有时候沉浸在另一个世界很令人愉悦 —— 但如果是创造一个属于自己的世界呢?
在使用人工智能创建角色来练习调情技巧之后,我开始好奇用 AI 构建一个充满角色的完整世界需要什么。最重要的是,我想知道这对非专业人士或铁杆桌游玩家来说是否足够简单。
在浏览各种网站时,我发现了 GameForge AI,它以能够构建超越角色和对话的真实世界而闻名。
什么是 GameForge AI?
GameForge AI 由 Ben Pollack 于 2023 年创立,他将自己在产品管理和创业方面的背景结合起来创建了这家公司。
该平台的主要特点当然是使用 AI 来简化游戏开发过程,减少时间和精力投入。
我对 AI 在游戏领域构建一切的能力非常着迷,所以我深入研究了 GameForge AI 的功能。
如何使用 GameForge AI 构建世界
虽然我没有创建一个完整的游戏 (你可以在 GameForge 中实现,但那将是一个更长的过程),但我发现这个循序渐进的系统是浏览该网站最简单的方式:
1. 在其网站上注册 GameForge AI 平台并验证电子邮件。你还需要创建一个 Discord 账号。
2. 开始一个新项目,描述你想要创建的游戏类型的设定。在这里你可以列出想要游戏世界呈现的初步想法和主题。
3. 你可以开始在游戏中构建角色、游戏、场景、任务和谜题。你可以使用 AI 工具的建议来完善叙事,也可以描述和生成自己的内容。(注意:我发现任何内容生成都需要 5 分钟以上。)
4. 如果你选择 AI 生成叙事,可以调整和自定义内容以符合你的愿景。一旦你使用工具模拟游戏玩法并检查游戏中的任何不一致之处,看看哪些地方可能需要 AI 的帮助。
5. 如果你能完成完整的游戏设计,恭喜!完成项目并准备与朋友分享,包括在其他平台上发布,或继续编辑游戏以产生新的想法。
对于视觉学习者来说,我找到了一个视频,有人挑战该平台在"五分钟内创建一个城市和铁匠铺"。关于他的成功,这位玩家分享道:"在 GameForgeAI 上我可以做很多事情,可以创建图像。我可以同时生成各种各样的东西。这就是我喜欢开始一个新场景的方式,可以获得新的灵感。"
对于像我这样没有耐心的人来说,观看这些视频是个不错的选择。我们想看到 GameForge 能做的一切,但在标准和隐身标签页中都发现 AI 生成速度很慢。
谁应该使用 GameForge AI?
由于 GameForge AI 主要存在于 Discord 上,其设置和功能类似于 AI 驱动的创意写作应用。
GameForge AI 是为...没错,游戏玩家打造的。这包括游戏设计师和对创建自己的游戏感兴趣的创作者、桌面游戏爱好者、学生,以及任何可以轻松在 Discord 账号中添加新服务器的人。
虽然 GameForge AI 的免费版本在游戏设计师模式中功能有限,但每月 12 美元的升级版提供无限实体生成和完整地图集成,以及完全可定制的 AI 生成非玩家角色。这允许增强性能和视觉优化 (即更快的 AI 生成) —— 此外还有客服团队帮助解决问题。
现在,GameForge AI 相对较新,应该与类似平台如 AI Dungeon、NovelAI 和 KoboldAI 进行比较,但 GameForge AI 的目标是专注于世界构建响应,不仅仅局限于对话。它使用"思维链"构建过程,帮助创建复杂的世界和角色,这些角色具有叙事驱动性,并注意到他们与周围世界相关的故事。
如果你喜欢角色扮演游戏,且在构建故事时环境对你很重要,那么 GameForge AI 可能是一个很好的伙伴,可以增强你的视觉世界并按照你的喜好进行导航。或者借助 AI 的帮助。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。