这是一个虚构但很典型的案例：小王是一位在小团队或独立工作室做游戏的开发者，最近手头在忙“完成战斗系统原型”，同时还要准备“设计新手引导关卡”。这次小王需要整理一份给制作人的策划文档，决定试试向量嵌入语义搜索。

背景

对小王来说，策划、程序、美术、文案和社区运营都要兼顾，原型迭代时间紧。偏偏这次还遇到一个变数：美术资源外包进度慢，可能影响试玩版时间。策划文档需要尽快交给制作人，时间并不宽裕。

第一次尝试：问题出在哪

小王一开始只写了一句话：

帮我写一份关于“独立游戏试玩版”的策划文档。

结果 AI 给出的内容四平八稳却用不上。复盘下来，主要有两个问题：

  • 只用语义搜索。
  • 忽视数据安全。

改进后的提示词

小王按照语义搜索的思路重写了提示词，核心是整理并切分文档：

请帮我设计一个语义搜索方案，用于游戏开发者团队检索内部的策划文档资料：
- 资料规模：约 [数量] 份文档，以中文为主
- 用户：团队成员，提问方式多样
- 要求：返回最相关的 3 个片段，并附上文档名称和位置
请说明：
1. 整体流程（切分、向量化、存储、检索、展示）；
2. 选择嵌入模型时需要考虑的因素（语言、成本、是否可本地部署）；
3. 为什么建议同时使用关键词搜索；
4. 如何用测试问题评估检索效果。
不确定的具体产品和参数请不要编造。

结果（示意）

下面的效果为虚构演示，用来说明这类改进通常带来的变化：

示例（虚构）：一个内部问答系统中，用户问“出差住宿能报多少”，关键词搜索没有找到结果，因为制度中写的是“差旅费用标准”。改用语义搜索后，系统找到了正确的条款，并结合关键词搜索确保“住宿”相关的段落排在前面。

拿到结果后，小王没有直接转发，而是先检查关键事实和数字，再补上 AI 不知道的背景。

复盘：这次用到的方法

  • 把向量和原文、元信息一起存储。
  • 用户提问时，把问题也转换为向量，检索最相似的片段。
  • 结合关键词搜索或重新排序，提升检索准确性。
  • 结合关键词搜索，对专有名词、编号类查询更准确。

之后小王发现，同样的方法也适用于另一类场景：需要找出相似的文档、问题或工单。

复盘时小王还想到一个问题：语义搜索会找错吗？答案是：会，有时会找到意思相关但不是答案的内容，所以要评估效果并结合其他方法。

给游戏开发者的提醒

用 AI 批量生成道具、角色和任务文案初稿，再统一世界观和语气。AI 生成的美术和文本在商业游戏中使用前，要确认工具的商用授权和平台政策。另外，对话里不要出现未公开的游戏设定和源代码。

一个额外的小技巧：从小规模资料开始验证效果，再扩展到全部资料。

如果你也是游戏开发者

可以先从“修复存档模块的一个崩溃问题”或“准备试玩版宣传材料”这样的小任务开始练习语义搜索，熟练之后再用到策划文档这类更正式的材料上。每次记录一下哪句提示词最管用，慢慢就有了自己的模板。

相关阅读