最近跟很多做 AI 游戏开发的朋友聊天大家都有个共同的焦虑大模型更新太快了今天花大价钱做的东西明天模型一升级会不会直接就没用模型明天变强一倍你今天做的东西到底是增值了还是直接归零前三篇我们聊了怎么打通通道、怎么自动扩展能力、怎么保证落地质量全是具体的怎么做。今天我们中场休息一下聊聊怎么想 —— 到底什么才是真正值得你投入的事什么事其实是在做无用功。1. 一切都是上下文再聪明的 AI也需要老员工带你有没有过这种经历 招了个清华毕业的高材生新人能力超强学习能力拉满但是刚来公司的前两周他啥也干不了。不是他笨是他不知道咱们公司的规矩咱们这个项目里Boss的伤害公式藏在哪个隐秘的文件里之前那个奇怪的代码写法不是写错了是为了绕开某个老版本引擎的bug跨部门对接的时候哪个接口是不能随便改的这些东西没有写在任何通用的教程里是咱们这个项目独有的 隐性知识。你得把这些告诉他他才能把他的聪明才智用在刀刃上。AI 也是一模一样的道理。现在的大模型已经 读过整个互联网 但是它对你的项目一无所知它不知道你这个 UE 项目里的 API 有什么坑不知道你们团队的开发习惯不知道那些只有你们才懂的 潜规则。 了通用能力拉满就像那个清华新人。所以让 AI 帮你干活本质上就是把这些项目独有的 上下文喂给它让它的通用能力跟你项目的具体情况对齐。这就是我们说的 知识层—— 把那些隐性的经验写成文档变成 AI 能读懂的文本。最爽的是这玩意儿是越用越值钱的同样一份项目文档用旧模型AI 能写对 80% 的代码用新模型AI 能写对 95% 的代码。你花时间写的这份文档不会因为模型升级而过期反而会被新的模型自动放大价值。模型越强它能从你给的上下文里提取的价值就越多。当然这有个前提你得持续维护它。 代码每天都在改文档写完的那一刻就开始跟真实系统脱钩了。如果不维护三个月后这份文档一半都是错的反而会变成负资产。2. Harness 是什么就是知识库的收纳整理术一开始你写个三五份文档很简单AI 用着也挺好。 但是慢慢地你的知识库越来越大十几份、几十份文档问题就来了把所有文档都塞给 AI它的注意力被稀释了反而越做越错只读一份又漏掉了跨模块的联动信息旧文档和新文档互相矛盾AI 不知道该信哪个代码改了文档没更新AI 拿着过期的信息瞎写。这是不是很像你家里的情况 一开始东西少随便扔哪儿都能找到。后来东西越来越多衣服、文件、杂物堆了一桌子找的时候翻半天越找越乱。这时候你怎么办你开始做收纳把文件分类归档要用的时候再拿出来给每个盒子贴标签知道里面装的是什么定期清理过期的东西把没用的扔掉定个规矩用完的东西要放回原位。Harness就是干这个的。它不是什么高大上的黑科技就是一套帮你把庞大的知识库依然能保持整洁好用的“整理术”。每一个 Harness 的动作都是在解决 AI 的某个局限写个验证脚本就是怕文档过期了定期检查一下按需加载文档就是怕东西太多塞不下用的时候再拿规则检查就是怕 AI 不听话把 建议 变成 不过就不让过。而且最关键的是Harness 不能提前做。很多人一看哦OpenAI 说要做这个Anthropic 说要做那个就照着清单提前把所有的 Harness 都搭好。结果做完发现自己的项目根本没遇到这些问题这些东西反而变成了负担还要花时间维护。正确的做法是踩坑了再补。 文档过期了那就加个验证脚本。 上下文不够用了那就改改加载策略。 每一笔投入都对应一个你真的遇到过的问题而不是理论上可能发生的问题。就像你收拾家不会提前买一百个收纳盒而是东西乱了才买对应的盒子缺啥补啥。3. 别搞 空中楼阁所有的东西都要从业务里长出来说了这么多你可能会问这些知识、这些 Harness到底从哪儿来 我能不能做个统一的中台把所有东西都做好然后所有团队都能用答案是不能。就像开餐馆你能不能自己坐在总部做一套通用的菜单然后所有分店都用这个 不行啊。 开在四川的分店客人都爱吃辣你得做辣菜 开在广东的分店客人爱吃清淡的你得做粤菜 甚至同一个城市写字楼店的客人要快社区店的客人要实惠。你不能凭空想客人喜欢什么你得看真实的客人来吃饭他们点什么他们反馈什么你才能调整你的菜单。AI 落地也是一样的道理。 所有的知识、所有的 Harness都必须从真实的业务任务里长出来。你不用 AI 真的去做一个具体的功能你永远不知道边界在哪坑在哪不同的团队对同一个模块的用法完全不一样A 团队的文档对 B 团队可能 80% 都是没用的你不能从顶往下规划说我要做个大系统然后拆成小任务。你得从一个真实的小任务开始踩坑了就补由点及面。这就是为什么“统一中台”走不通的原因 —— 它跟“上下文必须特化、必须贴合具体任务” 是矛盾的。脱离了真实的业务你做的所有东西都是空中楼阁没人用。当然这不是说完全不管你还是要做沉淀机制比如复盘、模板共享把个体的经验变成组织的资产。但是核心的东西还是得每个团队自己从业务里长出来。4. 给你的投入分个类有的涨有的平有的在倒计时到这里我们就可以把所有 AI 落地的投入分个类了。 就像你理财不同的投资品命运完全不一样第一类跟模型一起涨最值得投就是我们刚才说的知识层—— 你项目独有的文档、API 清单、踩坑记录。 这些东西模型越强它们的价值就越大。模型升级一倍你的这份投入就被自动放大一倍。而且只要你的项目不变这些东西永远不会过期越用越值钱。第二类不涨也不跌必要的基础就是通道层—— 让 AI 的代码能在 UE 里跑起来的基础设施比如接口打通、执行环境。 这些东西跟模型能力没关系模型再强也变不出 UE 的 UFUNCTION 来。这是必需的硬基础不增不减你得有。第三类上线就开始倒计时权宜之计就是补短板——为了弥补现在模型不够强做的各种辅助措施。 比如之前模型弱20 个工具它都会选错你做了个过滤器帮它选 比如你自己做了个编排框架帮模型做规划 比如你微调了个小模型想适配你的项目。这些东西当时确实有用但是模型每半年就变强一截这些东西的价值就在一天天蒸发。 等模型升级了你做的那个过滤器没用了你做的那个编排框架没用了你微调的那个模型还要重新训反而变成了包袱。这不是说这些东西不该做而是你要知道这是短期的权宜之计不是长期的战略投资。你不能把所有的钱都花在这上面。5. 做对取舍把专业的事交给专业的人想明白这个分类你就知道该怎么取舍了。 有两件事你别去跟别人抢把 让模型变强把 通用 Harness留给 Agent or、Claude Code 这些有专业的团队全职在做通用的 Agent 能力上下文管理、文件编辑、prompt 模板。留给大模型厂商 OpenAI、Anthropic 他们一年烧几百亿就是在做这件事。补模型的规划能力、补 tool 的准确率、补长上下文的记忆这些都是他们的事。你去做就是跟他们赛跑他们一升级你的东西就贬值了。你想自己造一套本质上就是在重复他们的工作你跑不过他们的。那留给你的是什么 就是那些别人替代不了你的事你项目独有的真相 —— 那些只有你才知道的项目知识引擎特化的通道 —— 让 AI 能在 UE 里工作的基础设施你的业务特化的 Harness—— 你自己踩坑踩出来的整理规则。就像你收拾行李去旅行 你不用把家里所有东西都带上太重了。 你只带真正属于你的、别人给不了你的东西你的身份证、你的常用药、你的换洗衣物。 那些酒店能提供的比如毛巾、牙刷你就别带了占地方。很多人觉得这是不是太 偷懒 了 了用个 markdown 文档喂给 AI这算什么工程 但是你想想LLM 本身就是个文本机器啊给它文本反而是最对路的事。把材料投给模型把工具留给 Agent剩下的事让它自己来。最后聊聊这是个属于 Agent 的十年不是一年的风口。 我们不用押注明天 AI 就突然变完美了但是我们要相信AI 会越来越强。所以别把钱花在那些会贬值的地方别做那些跟厂商赛跑的事。 把精力放在那些会跟着 AI 一起成长的投入上那些东西才是真正能帮你把 AI 落地、越用越值钱的资产。 聊聊你的经历 你在 AI 落地的过程中有没有踩过 提前做了一堆 Harness 结果根本用不上 的评论区聊聊你看法 的坑或者你觉得哪类投入才是最值得的
