Wolf Games 如何運用 Gemini API 製作每日犯罪故事

玩家對新鮮有趣的遊戲內容需求不斷增加，對於創新型新創公司 Wolf Games 來說，這代表每天為玩家提供全新的互動式犯罪故事。他們利用 Gemini API 的強大功能，尤其是 Gemini 2.0 Flash 和 Gemini 2.0 Flash Thinking，以前所未有的規模產生複雜的敘事內容，進而達成這項遠大目標。

狼遊戲針對的是行動遊戲玩家和喜歡解謎遊戲的玩家，他們希望能每天體驗解決問題的樂趣。他們的應用程式每天都會提供逼真的犯罪現場，包括警察報告、照片、訪談和生動的角色，讓玩家能定期深入研究新的懸案。

要維持這個每日節奏，就必須快速且準確地產生內容。在整合 Gemini API 之前，Wolf Games 遇到了一些問題，因為先前的模型無法提供一致的結構化輸出內容 (成功率只有 80%)，而且提示執行時間過長 (最多六分鐘)。

共同創辦人兼 CTO 諾亞・羅森伯格 (Noah Rosenberg) 解釋：「我們在提示執行 DAG 中運用 Gemini API，產生新穎且引人入勝的犯罪故事。」「我們的程序會精心安排大量提示，從本質上非結構化的程序 (即敘事生成) 產生結構化內容。」

Wolf Games 解決方案的核心是內部工具「提示音樂製作人」，用於管理提示執行 DAG。這個架構可讓他們整合函式呼叫、執行自訂 Python 指令碼來處理邏輯 (例如確保名稱不重複)，以及在整個產生程序中管理狀態。這可讓他們：

• 輕鬆切換不同模型，包括 Gemini 2.5 Pro、Gemini 2.0 Flash 和 Gemini 2.0 Flash Thinking。
• 採用檢索增強生成 (RAG) 技術，將所有產生的內容 (例如角色背景故事和案例事件) 儲存在永久資料庫中，確保敘事內容的一致性。舉例來說，在產生數位銀行對帳單時，您可以參照事件的貝葉斯因果圖表，將敘述中邏輯依附性一覽無遺，確保資料準確且一致。
• 強制使用結構化輸出內容，尤其是 JSON，然後使用 Pydantic 等工具進行驗證，確保後端的可靠性。

Wolf Games 運用 Gemini 2.0 Flash Thinking 生成複雜的文字，並透過大型脈絡窗口 (超過 10 萬個符號) 產生輸出內容，整合先前需要多個步驟才能完成的工作流程。他們認為 Gemini 2.0 Flash 的效能和可靠度都非常出色，因此經常使用 Gemini 2.5 Pro 產生少量範例，以提升 Gemini 2.0 Flash 的效能。

他們工作流程中的重要工具是 Google AI Studio。「Google AI Studio 已成為我最常使用的 Google 產品，甚至比 Gmail、日曆和 Google 搜尋更常用。」Noah 表示，強調這項工具可快速進行實驗的價值。

遷移至 Gemini 模型後，我們發現有以下顯著改善：

• 提升準確度：即時執行成功率從 80% 飆升至 96%，確保提供高品質的結構化內容。
• 減少延遲時間：大部分提示的完成時間從數分鐘大幅縮短至 20 秒以下。
• 簡化內容製作流程：Gemini 模型 (尤其是 Gemini 2.0 Flash) 的速度和可靠性大幅提升，讓團隊每天都能製作詳細的犯罪新聞。

「Gemini 模型可快速且可靠地產生結構化敘事內容，滿足我們的需求。」Noah 強調。對 Wolf Games 來說，關鍵門檻是能否在創作者閱讀前，更快地產生文字，維持創意構想狀態。Gemini 模型有助他們持續達成這項目標。

Wolf Games 計畫進一步運用 Gemini API，特別是探索即將推出的模型創意潛力，以產生更逼真的遊戲證據。回顧這段經驗，Noah 提供以下建議給開發人員：

「請花時間仔細瞭解如何為 Gemini 模型建立結構化提示。使用更強大的模型建立提示，讓速度更快的模型執行。」他強調結構良好的結構定義和少量範例的重要性，並建議開發人員「執行實驗，以便直觀瞭解 Gemini 模型如何運用隱含空間中編碼的資料」。

對 Noah 來說，AI 是強大的創意催化劑：「我一直是個『內容笨手笨腳』的人... 有了 AI，我可以隨心所欲創造萬物，不必費盡心力。」

狼遊戲公司以創新方式運用 Gemini API，證明瞭這個 API 有潛力徹底改變遊戲開發作業，讓創作者以前所未見的速度製作出身歷體驗。

您可以先在 Google AI Studio 中著手操作，並參閱 Gemini API 說明文件，開始建構 AI 的未來。