Wolf Games 如何利用 Gemini API 每日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 来说，这意味着每天都要为玩家提供全新的互动式犯罪故事。他们利用 Gemini API 的强大功能，特别是 Gemini 2.0 Flash 和 Gemini 2.0 Flash Thinking，以前所未有的规模生成复杂的叙事，从而实现了这一雄心勃勃的目标。

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。他们的应用程序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了解新的悬案。

要保持这种每日更新的节奏，就需要在内容生成方面做到快速准确。在集成 Gemini API 之前，Wolf Games 在使用之前的模型时遇到了困难，这些模型难以实现一致的结构化输出（成功率仅为 80%），并且提示执行时间过慢（长达 6 分钟）。

“我们在快速执行 DAG 中利用 Gemini API 来生成新颖且引人入胜的犯罪故事，”联合创始人兼首席技术官 Noah Rosenberg 解释道。“我们的流程会精心编排大量提示，以便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”，该工具管理其提示执行 DAG。该框架允许他们集成函数调用，执行自定义 Python 脚本来实现诸如确保名称唯一性之类的逻辑，并在整个生成过程中管理状态。这使他们能够：

• 轻松切换不同型号，包括 Gemini 2.5 Pro、Gemini 2.0 Flash 和 Gemini 2.0 Flash Thinking。
• 采用检索增强生成（RAG）技术，将所有生成的内容（如角色背景故事和案件事件）存储在持久数据库中，以确保叙事连贯性。例如，在生成数字银行对账单时，参考事件的贝叶斯因果图（用于绘制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，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 型号后，性能有了显著提升：

• 提高了准确性：提示执行成功率从 80% 飙升至 96%，确保了高质量的结构化内容。
• 降低延迟：大多数提示的完成时间从几分钟大幅缩短到 20 秒以内。
• 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他们每天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。反思他们的经验，诺亚向开发者们提出了以下建议：

“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：“我一直都是‘内容笨蛋’…现在有了人工智能，我可以创造出任何我能想象到的东西，而无需付出任何辛劳。

Wolf Games 对 Gemini API 的创新性使用，展现了其革新游戏开发的潜力，使创作者能够以前所未有的速度打造沉浸式体验。

您可以从 Google AI Studio 开始，探索 Gemini API 文档，开启 AI 的未来。