Wolf Games 如何利用 Gemini API 每天打造沉浸式犯罪故事

游戏行业对新鲜有趣的内容的需求永无止境。对于创新型初创公司 Wolf Games 而言，这意味着每天向玩家提供新的互动式犯罪故事。他们正通过利用 Gemini API（尤其是 Gemini 2.0 Flash 和 Gemini 2.0 Flash Thinking）的强大功能，以前所未有的规模生成复杂的故事，从而实现这一宏伟目标。

Wolf Games 面向的是渴望每天体验解谜乐趣的移动游戏玩家和推理爱好者。他们的应用每天都会提供逼真的犯罪现场，包括警方报告、照片、采访和动态角色，让玩家可以定期深入调查新的悬案。

要保持这种每日更新的节奏，需要快速准确地生成内容。在集成 Gemini API 之前，Wolf Games 曾使用过其他模型，但这些模型在生成一致的结构化输出方面遇到了一些障碍（成功率仅为 80%），并且提示执行时间较长（长达 6 分钟）。

“我们在提示执行 DAG 中利用 Gemini API 生成新颖且引人入胜的犯罪故事，”联合创始人兼 CTO Noah Rosenberg 解释道。“我们的流程会精心编排大量微调后的提示，以从本质上非结构化的流程（叙事生成）中生成结构化内容。”

Wolf Games 解决方案的核心是其内部工具“Prompt Composer”，该工具可管理提示执行 DAG。借助此框架，开发者可以集成函数调用、执行自定义 Python 脚本（用于确保名称唯一性等逻辑），并在整个生成过程中管理状态。这样一来，他们便可以：

• 轻松切换不同模型，包括 Gemini 2.5 Pro、Gemini 2.0 Flash 和 Gemini 2.0 Flash Thinking。
• 通过将所有生成的内容（例如角色背景故事和案件事件）存储在持久性数据库中，采用检索增强生成 (RAG) 方法，确保叙事连贯性。例如，在生成数字银行对账单时，引用事件的贝叶斯因果图，该图会绘制出叙事中的逻辑依赖关系，以确保准确性和一致性。
• 强制执行结构化输出（尤其是 JSON），然后使用 Pydantic 等工具进行验证，确保下游的可靠性。

Wolf Games 利用 Gemini 2.0 Flash Thinking 进行复杂的文本生成，该模型具有较大的上下文窗口（超过 10 万个 token）和输出，可整合之前需要多个步骤的工作流程。他们发现，Gemini 2.0 Flash 在处理速度较快的任务时“性能出色且可靠”，并且经常使用 Gemini 2.5 Pro 生成少样本示例，以提升 Gemini 2.0 Flash 的性能。

他们工作流程中的一个关键工具是 Google AI Studio。“Google AI Studio 已成为我最常用的 Google 产品，甚至在日常使用中超过了 Gmail、日历和 Google 搜索。”Noah 分享道，强调了它在提示实验方面的价值。

迁移到 Gemini 模型后，我们取得了显著的改进：

• 准确性更高：提示执行成功率从 80% 飙升至 96%，确保生成高质量的结构化内容。
• 缩短了延迟时间：提示完成时间大幅缩短，从几分钟缩短到不到 20 秒（对于大多数提示）。
• 简化内容制作流程：Gemini 模型（尤其是 Gemini 2.0 Flash）的速度和可靠性显著提升了其每日制作详细犯罪故事的能力。

“Gemini 模型直接满足了我们对快速可靠地生成结构化叙事内容的需求，”Noah 强调道。对于 Wolf Games 而言，一个关键的门槛是生成文本的速度要快于其撰稿人阅读文本的速度，从而保持创意灵感源源不断。Gemini 模型帮助他们始终如一地实现了这一目标。

Wolf Games 计划进一步利用 Gemini API，特别是探索即将推出的模型在生成更逼真的游戏证据方面的创意潜力。回顾自己的经验，Noah 为开发者提供了以下建议：

“花时间真正了解如何为 Gemini 模型构建提示。使用更强大的模型来创建提示，以便更快的模型执行。”他强调了结构良好的架构和少样本示例的重要性，建议开发者“通过实验来直观了解 Gemini 模型如何利用潜在空间中编码的数据”。

对于 Noah 而言，AI 是一种强大的创意催化剂：“我一直是个‘内容笨蛋’…现在，借助 AI，我可以随心所欲地创作，而无需付出大量精力。”

Wolf Games 创新性地使用 Gemini API，展示了其在彻底改变游戏开发方面的潜力，使创作者能够以前所未有的速度打造沉浸式体验。

您可以前往 Google AI Studio 并探索 Gemini API 文档，开始构建 AI 的未来。