Wolf Games 如何使用 Gemini API 每天打造沉浸式犯罪故事

人们对游戏中新鲜有趣的内容的需求不断增长。对于创新型初创公司 Wolf Games 来说，这意味着每天为玩家提供新的互动式犯罪故事。他们利用 Gemini API（尤其是 Gemini 2.0 Flash 和 Gemini 2.0 Flash Thinking）的强大功能，以前所未有的方式生成复杂的叙事内容，从而实现这一宏伟目标。

Wolf Games 的目标客户是渴望每天获得解题体验的移动游戏玩家和推理小说爱好者。该应用每天都会提供逼真的犯罪现场，其中包含警方报告、照片、访谈和动态角色，让玩家能够定期深入研究新的冷案。

若要保持这种每日节奏，就需要快速准确地生成内容。在集成 Gemini API 之前，Wolf Games 遇到了之前模型的障碍，这些模型在提供一致的结构化输出（成功率仅为 80%）和提示执行速度缓慢（最长可达 6 分钟）方面存在问题。

联合创始人兼首席技术官 Noah Rosenberg 解释说：“我们在问题执行 DAG 中利用 Gemini API 来生成新颖且引人入胜的犯罪故事。”“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过程（即叙事生成）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”，用于管理其提示执行 DAG。借助此框架，他们可以集成函数调用、执行自定义 Python 脚本以实现逻辑（例如确保名称唯一），并在整个生成过程中管理状态。这样，他们就可以：

• 轻松在不同的模型（包括 Gemini 2.5 Pro、Gemini 2.0 Flash 和 Gemini 2.0 Flash Thinking）之间切换。
• 通过将所有生成的内容（例如角色背景故事和案例事件）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。例如，在生成数字银行对账单时，引用事件的贝叶斯因果图（用于绘制叙述中的逻辑依赖关系），以确保准确性和一致性。
• 强制使用结构化输出（尤其是 JSON），然后使用 Pydantic 等工具对其进行验证，确保下游的可靠性。

Wolf Games 利用 Gemini 2.0 Flash Thinking 生成具有较大上下文窗口（超过 10 万个 token）和输出的复杂文本，从而整合了之前需要执行多步骤的工作流程。他们发现，Gemini 2.0 Flash 在处理速度更快的任务时“性能出色且可靠”，通常会使用 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款关键工具是 Google AI Studio。“Google AI Studio 已成为我最常用的 Google 产品，在日常使用中甚至超过了 Gmail、日历和 Google 搜索。”Noah 分享道，并强调了该工具在快速实验方面的价值。

迁移到 Gemini 模型后，效果得到了显著提升：

• 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。
• 缩短了延迟时间：大多数提示的完成时间从几分钟缩短到了 20 秒以下。
• 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天制作详细犯罪报道的能力。

诺亚强调：“Gemini 模型直接解决了我们快速可靠地生成结构化叙事内容的需求。”对于 Wolf Games 来说，一个关键的阈值是，生成文本的速度要比其编剧读取文本的速度快，从而保持创作流畅状态。Gemini 模型帮助他们始终如一地实现这一点。

Wolf Games 计划进一步利用 Gemini API，尤其是探索即将推出的模型的创意潜力，以生成更逼真的游戏证据。回顾自己的经验，Noah 向开发者提供了以下建议：

“请花些时间真正了解如何为 Gemini 模型构建提示。使用更强大的模型创建提示，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“开展实验，直观了解 Gemini 模型如何利用隐空间中编码的数据”。

对 Noah 来说，AI 是一项强大的创意催化剂：“我一直是‘内容笨手’... 现在，借助 AI，我可以随心所欲地创作，而无需付出太多努力。”

Wolf Games 对 Gemini API 的创新运用证明了该 API 具有彻底改变游戏开发的潜力，让创作者能够以前所未有的速度打造沉浸式体验。

您可以先在 Google AI Studio 中开始使用，然后探索 Gemini API 文档，开始构建 AI 的未来。