200
晚上和一位美术同事吃饭，他正在尝试用 Agent 搭出一支完整的虚拟美术团队，希望从方向把控到具体生产环节都交给不同 Agent。他对某次原画交付不满意，执行 Agent 给出的方案是继续增加审核流程，并安装更多检查工具。后面又因为安装位置占满系统空间，Agent 转而把刚装好的东西卸载，再换位置重装。
这个过程本身有点荒诞，但问题很典型。Agent 每一步都像是在解决当前问题：质量不够就加审核，空间不够就迁移工具。可它没有先停下来确认，真正要解决的是审美方向、质量标准、工作流缺口，还是单纯的环境问题。它很擅长沿着一个局部目标持续行动，却未必知道什么时候应该质疑这个目标。
这和项目管理里常见的局部优化很像。一个环节出问题，最容易做的是加流程、加表格、加审核人；真正困难的是判断问题到底出在需求、执行还是验收。如果问题在需求定义，后面每增加一道流程，都可能只是让团队更稳定地做错事。
非技术用户缺的往往不是一句神奇提示词，而是一份可验收的任务书
我自己也经常遇到类似困扰：心里知道产物不对，但很难把”不对”翻译成 Agent 能理解、能执行的语言。社区里有一些成熟的方案：讲清任务、补足背景、描述理想输出，把指令、上下文、示例和输入分区，并让 Agent 在执行中持续获取真实环境反馈。进入长程任务以后，还要先计划、留证据、设检查点和停止条件。
把这些做法翻译成非技术用户能直接使用的一份任务书，大致要说清七件事：最终要改变什么结果，为什么要做，哪些资料是权威输入，允许改什么和绝对不能动什么，最终交付什么，怎样算通过，以及遇到冲突或证据不足时什么时候必须停下来问人。审美类任务还要补正反例：不只给一张”我想要的”，也要指出哪些风格、比例、材质或构图即便形式正确，我也明确不要。
这里最容易犯的错，一是只给任务名，比如”做一张能用的原画”；二是只描述操作步骤，没有说玩家或使用者最后应该看到什么；三是用”高级""有感觉""效果好”这类无法证伪的词当验收标准；四是交付不满意后不断追加规则，却不回头重写目标；五是让执行 Agent 自己解释为什么已经做对。提示词的价值不在于把话写得更长，而在于把脑子里的判断变成 Agent 可以观察、可以验证、也可以失败的标准。
关于行业变化，保留一点真实的悲观
聊天最后还是落到了工作还能做多久。我们都不太乐观，也很难给出确定答案。现在能做的，可能就是把每一天当成仍然需要自己负责的一天，把眼前的事情做好，同时尽量把经验从”我会做”转成”我能定义什么叫做对”。
如果 AI 继续压低执行成本，行业不会只奖励最会产出的人。知道什么值得做、能看出哪里不对、能把模糊感觉翻译成标准，并愿意为最后的取舍负责，这些能力反而会更贵。 这不保证岗位不会变化，但至少比单纯和 Agent 比执行速度更有现实意义。
201
高效率不一定会变成职业资产
今天看到一个深度使用 AI 的研发从业者复盘自己的经历。他很早就把 AI 融入工作流，交付速度越来越快，也因此进入了管理层的视野。上面一有新想法，就会找他快速验证、快速做出第一版。
问题是，这类工作里有很大一部分属于方向探索。探索本来就允许失败，很多结果验证完便停止了。站在组织角度，这些尝试并非没有价值；但站在个人职业发展角度，它们很难形成一段清晰、连续、能够被归因的成果。最后留下来的，可能只是”做过很多事”，却很难回答”真正负责并改变了什么”。
管理研究里有一个相近概念叫”不可晋升任务”：它们对组织运转有用，却很少进入个人晋升叙事。AI 让这类任务完成得更快之后，并不会自动消失，反而可能沿着最低摩擦的路径，越来越多地流向那个最好用的人。忙碌证明一个人很好用，持续拥有一个结果，才更容易形成职业资产。
不要只做管理层的手，要成为能交换判断的人
这个案例里让我印象很深的比喻，是”做手，还是做脑子”。一个人执行得越快，越容易成为管理层特别顺手的那只手：临时验证找他，模糊想法找他，没人愿意接的杂活也找他。久而久之，组织对他的认知会停留在”这个人特别能干活”，而不是”这个人能够帮助我们判断什么值得做”。
这也反过来提醒我，使用 AI 的正确方向不是让我自己承接更多执行，而是把执行交给 AI，把人的时间留给思考、取舍和责任。真正稀缺的能力，会从”我能做多少”迁移到”我能否看出什么值得做、什么应该停，以及为什么”。
这背后还有一个奖励机制错位的问题。过去写代码、做文档、完成分析都很贵，产出越多通常意味着贡献越大。现在执行价格快速下降，如果组织还只按产出数量奖励，就很容易掉进古德哈特定律：当一个指标成为目标，它就不再是一个好指标。文档更多、代码更多、验证更多，都不等于更好的业务结果。
对我来说，更值得争取的位置不是”老板想到什么，我都能很快做出来”，而是”老板面对一个模糊问题时，愿意和我交换观点，让我参与判断”。前者依赖速度，后者依赖长期积累出来的判断、信用和对结果的承担。
每个人都可以先做自己人生的 CEO
大部分人没有机会直接参与公司级的战略讨论，也很少能频繁接触真正的高层决策。但这不意味着我们只能等待别人给机会。
每个人至少是自己人生的 CEO。工作、职业生涯、家庭、个人成长，这几件事都需要自己决定资源怎么分配、什么值得投入、什么应该停止。先把自己的这一人公司管好，本身就是最现实的决策训练。
这也让我重新思考个人网站和个人品牌。网站不能只是把已经写过的内容堆在一起，也不能只追求更新数量。它更应该是一份持续生长的判断记录：我长期在研究什么问题，形成了哪些方法，做过哪些取舍，又真正帮助别人解决了什么。
如果执行越来越便宜，个人品牌也不能只证明”我很高产”。更重要的是让别人看见，我如何理解问题、如何做选择，以及这些判断为什么值得信任。内容只是载体，真正需要积累的是一套稳定、可辨认、能够复用的认知资产。
202
今天聊聊过程质量这个话题。
需求进入制作前，先要检查目标、范围、非目标、验收标准、异常情况和跨职能依赖。未来 AI 很适合在这里做第一轮复审：基于已有设计和历史功能，找冲突、遗漏、歧义以及可能没想清楚的地方。但 AI 只能把疑点举出来，不能替专业负责人判断玩法是否成立、方案是否可行。它更像一张持续更新的检查网，把人从重复翻文档里解放出来，把时间留给真正需要经验的判断。
软件工程里常说「测试左移」，指的是把测试从开发末端提前到需求、设计和编码阶段。这个概念放到游戏研发里同样成立，但不能简单理解成让测试同学更早来干活。真正要前移的是质量责任：提出需求的人先证明需求足够清楚，制作的人在提交前完成自测，专业测试负责跨系统和回归风险，最终再由内容负责人验证真实体验。 质量如果永远由最后一个环节兜底，前面的每个人都会自然地把不确定性往后传。
制作过程中的验收，本质上是在用一笔可控的小成本，购买一次提前止损的机会。 美术资源从方向稿到中间产物再到最终效果，每一阶段都可以检查方向是否偏了；程序侧则可以在提交前跑编译、启动、关键流程和历史问题的自动化回归；性能侧把预算和规格变成持续检查，而不是等版本合到一起才发现整体超标。
但每多一个验收节点，团队就会多付一次准备、等待和沟通的成本，甚至为了「看起来能验」提前做一些装饰性工作。所以节点不能平均铺开，更不该为了流程完整而存在。我的判断标准会更简单：晚发现一次的返工损失，是否明显高于多做一次检查的成本。 方向一旦错了就要推倒重来的环节，应该尽早验；错误容易修、影响范围又小的环节，保持轻量抽查反而更划算。
有明确规则的地方，优先用普通工具；只有遇到模糊判断和非结构化信息，AI 才真正有增量。 命名、文件路径、资源规格、依赖关系、编译错误、崩溃日志和性能预算，本来就适合写成确定性规则，没必要为了「用了 AI」再套一层模型。AI 更适合处理策划案之间的语义冲突、从录屏与日志中归纳异常、根据改动推荐回归范围，以及把测试证据整理成开发能直接处理的问题描述。
社区里的成熟实践也基本沿着这个方向：先用稳定的自动化框架跑确定性的功能、联机和性能检查，再让 AI 辅助生成测试、阅读日志或识别异常。完全依赖 AI 自己玩版本、自己判断体验，目前还不适合当主干。AI 能降低检查成本，但它不会自动替团队定义什么叫合格。标准仍然要由人制定，最终体验也仍然要由人负责。
最后一关一定还是完整版本里的真实体验。 需求、资源、代码和性能分别通过检查，只能说明每个零件大体合格，不能证明它们装在一起之后真的好玩、好看、顺畅。到了集成阶段，内容负责人需要自己跑版本、做配置、调体验，再由更高层级的负责人从整体目标出发验收。前面的质量关口负责减少低级错误和返工，最后的人负责判断产品是否成立，这两类验收不能互相替代。
203
今天聊聊AI隐私的话题。团队里有人自己做了一个聚合工作台，把生图和生模型的 API 接在一起，大家不用来回切换账号就能用。然后来问我：用这个 API 上传项目资产，有没有隐私风险？会不会泄密？
我的回答很直白：这东西谁能保证不泄密？我们用的是第三方供应商的中转 API，数据经过他们的服务器，协议里写了什么和实际做了什么，中间有很大的灰色地带。
这引出了一个更大的话题。我们和大模型对话时给出去的信息，很多会被用作后续训练。有一个反直觉的现象：GPT 和 Claude 的免费用户输入内容默认不用于训练，但付费用户在订阅协议里反而标注了可能用于训练。换句话说，你付了钱，反而更容易被拿去训练。 模型公司现在都在亏钱，训练成本靠 C 端加 B 端都回不了本。在这个阶段，即使协议里写了”不会用于训练”，我个人也不太相信；更别说那些明确标注了”可能用于训练”的条款，那基本就是一定会被训练。
我让 AI 做了一次深度研究，以下是几个值得关注的结论：
付费不等于隐私保护。 ChatGPT Plus 和 Claude Pro 的付费用户，对话内容默认会被用于模型训练，除非手动关闭。只有企业版默认不训练。一个 2026 年的联邦法院判决甚至裁定，AI 对话不享有法律保密保护。
第三方 API 是游戏团队的隐形风险面。 游戏团队使用第三方 AI API 时，数据经过供应商服务器，合同条款往往没有跟上 AI 模型训练数据的特殊性。87% 的安全团队在用 AI 服务，但只有 13% 有 AI 专项安全策略。供应商可能将数据存储在不同司法管辖区，甚至用于训练自己的模型。
AI 治理正在从”建议”变成”合规要求”。 欧盟 AI 法案和 Cyber Resilience Act 正在把 AI 使用从”自律”推向”他律”。游戏行业因为涉及多平台、多司法管辖区、未成年人保护等复杂因素，AI 治理的复杂度比一般行业更高。
AI 隐私的核心矛盾不是”能不能保护”，而是”在这个阶段，模型公司有没有动力保护。” 当所有头部公司都在亏钱、都需要更多训练数据来追赶或保持领先时，“不会用于训练”的承诺缺乏强制约束力。对项目团队来说，也许需要考虑建立自己的分级标准——什么级别的资产可以走第三方 API，什么级别必须走本地部署或签了保密协议的企业通道。
204
最近使用codex开发的游戏demo，这个项目已经连续跑了一段时间，正好适合做一次阶段性复盘：机器的工作量很大，界面、战斗信息展示和角色动画也开始有了样子，但我到现在还没有真正玩起来。
这也是今天最真实的感受。看单个界面截图，很多东西已经到了”能看”的水平，但还没法玩。长程 Agent 任务最容易制造的错觉，就是过程一直在向前，结果却迟迟没有穿过可用门槛。
虽然每天的吞吐量都有好几亿token，但**高吞吐不等于高产出。**这些数字最多只能说明机器一直在工作，不能证明游戏更接近可玩。后面我更想看的不是消耗了多少，而是几个更接近结果的信号：首个可玩闭环什么时候出现，我每轮需要介入多少次，同一问题返工了几轮，卡点从出现到升级花了多久。消耗量可以用来观察吞吐，真正的进度只能由可运行、可体验、可验收的结果来定义。
Agent 对现成资产的理解已经过了及格线，但从”看懂”到”稳定接入”之间还有很长一段路。 我买的素材本身分类很复杂，角色原画、动作、特效和不同状态混在一个目录里，Agent 基本能识别攻击、受击、死亡等内容，也能拿这些元素拼出界面和战斗信息展示。从截图看，组合和排版已经能用了。
但一旦进入真正的工程接入，问题就明显增多。素材格式、授权限制和引擎适配会让它绕很多弯路，而我又不是具体研发岗位，很难从代码层面判断它到底走得对不对。另一方面，让它自己生成图标时，结果仍然有明显的 AI 味。现在的边界比较清楚：识别、整理和重组现成视觉资产已经可用，原创视觉设计和复杂资产管线还不能只看一次交付就放行。
这轮实验没有让我得出”AI 已经能独立做游戏”的结论，反而让我更清楚地看到人的精力会换一种方式被消耗。 我几乎放开了所有可逆编辑权限，只保留不允许删除本地文件这条底线，理论上已经尽可能减少人工干预。但实际花掉的注意力依然很多：要解释目标、判断路线、追问卡点、搬运信息，再看截图做阶段验收。
这说明全流程交给 AI，并不等于人可以完全离场。人的工作从亲自制作变成了定义目标、设置门槛、处理例外和承担最终判断。只是现在系统还不成熟，我做了太多低价值的协调工作。如果一个多 Agent 系统长期依赖人肉转发，它只是把执行自动化了，还没有把协作自动化。
日更完整版在飞书：Hao 的工作思考