2024 · 从 Cursor 入坑
去年开始深度使用 Cursor，从 Tab 补全一路用到 Composer / Agent 模式。 第一感受是"把需求讲清楚"比"把代码写完"更值钱：上下文给得越准，产出越可用。 从那时起，我养成了先拆解任务、再让 AI 动手的习惯。
ABOUT THE CREATOR
我为什么做游戏
我的职业路径是先在交互与仿真项目中积累工程能力，再将能力聚焦到游戏研发。 现在主推游戏方向，核心目标是做出真正可玩、稳定、可持续迭代的产品。
个人简介
你好，我是李政，拥有 4 年开发经验，长期在 Unity 客户端方向深耕。参与过已上线 Steam 项目《本草归元录》，并完成过多类型 VR 与交互项目交付。
我擅长在研发流程中统筹问题并推进落地，兼顾工程质量、性能表现与团队协作效率。
Unity3D
C#
Godot
Cocos
RPG Maker
PICO VR
HTC Vive
EasyAR
Cursor
ChatGPT
Claude
VibeCoding
技术能力
Unity / C#95%
Godot84%
Cocos82%
RPG Maker80%
VR 交互开发90%
前后端开发87%
顶层架构 + VibeCoding 快速实现91%
3DMax / PS / PR86%
AI JOURNEY
AI 了解与使用经历
我不是"会用 AI"，而是把 AI 编进了自己的日常开发流程：从去年深度体验 Cursor 开始， 到持续重度使用 ChatGPT、Claude，一路沉淀出一套"自己定架构、AI 落地实现、人来把关质量"的工作方式。 以下是我最真实的经历与感受。
ChatGPT · 全天候技术外脑
持续重度使用至今：需求梳理、方案对比、报错排查、新技术栈速成。 最大的积累是学会了"追问与验证"——AI 给的是草稿而不是答案， 判断力、数据来源校验和跨进程验证结果的习惯，都是在这条路上练出来的。
Claude · 深度编码协作
用 Claude 做长上下文代码理解、跨模块重构与复杂任务编排， 在《本草归元录》的系统重构与《寿宴疑云》的 AI 对话系统中真实落地。 感受是：越是大块头的工程任务，越考验"任务切分 + 验收标准"的写法。
沉淀出的 AI 工作流
顶层架构自己定 → 模块实现用 VibeCoding 快速生成 → 人工审查、联调、性能把关。 AI 提效最明显的环节：样板代码、配置、文档与测试； 最需要警惕的是"看起来对"的逻辑——所以我坚持先校验数据来源，再宣称完成。
延伸 · 模型本地化部署
不满足于网页对话，动手用 llama.cpp 部署本地推理服务， 调过量化档位、上下文长度与显存分配，踩过 prompt cache 膨胀导致 OOM 的坑。 这些工程约束的理解，直接反哺了《寿宴疑云》的 AI 玩法设计。
态度 · AI 是杠杆，不是拐杖
两年深度使用下来，我的结论是：AI 放大的是已有的工程判断力。 架构与取舍仍然要人来负责，AI 负责把确定的执行部分加速十倍。 这也是我敢于在真实上线项目里使用 VibeCoding 交付的底气。
LOCAL DEPLOYMENT
AI 模型本地部署能力
除了在云端用 AI，我更习惯把模型搬到自己机器上跑。以下内容来自我长期维护的本地推理环境 （双 RTX A4000 16GB + 64GB 内存），从量化档位选择到显存 OOM 排查都亲手踩过坑。
大语言模型（LLM）本地部署
覆盖代码编写、数据建模与文档处理的离线推理服务，数据不出本机。
- 硬件要求：8-12GB 显存可流畅跑 7-14B 的 Q4 量化模型；双 16GB 卡通过层切分可跑 27-32B 的 IQ3/IQ2 低比特量化；纯 CPU 也能运行小模型，但吞吐有限。
- 开源方案：llama.cpp（GGUF 量化，主力方案）、Ollama（快速上手）、vLLM（高并发服务化）。
- 部署概览：选定模型 → 下载对应量化档 → 启动 llama-server 配置 GPU 层切分、上下文长度与 --cache-ram 限制（防 prompt cache 膨胀触发 OOM）→ 以 OpenAI 兼容 API 接入应用。
- 典型场景：代码生成与跨模块重构、离线数据建模与分析、隐私敏感文档的本地处理、给游戏 NPC 接入低延迟本地推理。
文生图 / 图生图部署
本地出图管线，覆盖概念设计、素材批量生产与图像重绘风格化。
- 硬件要求：12GB 显存起步可跑 SDXL；24GB 以上更从容（Flux 级模型）；NVIDIA CUDA 生态支持最完整，出图速度与显存峰值强相关。
- 开源方案：ComfyUI（节点式工作流，主力）、SD WebUI / Forge（快速上手）、模型生态 SDXL、Flux.1、Qwen-Image 等。
- 部署概览：部署 ComfyUI → 按 VAE / CLIP / 模型分类放入模型文件 → 搭建文生图与图生图（垫图重绘）工作流 → 调采样器、步数与 LoRA → 批量出图并入设计管线。
- 典型场景：游戏美术素材与概念图快速迭代、宣传图与立绘批量生成、照片风格化与局部重绘。
视频生成 / 处理模型部署
从生成到后处理的完整视频管线，服务游戏宣传与素材动画产出。
- 硬件要求：视频是显存大户，24GB 以上起步；低显存环境可借助量化版模型 + 分块 VAE + CPU/内存卸载跑 5-14B 级视频模型，代价是单段生成按分钟计。
- 开源方案：ComfyUI 视频工作流（Wan2.1 / 2.2、CogVideoX、HunyuanVideo 等开源视频模型）+ FFmpeg 后处理管线（补帧、超分、转码合成）。
- 部署概览：在 ComfyUI 中接入视频模型 → 搭建文生视频 / 图生视频工作流（首尾帧控制、镜头运动）→ 导出帧序列 → FFmpeg 完成补帧超分与最终转码。
- 典型场景：游戏宣传短片与动效素材生成、静立绘转动态过场、旧素材修复超分、数据可视化动画制作。
JOURNEY LOG
游戏经历主线
2026 年 10 月
《尘崩》上线 Steam
独立开发的单人下潜肉鸽射击：可破坏模拟地形、肉鸽构筑与地表追兵压力，六层废墟、三种结局。
2026 - 至今
研发《寿宴疑云》：AI + 剧本杀
以大模型驱动 NPC 对话与剧情推理，把 AI 工作流真正落进产品原型。
2025 - 至今
顶层架构驱动 + VibeCoding 快速实现
可先完成系统顶层架构设计，再通过 VibeCoding 协同快速落地模块开发与迭代交付。
2023 - 2026
聚焦游戏研发：《本草归元录》开发与迭代
参与模拟经营核心功能实现，协同策划/美术/音效推进内容交付，支撑项目上线与后续优化。
2020 - 2021
技术积累阶段 I：Unity 工程与性能基础
负责 Unity 客户端核心功能与性能优化，完成多场景 VR 系统并积累大型项目协作经验。
2021 - 2023
技术积累阶段 II：交互系统与数据链路
实现 Kinect、RFID、TUIO 与虚拟仿真后台，沉淀了复杂交互逻辑与稳定数据流程能力。