Wolf Games 如何運用 Gemini API，每天打造引人入勝的犯罪故事

遊戲玩家對新鮮有趣的內容需求永不滿足，對創新新創公司 Wolf Games 來說，這表示每天都能為玩家提供全新的互動式犯罪故事。他們運用 Gemini API 的強大功能 (尤其是 Gemini 2.0 Flash 和 Gemini 2.0 Flash Thinking)，以前所未有的規模生成複雜的敘事內容，實現這項雄心勃勃的目標。

Wolf Games 的目標對象是行動遊戲玩家和推理迷，他們每天都想體驗解決問題的樂趣。這款應用程式每天都會提供逼真的犯罪現場，包括警方報告、照片、訪談和動態角色，讓玩家定期深入調查新的懸案。

如要維持這種每日更新的頻率，就必須快速且準確地生成內容。整合 Gemini API 前，Wolf Games 使用的舊模型無法穩定輸出結構化內容 (成功率僅 80%)，且提示執行時間緩慢 (最長達六分鐘)，因此面臨許多障礙。 共同創辦人兼技術長 Noah Rosenberg 說明：「我們在提示執行 DAG 中運用 Gemini API，生成新穎有趣的犯罪故事。

「我們的程序會協調多個經過微調的提示，從本質上非結構化的程序 (敘事生成) 中產生結構化內容。」

Wolf Games 解決方案的核心是自家工具「Prompt Composer」，可管理提示執行 DAG。這個架構可讓他們整合函式呼叫、執行自訂 Python 指令碼 (例如確保名稱不重複)，以及在整個生成過程中管理狀態。這樣他們就能：

• 輕鬆切換不同模型，包括 Gemini 2.5 Pro、Gemini 2.0 Flash 和 Gemini 2.0 Flash Thinking。
• 將所有生成的內容 (例如角色背景故事和案件事件) 儲存在永久性資料庫中，運用檢索增強生成 (RAG) 技術，確保敘事連貫性。舉例來說，在生成數位銀行對帳單時，參照事件的貝氏因果圖，繪製出敘事中的邏輯依附關係，確保準確性和一致性。
• 強制執行結構化輸出 (特別是 JSON)，然後使用 Pydantic 等工具驗證，確保下游的可靠性。

Wolf Games 利用 Gemini 2.0 Flash Thinking 產生具有大型上下文視窗（超過 10 萬個標記）的複雜文本，並進行輸出，從而簡化了先前需要多個步驟的工作流程。他們認為 Gemini 2.0 Flash「效能極佳且可靠」，可加快工作速度，並經常使用 Gemini 2.5 Pro 生成少量範例，提升 Gemini 2.0 Flash 的效能。

Google AI Studio 是他們工作流程中的重要工具。「Google AI Studio 已成為我最常使用的 Google 產品，甚至超越了 Gmail、日曆和搜尋的每日使用量。」Noah 分享道，並強調這項工具在提示實驗方面的價值。

改用 Gemini 模型後，我們發現了顯著的進步：

• 提升準確度：提示執行成功率從 80% 提高至 96%，確保產生高品質的結構化內容。
• 減少延遲：大多數提示的完成時間大幅縮短，從幾分鐘降至 20 秒以下。
• 精簡的內容製作: Gemini 機型的速度和可靠性，尤其是 Gemini 2.0 Flash，顯著提高了他們每天製作詳細犯罪故事的能力。

“Gemini 模型直接滿足了我們對快速可靠地生成結構化敘事內容的需求，”諾亞強調。對 Wolf Games 來說，一個關鍵的門檻是生成文字的速度要比他們的作家閱讀文字的速度更快，從而保持他們的創作狀態——Gemini 模型幫助他們一直實現了這一點。

Wolf Games 打算進一步運用 Gemini API，特別是探索即將推出的模型在創意方面的潛力，生成更逼真的遊戲證據。反思自己的經驗，Noah 向開發者提出了以下建議：

「花時間真正瞭解如何為 Gemini 模型建立提示。使用功能更強大的模型來建立提示，以便更強大的模型執行操作。 他強調結構良好的結構定義和少量樣本的重要性，建議開發人員「進行實驗，直覺瞭解 Gemini 模型如何運用潛在空間中編碼的資料」。

對諾亞來說，人工智慧是一種強大的創意催化劑：“我一直都是個‘內容創作笨蛋’…” 現在有了人工智慧，我可以創造出任何我能想像的東西，而無需付出任何辛勞。

Wolf Games 對 Gemini API 的創新性使用，展現了其革新遊戲開發的潛力，使創作者能夠以前所未有的速度打造沉浸式體驗。

你可以開始Google AI Studio和查閱 Gemini API 文檔開始建構人工智慧的未來。