第98期- 游戏PM 的 4 个 AI 落地方向 - Hao的游戏PM笔记

【行业洞察】游戏PM的4种AI落地方向开篇：我们都是"模型的使用者"在当下AI快速发展的浪潮中，90%以上的游戏公司都不可能去自研基础大模型。我们能接触和使用的，都是那些科技巨头开源或提供的模型，对于大模型的处理最多也就是微调人家的大模型。基于此，我们使用模型的方式只剩下了两种：<ul> <li>本地部署：使用开源模型，部署到本地或者自己的服务器。这就像你自己买了辆车，可以随意改装和出行，但是要买车位和做保养。</li> <li>调用API：直接调用其他大模型的API接口。这就像你打车出行，方便快捷，不用考虑车辆维护和保养，但是打车价格会波动，下雨还要排队。</li></ul>无论采用哪种方式，我们都只是在"用"模型。那么，PM如何在用的过程中产出自己在游戏项目管理中的价值？根据我的观察，总结出了以下四条技术方向。方向一：系统提示词+ 检索增强生成(RAG)游戏项目管理的"知识库建设"这是目前最常见、最轻量级的做法，其核心是"信息封装"。它主要由两部分构成：<ul> <li>一个精心设计的系统提示词： PM预先编写和反复测试一个系统级提示词（System Prompt），为AI设定详细的角色、背景和任务边界。</li></ul><blockquote>例如：你是一名资深的游戏项目管理顾问，熟悉敏捷开发流程、风险管理和团队协作。</blockquote><ul> <li>一个私有知识库：配合检索增强生成（RAG）技术，接入你的私有知识库——可以是公司的项目文档、历史案例库、美术资源管理规范等垂直领域的数据。</li></ul>最终成果：用户可以通过简单的输入就能让AI输出某些垂直领域内高度专业的回答。比如"游戏项目风险诊断工具"、"敏捷开发流程顾问"、"美术资源管理助手"等应用。核心价值：<ul> <li>营销与信息差：将高浓度的游戏管理经验包装成产品，卖给中小游戏团队或希望学习PM的从业者。</li> <li>私有数据的质量：你所收集、整理和拥有的...