Source File

  • source/_posts/ai-native.md

Summary

One-year field report from building AI Native applications for a game development team. Distinguishes “AI化” (grafting AI onto existing systems) from “AI Native” (designing from the ground up with AI as a core capability). Proposes a four-stage model and an entity-centric architecture approach.

Key Points

  • Two modes distinguished:

    • AI化：在现有系统里接入大模型 API；效率有提升，但本质是对原流程的能力增强，不是重构
    • AI Native：设计系统时就把 AI 当作核心能力来考虑，而不是后期增加的外挂功能

  • Four-stage model:

    1. AI 工具化 — 人主导、AI 辅助；原有流程几乎没有变化（绝大多数企业目前所处阶段）
    2. AI Workflow — AI 开始参与业务流程（如需求拆解、方案生成、代码与测试用例生成）；决策权仍在人手里；很多 Agent 产品停留在这一阶段
    3. AI Native System — 系统从设计之初就假设 AI 的存在；整个架构围绕 AI 重新设计（如「提出想法 → AI 生成初稿 → AI 补充资料 → AI 校验事实 → 人工修改 → 发布」）
    4. AI Native Organization — 组织结构随之变化；业务负责人管理多个 Agent，人工负责关键决策和最终审核

  • Entity-centric redesign（以业务实体为核心）:

    • 游戏研发场景中，真正贯穿整个生产过程的不是流程，而是角色、NPC、场景、道具、事件等业务实体
    • 实体之间的关系（角色↔剧情↔任务）结构化为知识图谱，作为所有 AI 能力的统一上下文来源
    • 每道工序用 SOP（标准作业流程）明确规定输入/输出；执行单元（人/AI/工具/Workflow）可互换

  • Pipeline：多个 SOP 串联，推动实体从一个生命周期阶段流转到下一个；验证有效后固化进系统，沉淀为组织能力

  • 数据取数区分：高度结构化信息（配音/数值配置）直接读权威数据源；半结构化/非结构化信息（剧情背景、角色关系）需 AI 理解、筛选、重组后才能被下游流程消费

  • Principles distilled（提炼出的原则）:

    1. 先抓实体，再设计流程（Pipeline / SOP 围绕实体生命周期构建）
    2. 输入输出必须标准化（每个环节只消费自己需要的信息，产出能被下一道工序直接消费的结果）
    3. 执行者不是重点（人和 AI 都只是执行单元，关键在于谁更适合当前工作）
    4. System 的价值在于把隐性经验转化为可执行机制（经验停留在人脑里，组织能力就无法积累和复用）
    5. 事实源、标准和数据回流机制必须掌握在核心团队手中

另见（本库相近资料）

草稿：assistant（claude-sonnet-4-6），2026-06-21。