沙盒遊戲的核心是能動性：玩家設定目標、組合系統、改變世界，重新載入後變化仍存在。AI 能加速周邊內容，卻無法彌補無力的動作、不清楚的規則或不可靠狀態。
先研究 Elseland 上規模較小的可玩模擬遊戲。緊湊循環更容易看清目標、回饋、狀態變化與恢復。
快速閱讀
核心要點
- 先確定四到六個玩家動作和明確世界狀態，再生成內容。
- 程序化生成負責可重現變化；生成式 AI 僅用於語義變化有價值之處。
- 庫存、傷害、經濟、權限和存檔等權威規則應保持確定性。
- 及早建立存檔、回復和可觀察性。
- 先發布可閉環的小世界，確認玩家能計畫、行動、理解後果並從失敗恢復。
先設計動作、狀態與系統規則
放置、採集、種植、交易、連接、指揮和防守是動作；庫存、時間、關係、所有權和電力是狀態。沙盒來自規則互動，而不是單純的隨機地圖。
把狀態轉換寫成觸發、輸入、輸出、時間、視聽回饋和存檔行為。AI 可提出變化，但引擎擁有合法轉換。
- 四到六個可反覆使用的核心動作
- 帶所有權和存檔規則的類型化狀態
- 有上限、優先順序和回退的模擬規則
區分程序化生成與生成式 AI
帶種子的程序化生成器可按規則重建世界，適合地形和可測試配置。生成式模型能提出對話、任務、程式碼或概念，但輸出不一定重現。
物理、碰撞、交易、傷害、貨幣、權限和存檔留在確定性程式碼。AI 僅透過驗證介面提出建議，無效輸出必須安全回退。
建立一個完整垂直切片
花園聚落足以測試採集、放置、種植、天氣、收穫與交易，並覆蓋輸入、庫存、時間、經濟、存檔和恢復。
先用灰盒完成循環，再加帶種子的變化，最後只加入一個有邊界的 AI 功能。每階段都有可檢查成果。
測試系統，而不只是內容
模擬極端庫存、長期經濟、不可達配置、舊存檔、AI 超時和異常輸出；再觀察玩家是否能自行理解和恢復。
執行期生成增加延遲、隱私、審核、成本和平台揭露。首版應是小而深的世界，不是無法驗證的無限承諾。
常見問題
AI 能製作完整沙盒遊戲嗎？
AI 能加速程式碼和內容，但可靠沙盒仍需人工設計狀態、規則、存檔、效能與試玩。
最先應做什麼？
先做讓玩家計畫、行動、看到持久後果並重複的最小循環。
程序化生成與生成式 AI 有何不同？
前者依明確規則並可用種子重現；後者語義更豐富但較難預測。
NPC 能直接修改世界嗎？
模型只能提議；權威程式碼要檢查權限、距離、成本、時機和合法狀態。
如何儲存生成世界？
儲存權威狀態、種子、版本、玩家變更和核准內容，並測試遷移、備份與回復。
如何測試涌現玩法？
結合大規模自動模擬和真人試玩，確認規則可理解且錯誤可恢復。
執行期生成更難發布嗎？
是。它增加延遲、隱私、審核、成本和揭露要求，需要過濾、日誌、回報與回退。
第一張地圖多大合適？
只需完成並重複核心循環，同時讓團隊能檢查每個重要狀態。
資料來源與延伸閱讀
- Epic Games: Procedural Content Generation Framework
程序化生成、PCG 研究或 AI 內容揭露的權威參考。
- Summerville et al.: Procedural Content Generation via Machine Learning
程序化生成、PCG 研究或 AI 內容揭露的權威參考。
- Steamworks: Content Survey
程序化生成、PCG 研究或 AI 內容揭露的權威參考。
下一步
