上半年，我用 AI 做完了一款 2D 遊戲的美術，並把遊戲 Demo 上架了 Steam。那套流程在當時已經不算落後：AI 生成角色、背景和動作，我再把圖片切開、補全、摳圖、對齊，最後匯入引擎。
但回頭看，那時的 AI 更像定速巡航。它只在“生成”這一小段路上工作，後面的整理、編輯、接入和檢查，仍然要我自己完成。
從 7 月開始做一個新的底部掛機開車遊戲後，我把 Codex 引入了美術製作。變化不只是生圖模型更強，而是圖片生成、專案上下文、本地檔案、傳統編輯工具和程式碼第一次被接進了同一條工作流。
以前像定速巡航；現在更像 L2 自動駕駛——我決定目的地、判斷結果是否合格，大部分路程由 AI 完成，只有特殊情況才需要我接管。
真正的變化，不是 AI 更會畫了
獨立的生圖模型通常只處理一次請求：給它一套提示詞，它生成一張圖；如果哪裡不滿意，只能重新改提示詞、重新抽卡。新圖很可能連原來滿意的佈局也一起變掉。
把生圖能力接入 Codex 之後，我得到的不是一個只會出圖的視窗，而是一個能夠參與完整任務的協作者。對我最有用的變化有四個。
1. 它能理解上下文
我可以通過自然對話逐步修改一張圖：哪些地方要保留，哪些地方要調整，當前圖片要放進怎樣的遊戲，畫風和功能分別有什麼限制。它不只理解這一次提示詞，也會結合專案目標討論風格和實現方法。
2. 它會檢查自己的結果
以前，AI 把圖生成出來，任務就結束了。現在它可以繼續檢查圖片是否符合要求，並在發現問題後嘗試修正。
例如，我需要的是透明背景，它卻生成了常見的棋盤格“偽透明”。過去我通常會先生成綠幕，再自己摳圖；現在流程可以識別這個問題，呼叫影像處理方式把背景真正移除，再交付可用檔案。
這並不意味著 AI 永遠判斷正確，而是檢查和返工也能成為管線的一部分，不再每次都從人肉驗收開始。
3. 它能處理檔案，也能呼叫本地工具
生圖只是素材的起點。圖片還要被命名、歸檔、調整尺寸、拆層、生成變體並接入工程。過去這些步驟分散在下載資料夾、Photoshop 和遊戲引擎裡，需要我來回搬運。
現在 Codex 可以把生成結果整理進工程，並根據任務選擇生成式 AI 或確定性更強的傳統編輯工具。需要創造性時用生成模型，需要穩定重複時呼叫影像處理器。兩種能力不再互相替代，而是各自處理擅長的部分。
4. 它能為當前問題寫一個專用工具
有些步驟既不能完全生成，也很難用語言精確描述，比如畫素級位置、輪胎大小、車燈範圍，或者“看起來是否舒服”這樣的判斷。
過去遇到這些問題，我要開啟 Photoshop 或進入引擎慢慢調。現在我可以讓 AI 為當前管線做一個非常具體的小工具：它把所有需要調整的引數擺到我面前，我憑感覺調好，再把結果交還給流程繼續執行。
三條真實管線，說明“自動駕駛”怎樣工作
這個新專案包含可替換車型、車身顏色、輪轂、開關燈、白天和夜晚的行車背景、視差圖層、內飾、城市地圖和國家地圖。它們不能靠一條萬能提示詞完成，所以我為不同型別的任務建立了獨立管線。
車身：從確認一輛車，到直接在遊戲裡使用
車身管線先根據車型要求生成形象確認稿。確認後，流程會移除車輪、補全輪艙，再生成開燈與燈光疊加層。
接下來，它開啟車身定位工具。我只需要調整車身和車輪的大小與位置、車燈和燈光範圍、陰影縮放以及整體擺放。工具會同時顯示真實背景和預設車輛的半透明參考，讓判斷不脫離最終遊戲畫面。
我確認位置以後，流程繼續生成白天和夜晚的 16 種顏色變體、製作 UI 圖示並接入引擎。直到新車出現在遊戲裡，我都不需要再手動開啟 Photoshop 或遊戲引擎。
行車背景：從一張參考圖，到可滾動的日夜場景
行車背景不僅要好看，還要滿足一組明確約束：色調統一、道路位置穩定、建築透視合適，並且能夠生成對應的夜晚版本。
更關鍵的是，背景要動起來。流程需要識別近景、中景和遠景，為視差滾動重新生成連續圖層。Codex 目前已經能完成大部分拆層工作；如果擺放位置不理想，我就在定位工具裡調整每一層的位置與大小。確認後，圖層會接入引擎，滾動速度也由流程按層級關係配置。
輪轂：當生成式 AI 不適合解決幾何問題
車輪需要持續旋轉，因此不能只看靜止圖片是否漂亮。生成式 AI 很難保證圓形幾何絕對規整，也很難生成完全沒有方向性的光照；這兩點在靜止時不明顯，一轉起來就會穿幫。
我和 AI 討論後的方案不是繼續抽卡，而是換一條技術路線：我提供想要的輪轂風格，流程尋找結構參考，再呼叫 Blender 建模和渲染，保證輪轂是規整的圓形。
但如果只使用均勻光照，輪轂又會缺少質感，和整個場景的光影不一致。後來我把陰影問題交給引擎：流程額外生成法線貼圖，讓法線與輪胎圖片一起旋轉，再用 Godot 自帶的 2D 光照計算動態陰影。
我把複雜任務拆成四類
做完這些管線後，我把 AI 參與創作的方式歸納成四類：生成、自動化、接管和決策。
- 01生成需要創造新內容時，使用生成式 AI 產出圖片、影片或其他素材。
- 02自動化需要穩定、確定、可重複的結果時，讓 AI 呼叫傳統軟體和編輯工具。
- 03接管前兩類方法仍無法解決問題時，由我上手操作；同時儘量讓 AI 先做一個適合當前任務的小工具。
- 04決策我要做什麼、方向是否正確、結果是否合格，始終由我自己保留。
這四類工作不能混成一句“讓 AI 做”。生成追求創造性，自動化追求確定性，接管處理難以表達的例外，決策則決定作品最終屬於誰。
真正有價值的自動化，不是把人從創作裡刪除，而是把人的注意力從重複勞動中釋放出來。
低接管帶來的真正收益，是並行創作
當美術不再是一連串必須親手完成的操作，我就能同時推進更多工作。現在這個專案裡的程式、美術、劇情、UI 等，都在各自的管線中並行進行。甚至這期影片的撰稿和錄製，也是我一邊指揮 Codex 處理專案任務，一邊完成的。
這也是我把它叫作“自動駕駛”的原因：我仍然決定目的地，也仍然對結果負責；AI 幫我完成大部分路程，遇到處理不了的情況再通知我接管。
它既不是隻在一小段路上工作的定速巡航，也不是把方向盤隨便交出去。對一個獨立開發者來說，這條中間路線，才可能真正把 AI 從“能生成一張圖”，變成“能幫助我把作品做完”的生產能力。