沙盒游戏的核心是能动性：玩家设定目标、组合系统、改变世界，并在重新载入后看到变化仍然存在。AI 可以加速外围内容，却无法弥补无力的动作、不清楚的规则或不可靠的状态。
先研究 Elseland 上规模较小的可玩模拟游戏。紧凑循环更容易暴露目标、反馈、状态变化和恢复是否清晰。
快速阅读
核心要点
- 先确定四到六个玩家动作和明确的世界状态，再生成内容。
- 程序化生成负责可复现变化；生成式 AI 只放在语义变化真正有价值的位置。
- 库存、伤害、经济、权限和存档等权威规则应保持确定性。
- 尽早建立存档、回滚和可观察性，因为沙盒错误会跨系统累积。
- 先发布一个可闭环的小世界，确认玩家能计划、行动、理解后果并恢复失败。
先设计动作、状态与系统规则
放置、采集、种植、交易、连接、指挥和防守是动作；库存、时间、关系、所有权和电力是状态。真正的沙盒来自这些规则相互作用，而不是单纯的随机地图。
把每个状态转换写成触发条件、输入、输出、持续时间、视觉与声音反馈以及存档行为。AI 可以提出变化，但引擎必须拥有合法转换。
- 四到六个可反复使用的核心动作
- 带所有权和存档规则的类型化状态
- 有上限、优先级和故障回退的模拟规则
区分程序化生成与生成式 AI
带种子的程序化生成器可以按规则重建世界，适合地形、分布和可测试布局。生成式模型可以提出对话、任务、描述、代码或概念变化，但相同输入不一定产生相同结果。
物理、碰撞、库存交易、伤害、配方、货币、权限和存档写入留在确定性代码中。AI 只通过受验证的结构化接口提出建议，无效输出必须被拒绝并触发安全回退。
建立一个完整的垂直切片
一个花园聚落就足以测试完整循环：采集木材和种子、放置田地、种植、经历天气变化、收获并交易工具。它同时覆盖输入、库存、时间、经济、反馈、存档和恢复。
先用灰盒完成循环，再加入带种子的变化，最后只加入一个有边界的 AI 功能。每一阶段都需要可检查的交付物和通过条件。
测试系统，而不只是内容
自动模拟极端库存、长时间经济、不可达布局、旧存档、AI 超时和异常输出。人工试玩则观察新玩家能否自己形成目标、找到动作、预测后果并从错误恢复。
运行时生成比开发期生成要求更严格的延迟、隐私、审核、成本和平台披露。首个版本应是小而深的世界，而不是无法验证的无限内容承诺。
常见问题
AI 能制作完整沙盒游戏吗？
AI 能加速代码、资产、对话和测试，但可靠沙盒仍需要人工设计的状态、规则、存档、性能预算和试玩。
沙盒游戏最先做什么？
先做让玩家计划、行动、看到持久后果并重复的最小循环，四到六个强动作已经足够。
程序化生成和生成式 AI 有什么区别？
程序化生成执行显式规则并可用种子复现；生成式 AI 产生更丰富的语义变化，但更难预测，需要更强验证。
NPC 可以直接修改世界状态吗？
模型只能提出动作。权威游戏代码必须检查权限、距离、成本、时机和合法状态。
怎样保存 AI 生成的世界？
保存权威状态、生成种子与版本、玩家改动和已批准内容引用，并测试迁移、备份与回滚。
怎样测试涌现玩法？
先做大规模自动模拟，再观察真人玩家是否理解规则、建立计划并能从错误中恢复。
运行时生成更难发布吗？
是。它增加可用性、延迟、成本、隐私、审核和平台披露要求，必须有过滤、日志、报告和安全回退。
第一张沙盒地图应该多大？
只需大到可以完成并重复核心循环，同时小到团队能检查每个重要状态。
资料来源与延伸阅读
- Epic Games: Procedural Content Generation Framework
用于程序化生成、PCG 研究或 AI 内容披露的权威参考。
- Summerville et al.: Procedural Content Generation via Machine Learning
用于程序化生成、PCG 研究或 AI 内容披露的权威参考。
- Steamworks: Content Survey
用于程序化生成、PCG 研究或 AI 内容披露的权威参考。
下一步
