上半年，我用 AI 做完了一款 2D 游戏的美术，并把游戏 Demo 上架了 Steam。那套流程在当时已经不算落后：AI 生成角色、背景和动作，我再把图片切开、补全、抠图、对齐，最后导入引擎。
但回头看，那时的 AI 更像定速巡航。它只在“生成”这一小段路上工作，后面的整理、编辑、接入和检查，仍然要我自己完成。
从 7 月开始做一个新的底部挂机开车游戏后，我把 Codex 引入了美术制作。变化不只是生图模型更强，而是图片生成、项目上下文、本地文件、传统编辑工具和代码第一次被接进了同一条工作流。
以前像定速巡航；现在更像 L2 自动驾驶——我决定目的地、判断结果是否合格，大部分路程由 AI 完成，只有特殊情况才需要我接管。
真正的变化，不是 AI 更会画了
独立的生图模型通常只处理一次请求：给它一套提示词，它生成一张图；如果哪里不满意，只能重新改提示词、重新抽卡。新图很可能连原来满意的布局也一起变掉。
把生图能力接入 Codex 之后，我得到的不是一个只会出图的窗口，而是一个能够参与完整任务的协作者。对我最有用的变化有四个。
1. 它能理解上下文
我可以通过自然对话逐步修改一张图：哪些地方要保留，哪些地方要调整，当前图片要放进怎样的游戏，画风和功能分别有什么限制。它不只理解这一次提示词，也会结合项目目标讨论风格和实现方法。
2. 它会检查自己的结果
以前，AI 把图生成出来，任务就结束了。现在它可以继续检查图片是否符合要求，并在发现问题后尝试修正。
例如，我需要的是透明背景，它却生成了常见的棋盘格“伪透明”。过去我通常会先生成绿幕，再自己抠图；现在流程可以识别这个问题，调用图像处理方式把背景真正移除，再交付可用文件。
这并不意味着 AI 永远判断正确，而是检查和返工也能成为管线的一部分，不再每次都从人肉验收开始。
3. 它能处理文件，也能调用本地工具
生图只是素材的起点。图片还要被命名、归档、调整尺寸、拆层、生成变体并接入工程。过去这些步骤分散在下载文件夹、Photoshop 和游戏引擎里，需要我来回搬运。
现在 Codex 可以把生成结果整理进工程，并根据任务选择生成式 AI 或确定性更强的传统编辑工具。需要创造性时用生成模型，需要稳定重复时调用图像处理器。两种能力不再互相替代，而是各自处理擅长的部分。
4. 它能为当前问题写一个专用工具
有些步骤既不能完全生成，也很难用语言精确描述，比如像素级位置、轮胎大小、车灯范围，或者“看起来是否舒服”这样的判断。
过去遇到这些问题，我要打开 Photoshop 或进入引擎慢慢调。现在我可以让 AI 为当前管线做一个非常具体的小工具：它把所有需要调整的参数摆到我面前，我凭感觉调好，再把结果交还给流程继续执行。
三条真实管线，说明“自动驾驶”怎样工作
这个新项目包含可替换车型、车身颜色、轮毂、开关灯、白天和夜晚的行车背景、视差图层、内饰、城市地图和国家地图。它们不能靠一条万能提示词完成，所以我为不同类型的任务建立了独立管线。
车身：从确认一辆车，到直接在游戏里使用
车身管线先根据车型要求生成形象确认稿。确认后，流程会移除车轮、补全轮舱，再生成开灯与灯光叠加层。
接下来，它打开车身定位工具。我只需要调整车身和车轮的大小与位置、车灯和灯光范围、阴影缩放以及整体摆放。工具会同时显示真实背景和默认车辆的半透明参考，让判断不脱离最终游戏画面。
我确认位置以后，流程继续生成白天和夜晚的 16 种颜色变体、制作 UI 图标并接入引擎。直到新车出现在游戏里，我都不需要再手动打开 Photoshop 或游戏引擎。
行车背景：从一张参考图，到可滚动的日夜场景
行车背景不仅要好看，还要满足一组明确约束：色调统一、道路位置稳定、建筑透视合适，并且能够生成对应的夜晚版本。
更关键的是，背景要动起来。流程需要识别近景、中景和远景，为视差滚动重新生成连续图层。Codex 目前已经能完成大部分拆层工作；如果摆放位置不理想，我就在定位工具里调整每一层的位置与大小。确认后，图层会接入引擎，滚动速度也由流程按层级关系配置。
轮毂：当生成式 AI 不适合解决几何问题
车轮需要持续旋转，因此不能只看静止图片是否漂亮。生成式 AI 很难保证圆形几何绝对规整，也很难生成完全没有方向性的光照；这两点在静止时不明显，一转起来就会穿帮。
我和 AI 讨论后的方案不是继续抽卡，而是换一条技术路线：我提供想要的轮毂风格，流程寻找结构参考，再调用 Blender 建模和渲染，保证轮毂是规整的圆形。
但如果只使用均匀光照，轮毂又会缺少质感，和整个场景的光影不一致。后来我把阴影问题交给引擎：流程额外生成法线贴图，让法线与轮胎图片一起旋转，再用 Godot 自带的 2D 光照计算动态阴影。
我把复杂任务拆成四类
做完这些管线后，我把 AI 参与创作的方式归纳成四类：生成、自动化、接管和决策。
- 01生成需要创造新内容时，使用生成式 AI 产出图片、视频或其他素材。
- 02自动化需要稳定、确定、可重复的结果时，让 AI 调用传统软件和编辑工具。
- 03接管前两类方法仍无法解决问题时，由我上手操作；同时尽量让 AI 先做一个适合当前任务的小工具。
- 04决策我要做什么、方向是否正确、结果是否合格，始终由我自己保留。
这四类工作不能混成一句“让 AI 做”。生成追求创造性，自动化追求确定性，接管处理难以表达的例外，决策则决定作品最终属于谁。
真正有价值的自动化，不是把人从创作里删除，而是把人的注意力从重复劳动中释放出来。
低接管带来的真正收益，是并行创作
当美术不再是一连串必须亲手完成的操作，我就能同时推进更多工作。现在这个项目里的程序、美术、剧情、UI 等，都在各自的管线中并行进行。甚至这期视频的撰稿和录制，也是我一边指挥 Codex 处理项目任务，一边完成的。
这也是我把它叫作“自动驾驶”的原因：我仍然决定目的地，也仍然对结果负责；AI 帮我完成大部分路程，遇到处理不了的情况再通知我接管。
它既不是只在一小段路上工作的定速巡航，也不是把方向盘随便交出去。对一个独立开发者来说，这条中间路线，才可能真正把 AI 从“能生成一张图”，变成“能帮助我把作品做完”的生产能力。