企业官网建设流程全解析

前两天有个朋友在群里问了一句话：AI这么猛，我们做游戏的到底该上岸还是上桌？群里瞬间吵成一锅粥。有人说，上岸就是拿一份稳定饭碗，老老实实把工作保住；也有人说，上桌才是正解，掌握AI、成为牌局里的玩家。我看了半天，发现大家不是在讨论工具，而是在讨论自己怎么定义价值。今天不整虚的，就基于我自己做过的一些项目和踩过的坑，聊聊AI到底改变了什么，上岸要付出什么代价，上桌需要什么姿势，以及你现在可以立刻动手做的几件小事。

1. 先把选择题读透：AI到底动的是哪几张牌

1.1 美术、程序、策划、测试：四拨人的冲击完全不同

很多文章喜欢说“AI会让游戏行业全员重构”，这话太笼统了。实际干活的人都知道，美术、程序、策划、测试面对AI的处境完全不一样，焦虑的侧重点也完全不一样。

美术岗是焦虑感最强的。文生图工具把概念阶段的速度拉升了几个量级，以前一个概念设计师一周给三五张方向稿，现在AI一小时就能给你二十张。但出图快不等于出资产，不等于能落进引擎里用。真正的项目里，精灵拆帧、骨骼适配、色彩空间统一、风格锚定这些事，AI自动化的程度其实远没有宣传里那么高。我看到过一些团队把一堆AI图直接堆进界面，单看每张都很漂亮，合在一起气质很杂，玩家一眼就能感到“脏”。所以美术这边真正被冲击的，是纯执行类的“替AI擦屁股”环节，而不是“定方向”的环节。

程序岗反而是工具红利最明显的。代码补全、单元测试生成、技术文档整理这些场景，确实让重复劳动变少了。但游戏程序不是纯业务开发，引擎里的隐式模块交互、生命周期问题、性能剖析、多平台兼容，这些东西靠大模型“生成”往往只是给你一个看似能跑的答案，真正稳定落地还是需要人判断。更关键的是，AI生成的代码有很强的一本正经感，它非常自信地写错一个API调用，如果你不读日志，可能调试一个晚上都找不到问题。

策划岗比较微妙。AI可以帮你把策划案整理得有模有样，甚至能给出一套看起来很完整的系统拆解。但你只要真做过项目就知道，文档漂亮和玩法成立是两回事。AI能生成一百个任务分支，可玩家到底在哪一步感到无聊、哪一刻被“爽到”，这是AI通过文本很难模拟出来的体感。数值可以被模拟，但击退感、打断感、成长节奏这些“手感”，仍然要人去调。

测试岗则是被低估的受益者。基于大模型的自动化探索，可以在几分钟内跑出大量异常场景和崩溃日志；但游戏测试里最有价值的部分，是“这件事虽然没报错，但它让人难受”——这种主观体验反馈，目前只有真人能提供。AI能告诉你“玩家可能卡在第三章”，但它很难替你感受那种卡住时的烦躁到底有多少。

1.2 水涨与船沉：被缩小的坑和被放大的价值

看岗位变化，千万别只看“哪些职位会消失”，更要看“哪些能力的价格在上涨”。过去半年我观察到，游戏团队的招人需求正在发生一次显而易见的换血：纯执行类的岗位在收缩，跨领域整合型的岗位在增加。

简单列个对照表：

被放大的能力，基本集中在“判断”和“整合”。比如一个人能独立跑通“AI出概念图-人修风格-进引擎预览-反馈调整”这条链路，哪怕他没有多资深，在中小团队里也会变得非常抢手。再比如一个人能把大模型的对话能力接进NPC逻辑，同时又懂状态机和叙事的节奏，这基本上就是一个低成本版本的“叙事技术策划”。

说白了，水涨的时候大家都觉得自己飘起来了；水退的时候才知道谁在裸泳。AI没有让好人和坏人之间的距离变近，反而拉大了“只会按按钮”和“知道按哪个按钮、为什么按”之间的差距。

2. 上岸没有错，但别把“稳定”错写成“静止”

2.1 上岸的真实含金量：风险管理而不是躺赢

“上岸”这个词现在有点被污名化了，好像只有不敢面对变化的人才会选。但实际选择上岸的人，很多并不是不懂AI，恰恰是太懂风险了。我认识一位专做关卡手感调优的朋友，他的工作方式就是用AI大量生成调节参数组合，再由他逐项在引擎里试。他对外形容自己“像个老中医”，AI给方子，他把关。这个定位非常稳，因为他的核心价值从来不是“会跑引擎”，而是“能分辨手感好坏”。

这才是真正意义上的上岸：你用一种更稳定的姿势，把饭碗焊死在自己最有优势的那块地基上。它不是拒绝工具，反而要求你把工具变成巩固护城河的手段。如果你理解成“只要环境稳定我就可以不学了”，那就危险了。因为AI淘汰的不是学了三天工具的人，而是完全不打算更新认知的人。

我在实操里见过一种特别可惜的情况：有人用了AI一个月，发现生成质量不够好，就扔下一句“AI不行”然后回到老工作流。这不是上岸，这是把头埋在沙子里。真正的稳定，是在变量越来越多的时候，把自己能控制的那部分变量管到极致。

2.2 什么样的人适合上岸：三条判断标准

想判断自己适不适合走“上岸”这条路线，我给你三个特别实际的标准，不是性格测试那种虚的，而是基于你的生活结构和资源条件来判断。

第一条，看你当前阶段的时间刚性。如果你正处于需要大量时间照顾家庭、或正在准备某个重大考试、或者精力分配极度分散的阶段，那么“学十个新工具”的投入产出比就非常低。这种情况下，把现有技能的垂直深度做透，用AI辅助而非依赖AI转型，是更理性的选择。

第二条，看你对不确定性的容忍上限。上桌意味着你要接受工具天天变、今天学会的工作流下周可能就要推翻重来。如果这种持续变动会让你失眠，那就不适合。别以为这叫“不够拼”，这只是风险偏好不同。知道自己吃几碗饭，本身就是一种很强的能力。

第三条，看你在旧体系里的积累是否足够深。一个做了八年的技术美术，对渲染管线和风格化表达的理解非常深刻，这种人没必要为了追AI标签而强行转行；他真正该做的，是把AI塞进自己熟悉的管线里当外挂。反过来，如果你在旧体系里的积累本来就比较浅，也谈不上多热爱，那“上岸”可能只是在延缓一个迟早要面对的问题。

3. 上桌的正确姿势：从看客变参与者的三步走

3.1 先把手头的AI工具用到肌肉记忆

说实话，我见过太多人一开始就想着搭建一个宏大AI管线，结果两周过去了还在研究提示词该用哪种格式。想上桌，第一步特别土：把手头最常用的AI工具练到不用想就能用，让它们成为你的肌肉记忆。

具体怎么练？我建议你找一个正在进行的、真实的游戏小任务，不要拿玩具练习。比如你要给一个角色写十句巡逻时的自言自语，那么目标就是让AI十分钟内给出可用初稿，然后你在初稿上改到“能进游戏”而不是“文笔很好”。在训练时，把提示词按“产品需求文档”的写法来组织，格式可以参考：

角色：你是游戏里的酒馆老板，说话粗鲁但内心善良。 目标：写一段玩家第一次进店时的欢迎对话。 约束：不要透露主线剧情；每句不超过30字；要有2个选项供玩家回应。 输出格式：对话脚本，含两个选项标记。

这比直接说“帮我写一段游戏对话”要好用得多。背后的逻辑也很简单：AI不是读心术，你给的信息越像一份任务简报，它越知道该怎么干活。这个习惯一旦养成，你在任何工具上都能快速上手。

3.2 让AI进入工作流，而不是只替换工作段

很多团队用AI的方式非常粗暴：某个环节原来人做要三天，现在AI做要一小时，然后人就丢了。这种方式短期内省的是钱，长期却会制造一堆“看起来能用但接不动”的半成品资产。真正吃AI红利的方式，是把AI嵌到工作流里，让整个流程的长度和反馈速度发生变化。

举一个很实际的例子。你在设计一个隐藏任务线时，传统做法是先写文档、评审、配置、测试，改一轮下来要一周。如果工作流里加入AI，你可以在写文档之前，先生成一个任务线骨架，包括事件节点、触发条件、奖励结构，然后直接在游戏原型里做一版灰盒验证。AI在这里的核心价值不是替你写文案，而是把“验证假设”的周期从一周压缩到一天。因为你试错的成本变低了，你解决问题的概率就变高了。

我在自己的流程里常做的一件事是：让AI生成三五个“看起来会被毙掉的坏点子”，再让人从中分析为什么坏。这个过程看似浪费，其实特别能帮团队打开思路。因为人往往被“正确”框住，而AI没有这种负担。用它的胡说八道来反衬你真正想要的边界，这比直接大模型生成方案更有用。

3.3 做创意的导演，而不是材料的复印机

“上桌”最容易出现的误区，是一切都交给AI。生成美术、生成文案、生成音乐、生成代码，看起来产量庞大，最后拼在一起却像一锅乱炖。我做过的几次项目里，只要出现这种情况，问题几乎都出在“缺少导演”。

导演的工作不是每个镜头都自己画，而是决定什么该被看见、什么不该被看见、什么情绪要在哪一刻释放。做游戏也是一样。AI给你二十条角色台词时，你的职责不是全部收下，而是只保留三条最符合角色弧光的，再把剩下十七条删掉。这个“删”的动作，就是设计的价值。

实际操作中，我会给AI设置一个“禁止清单”。比如明确的风格束缚：不要用网络搞笑梗、不要出现现代词汇、所有对白必须符合角色的教育背景。这看起来是在限制AI，本质上是在提前替整个项目划定美学边界。当AI在边界里工作时，它产出的东西才真正能帮到项目。记住：AI是你手下的外包团队，你自己是那个懂剧本、懂风格、懂情绪节奏的导演。导演可以一天不碰画笔，但不能不知道自己要什么。

4. 一个可以照抄的实操记录：两周做出一个可玩Demo

4.1 立项就定好的两条边界

光聊概念没用，我拿最近自己做的一个小项目当例子讲讲。某款像素风叙事小游戏，计划两周内出可玩的实验版本。立项的时候我就给自己定下两条边界：第一，玩法必须单一且完成度高，不做开放性世界那种空想；第二，美术风格统一优先于美术精度，宁可图丑一点，不能气质乱。

这个Demo的设定很简单：玩家扮演一个旧街角的杂货店店员，三位性格不同的NPC会在不同天气来买东西，玩家通过对话了解他们的故事，并影响其中一位NPC是否搬离街区的结局。整体流程大概十到十五分钟，分支不多，但情绪节奏要有起伏。

工具方面我用的很杂：对话和文案生成用某个通用大模型，像素素材用文生图工具出基础稿再手工修；音效用免费声音合成平台上做；代码骨架让AI先生成再用引擎调。我不细说具体某个工具，因为这东西更新太快，真正重要的是分工思路：凡是“一次性生成内容多、容错率高”的环节，尽量交给AI；凡是“反复被人感知、错了就很出戏”的环节，必须人来兜底。

4.2 时间到底花在哪：实测记录与省时真相

我按真实时间顺序记一下两周的分配，方便你对照参考。

你可能看出来了，AI真正省时间的环节是“文本初稿”“代码骨架”“重复性探索”，但总时长并没有变成零。最花时间的反而是“风格统一”“手感调整”“情绪节奏控制”这三件事，而且这三件事AI越努力，人越要做更多筛选和纠偏。

我之前以为AI能帮我两周做一个游戏，事实是AI帮我两周做完一个游戏里更厚的草稿箱，然后我花剩下的一半时间把草稿变成像样的东西。这个认知很关键，它会避免你对AI产生不切实际的期待。

4.3 真人必须死盯的三个失控点

做这个小Demo的过程里，我踩了三个特别典型的坑，单独拿出来说。

第一个是风格漂移。我让AI生成了十张像素街景参考图，单看每张都很有味道，但放在同一个街角场景里，就会发现窗户样式、砖块颜色、阴影方向全对不上。解决办法：固定一个“风格锚”，也就是确定三张核心图，每次生成都拿它们当参照，并在提示词里反复强调同一个视觉关键词；生成之后再用一个统一调色模板二次处理。这招治标治本的前提是，风格决策必须由人先定死。

第二个是对话AI翻车。我设计的NPC里有一位是老奶奶，结果模型偶尔会让她说出“哈哈哈你真Young”这种网络梗，一秒出戏。原因是大模型没记住人物小传里的边界信息。我后来在调用层面加了严格的上下文约束：每次请求都重新注入角色设定，同时把温度参数调低，禁止发散。这提醒我一个道理：AI对话NPC不是接入一个模型就完事，你还得给它装好“人设围栏”。

第三个是合规问题。AI生成的素材里有部分涉及不确定的授权边界，商业项目里这是很大的隐患。我给自己定的规矩是：AI生成物都做留痕，关键素材至少经过一次实质性人工修改，并明确记录是谁、什么时候、改了什么。这不只是风险控制，很多时候也是质量提升，因为人工修过的那一版往往比模型直接吐出的一版更像“作品”。

5. 疑虑清单：不知道能不能用、会不会被裁、还要不要爱

5.1 用AI生成的内容到底能不能进商业项目

这个问题每天都有新人问。我的回答很务实：先别看网上那些“AI生成物版权归谁”的争议贴，那是法务们的事；你要做的是先把你正在用的每个平台、每个模型的服务条款读一遍。不同工具对生成物的商业化授权范围完全不同，有的宽松，有的严格，有的只限于个人学习。

在此基础上，我建议把你所有会进商业包的AI素材当“外包交付物”来管理：登记来源、记录生成参数、标记人工修改比例。如果你的合同或公司规定里明确说不能使用AI生成内容，那就别用，别为了效率透支自己的职业生涯。如果公司没有明确说法，那就主动找负责人确认，别自己猜。这件事没有标准答案，但一切留痕永远是低风险做法。

我还想说一句容易被忽视的话：不要把你的密码、用户隐私数据、未公开的商业计划书随意喂给公网上的AI服务。这在很多大厂是被禁止的，因为它可能构成数据泄露。做项目时给自己画一条数据安全线，和画内容合规线一样重要。

5.2 “团队在缩编，我还学这些干什么”

有朋友跟我聊过，说团队里负责写简单配置表的岗位被砍了，他很慌，觉得自己可能是下一个。我的观点是，看到岗位被砍先别急着代偿，先看被砍掉的工作到底属于“执行”还是“决策”。配置表填写的执行环节被AI替代，不等于“用配置表组织任务”这件事没有价值了。后者需要的是：理解配置表背后的系统结构、知道一个参数改动会波及哪里、能向AI准确地描述需求。

说得再直白一点，如果你现在的工作内容可以被写成一份操作手册，那么它早晚会被自动化；如果你工作里有一部分是把模糊需求翻译成清晰问题，这部分非常难被替代。所以与其焦虑“团队还会不会要我”，不如开始盯住那些“需要人来解释清楚”的瞬间，把那部分能力做深。

这个阶段还有一件很反直觉的事：机会往往出现在事故现场。AI生成的内容出问题时，比如风格乱、逻辑崩、数据串了，你需要成为那个能立刻修复的人。当你能把AI造成的问题快速收拾干净，你在团队里的价值反而会上升，因为大家发现你还多了一项“消防员”技能。

5.3 想继续做美术/程序/策划，怎么调心态

我聊过很多创意岗位的朋友，大家最深的恐惧其实是：“我学了七八年的手艺，是不是一下就过时了？”我的回答是：手艺没有过时，过时的是只用手艺复制已知风格。AI可以把已知风格做到七八十分，但做不出一个人投入情感之后才会有的那种“偏差”——那个偏差才是作品的灵魂。

所以想继续做美术，你就盯住两件事：一是建立别人模仿不来的个人语言，比如你对色彩情绪的理解、对单机叙事节奏的偏好；二是学会把AI当你的画笔扩展工具，而不是替代你的观察方法。程序也一样，你会写代码是一回事，你能判断一个复杂系统的性能瓶颈并在AI的辅助下快速重构，那是另一回事。

策划则需要找回“亲自试玩”的习惯。AI可以给你写一百页的数值公式，但不能替你坐在屏幕前感受那一百次点击里，哪一次让你起了一身鸡皮疙瘩。那种感觉只有真人能体会，而它永远是一款游戏成立的根基。

6. 做选择之前，先给自己做一张“上桌/上岸评估表”

6.1 五个维度的打分表：欲望、风险、时间、资源、性格

与其在网上刷一百篇“应该上岸还是上桌”的观点，不如花二十分钟给自己打一个分。我设计了一张特别简单的评估表，完全基于你自己的现状，不需要跟别人对照。

打分的时候别骗自己。总分在15分以下，说明你现在的外在条件更适合“上岸路线”，也就是用AI巩固现有优势、降低风险；总分在35分以上，那你别犹豫，直接“上桌”，把精力投入AI驱动的创新流程；中间段的朋友，建议你走一条折中路线：工作中求稳，业余时间里做AI小实验，让两边的信息互相流动。

这个表格最大的价值不是替你选，而是逼你看到“你以为的”和“你实际的”之间的差距。我见过很多人嘴上说着拥抱AI，实际家里一个练习项目都没有；也有很多人说自己只想安稳，结果天天熬夜研究新插件。看清楚自己到底在哪，比选哪个答案更重要。

6.2 不管你暂时怎么选，都建议做的三件事

哪怕你最后决定不追AI浪潮，只求稳扎稳打，我也建议下面三件事长期坚持。

第一件，把作品集改成“过程式”。不要只放最终成品，把AI生成草稿、你的修改痕迹、迭代记录一并保留。这会让面试你的人看到，你是一个会利用工具但又不盲从工具的人。展示过程本身就是一种设计能力。

第二件，给自己设一个“三月小实验”的节奏。每三个月拿出一个周末，做一个跟当前工作无关的小东西，AI含量随意。它的目的不是产出商业作品，而是维持你对“新可能”的感知力。很多人不是被时代淘汰的，是被自己的惯性淘汰的。

第三件，保持对外输出。把你在项目里踩过的坑、用AI解决某个小问题的过程记录下来，哪怕只是发在个人动态里。这不只是在积累影响力，更是逼你把自己的经验结构化。一个能把经验讲清楚的人，在任何桌上都不太会缺位。

最后聊点个人体感。我见过不少同行，这两年不是在忙项目，而是在忙焦虑。AI改动行业的速度比想象中快，但淘汰人的往往不是AI本身，而是那种“既不敢全力改变，又不愿安心积累”的悬空状态。如果让我给一个答案，我会说：生活线上不妨偏“上岸”一点，把现金流和精力守住；认知和能力线上则要偏“上桌”一点，每周固定留出时间玩点新东西。工具还会换很多轮，重要的是你清楚自己在哪张桌上，以及为什么坐在这里。