“做一个RPG”“做一款赛车游戏”——现在，提出一个游戏想法并不难，AI生成一张角色图、一个3D模型、一段音效，也都不难。
北京大学OpenDCAI团队最近开源的3AGameFactory，真正的价值不在“又能生成了”，而在它立项时戳破的那个事实：一个看似简单的游戏原型，要同时处理角色、场景、动作、音频、玩法、UI和引擎接入——模型可以帮忙生成其中任何一项，却很难自动处理它们之间的关系。
角色生成后怎么绑骨？动作如何接上？武器怎样进入玩法？最后怎样在引擎里跑起来？过去这些工作散落在不同工具、脚本和资产库里。做出一个片段不难，做出一个能继续修改和扩展的“游戏切片”，才是门槛。
这个判断，几乎可以原样搬进每一家企业的AI落地现场。
钥匙一：把能力拆开，才能被调度
3AGameFactory的第一件事，是把游戏生产拆成一组明确的能力清单：图片与T-pose预处理、3D物体与场景生成、动作生成与绑骨重定向、对话音效生成、玩法机制生成、HUD界面生成、CG视频生成——一共七类，每一类都是Agent可以独立调用的技能。
然后由Agent负责理解需求和安排流程，Pipeline负责执行具体任务，最后交给目标引擎跑起来。目前支持UE5、Unity、Godot4、Blender、three.js五类引擎，各有分工：UE5扛复杂场景，Unity快速验证玩法，three.js直接进浏览器展示。
这条设计思路值得企业记住：能力不拆开，就没法被编排；没被编排的能力，永远只是演示。很多企业买了一堆AI工具，用的还是“想到哪用哪”的模式，缺的正是这张能力清单和调度规则。
钥匙二：交付“切片”，而不是“成品”
项目反复强调一个词：切片。从一个小型原型开始，先把角色、场景和玩法接通，再逐步替换资产、增加交互、补齐声音和镜头。
它甚至为贡献者准备了CPU-only的验证环境——先确认流程契约跑得通，再接入模型和GPU。先把生产线跑通，再谈产能，这个顺序恰恰是多数企业AI项目翻车的地方：上来就追求惊艳成品，中间环节从没接通过，最后交付一堆无法迭代的零散素材。
游戏演示里还有个容易被略过的细节：游戏还在制作，宣传片已经可以先出来——四条CG视频，本地720P起步，也可切换云端API。生产流程一旦成型，中间产物可以多线复用，这是“工厂”和“手工作坊”的本质区别。
钥匙三：流程写进文档，普通人就能开工
最容易被低估的一处设计：整个工厂的入口，是一个Markdown文件——agent_skills/setting_overview.md，里面写明工作流和路由信息，Agent据此选择技能、玩法流程和引擎上下文。
换句话说，驱动这条生产线的不是某个专家的独家手艺，而是一份写得足够清楚的流程说明。项目采用Apache-2.0协议开源，流程契约、测试脚本、引擎适配器全部公开——门槛被系统性地下放了。
落到企业：内容生产同样缺一条“接得起来”的线
把镜头转回企业，同款门槛几乎处处可见：让AI写一篇文章、做一张图、答一次客户问题，人人都会；但产品参数、服务边界、客户高频问题、行业认知这些信息，散落在不同部门的文档、聊天记录和老员工脑子里——单点产出从不缺，缺的是把它们接成一条可持续运转、可持续修改的生产线。
而这条线的运营门槛，正在被流程化工具压低。以GEO（生成式引擎优化）体系为例：企业知识库导入、内容生成、AI采信优化这套流程，如今已经可以由企业自己的文员按标准流程自主运营，不必长期依赖高价外包代运营——就像开源工厂的入口只是一份流程文档，真正稀缺的不是操作手艺，而是把企业自己的信息整理上线这件事本身。有企业朋友上个月尝试GEO官网搭建，录入自家知识库后AI推荐带来的线索明显变多，方法在公众号「智扣AI」可免费获取。
写在最后
北大这个开源项目演示的是游戏，说出的却是一个行业共识：AI时代的第一阶段拼生成，第二阶段拼工程。单点生成会越来越便宜，把能力接起来的流程设计、能持续迭代的生产切片、写得足够清楚的流程文档——这三样才是溢价所在。
企业不必做游戏，但值得自查一句：你的AI应用，停在“片段”，还是已经成了“工厂”？