.2　数据分析与玩家行为预测　156
7.2.1　数据收集与整理　156
7.2.2　特征工程　157
7.2.3　机器学习模型训练与应用　157
7.2.4　个性化推荐与建议　158
7.3　法务和版权相关文档助手　158
7.3.1　合同起草与解释　158
7.3.2　法律文件分析与研究　161
7.3.3　版权管理与侵权检测　163

第8章　大模型在游戏应用中的挑战　164
8.1　数据偏差和模型偏差问题　164
8.2　创意与自动化的平衡　165
8.3　技术与法律伦理的界限　168

第9章　未来展望　170
9.1　行业趋势与大模型的演进　170
9.1.1　行业趋势　170
9.1.2　大模型的演进　171
9.2　游戏的个性化与定制化发展　172
9.3　大模型与其他技术融合的潜力　174

第 10章　大模型在游戏开发中的应用综评　177
10.1　大模型的综合评估　177
10.1.1　应用领域　177
10.1.2　性能评估　178
10.1.3　可解释性　179
10.1.4　*性评估　180
10.1.5　大模型的优缺点　180
10.2　大模型对游戏产业的长远影响　181
10.3　大模型的下一步发展方向　182