当AI模拟的玩家，进入研发工作流
一段新手引导做得很完整，玩家仍可能在进入核心玩法之前离开。是规则没看懂，奖励来得太晚，还是前面的操作已经消耗了耐心？
游戏研发需要不断回答这类问题。有些可以靠经验缩小范围，有些需要做出版本，给玩家体验，再从他们的操作和反馈中找答案。等到问题被看见，策划、美术、程序往往已经围绕原来的设计投入了不少的资源。
硅谷101有一期关于 AI 模拟的讨论，介绍了 Simile 等公司正在尝试的生意：根据真人的资料建立数字分身，让它们面对新产品、新价格和新规则，观察选择怎样变化。
我更关心如果这个方法被验证可行，未来游戏研发的方式会如何变化。一个尚未公开的版本，能否先让不同类型的 AI 玩家体验？一项还在争论的设计，能否先比较几个方案，再决定把制作资源投向哪里？
如果这套预测能在具体问题上稳定奏效，团队就有机会在更早的时候，看见一部分设计的后果。
AI模拟玩家的方法
用 AI 扮演玩家做测试，其实是一项已经持续多年的研究。2018 年的一篇论文就用不同的决策规则构建“程序化玩家画像”，让它们以不同游玩风格探索关卡，帮助设计者观察同一张地图会被怎样使用。1
大模型带来的新尝试，是把一个人的经历、偏好和前后行为纳入模拟。斯坦福研究团队围绕 1,052 名受访者，用访谈、问卷等资料构建智能体，再用未提供给模型的问题检验回答。研究发现，掌握具体个人资料的智能体，比只知道人口统计特征的智能体更能接近受访者的回答。2
在游戏研发中，我们经常会给不同类型的玩家打上一些标签，比如“休闲玩家”、“硬核玩家”之类的。但是这类标签其实参考意义有限，同样每天玩半小时，有人追求轻松完成任务，有人愿意把全部时间投入一场高强度对局。要预测下一步选择，还得知道他之前怎么玩、遇到了什么，以及这次进入游戏想得到什么。
把验证放进设计修改的过程
游戏行业发展到现在，已经有了成熟的测试流程：线下 CE、封测、内测……团队会根据阶段和问题，观察初次体验、长时间游玩、多人互动或版本运行情况。AI 预测可以减少对玩家招募、场地和时间协调的依赖，在设计阶段就让AI模拟的玩家给出反馈。
拿新手引导来说，设计者可以先比较两条路径：一条把规则集中讲完，再让AI模拟的玩家自由操作；另一条只交代当前需要的信息，让AI模拟的玩家在操作中逐步认识系统。
在经济系统里，也可以先改变一种资源的获取方式，观察不同的AI模拟的玩家会如何分配时间、购买物品或参与交易。连续比较几个方案，能够帮助团队决定下一轮真人测试重点看什么，以及哪些设计值得继续制作。
真人测试随后得到的数据，又能帮助团队检查模拟结果。如果模型总是低估新玩家理解一个系统的时间，就需要调整对这类玩家的描述或行为建模；某种模拟反复无法解释实际反馈，团队也就知道该把真人研究投入到哪里。
这样积累下去，测试给出的信息可以同时用于修改游戏和改进下一轮预测，形成正向的自进化飞轮。
研发组织的改变
AI时代，当设计方案变得越来越容易，如果能提前用AI模拟的玩家做验证，项目早期就可以容纳更多次小规模探索。
一支团队可以先比较几条路径，把最关键的疑问弄清楚，再增加制作投入。制作预算的分配，会更多地受到这些早期结果的影响。
这也会改变PM们需要关注的信息结构。除了功能完成度，还要知道这一轮开发的核心目标是什么、哪些目标已经被验证过了，哪些还没有被验证，以及被验证的结果，是否足以支持决策层继续下个阶段的投入。
虽然AI加快了游戏研发的速度，可如果始终没有弄清目标玩家的喜好是什么，项目依然很难决定接下来把资源投入什么方向。
想要更频繁地进行AI模拟玩家测试，还需要更短的协作过程。假如流程是：“策划发起一次测试，用户研究的同事帮助确定目标人群和观察方式，负责AI模拟玩家测试的同事再跑一遍测试，结果输出后再回到设计修改。”——一条这么长的沟通链路，即使模拟测试运行得再快，团队仍然会花很多时间等待。
在很多关于研发团队提效的 AI 分享中，都讨论过成本变化怎样影响工作流程，以及减少岗位依赖的价值。我认为对游戏团队来说，一个很好的方法是，围绕需求的体验设计，让策划、程序和美术更早地参与讨论，共创出体验和落地难度都符合预期的方案。
未来如果 AI 模拟玩家测试成熟，策划修改设计、发起实验，收获反馈；公司层面维护玩家资料、模拟环境和评估工具，并持续优化模型在真实测试中的表现。设计者能够更快得到反馈，专业研究与工程投入也可以被多个项目复用。
这个变化可能让大型公司的历史玩家数据获得新的用途，也可能让小团队通过外部服务补上一部分研究能力。公司之间的差异，会越来越体现在能否把这些经验接到当下的设计问题上，以及得到结果后能多快作出调整。
我期待 AI 预测带来的，是游戏团队能够在昂贵的量产制作之前，认真比较更多种可能。一个方向被玩家喜爱，就逐步增加投入；一个问题反复出现，就尽早修改。
当越来越多这样的决定能够在研发早期发生，项目怎样启动、团队怎样协作、公司怎样分配资源，都会被重新安排。
*@Hao的游戏PM笔记 · *pmnote.ai
参考资料
-
AI开始预测人类：83亿虚拟人格、数字社会，与一门押注未来的生意，硅谷101，发布者原帖。
-
[1] Automated Playtesting with Procedural Personas through MCTS with Evolved Heuristics，2018。
-
[2] LLM Agents Grounded in Self-Reports Enable General-Purpose Simulation of Individuals，2024 年首发，2026 年 6 月修订。