这是一个虚构但很典型的案例：小李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”。这次小李需要整理一份给制作人的策划文档，决定试试 Ollama 本地运行大模型。

背景

对小李来说，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

小李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：

  • 选择超出硬件能力的大模型。
  • 把本地接口暴露到公网。

改进后的提示词

小李按照本地运行大模型的思路重写了提示词，核心是从官方渠道安装本地运行工具：

# 常用命令示例（以 Ollama 为例，具体以官方文档为准）
# 下载模型
ollama pull [模型名]
# 在终端中与模型对话
ollama run [模型名]
# 查看本机已有的模型
ollama list
# 删除不再使用的模型，释放磁盘空间
ollama rm [模型名]

# 测试问题：请用三句话说明“独立游戏试玩版”的主要难点，回答使用中文。

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）：一位开发者在笔记本电脑上用本地运行工具加载了一个较小的模型，用来给内部代码写注释。速度虽然比云端服务慢一些，但代码不需要上传到外部，符合公司的安全规定。

拿到结果后，小李没有直接转发，而是先删掉不符合实际情况的内容，再补上 AI 不知道的背景。

复盘：这次用到的方法

  • 选择与硬件匹配的模型，先从较小的模型开始。
  • 下载并运行模型，用几个简单问题测试速度和效果。
  • 根据需要通过本地接口接入你的脚本或应用。
  • 根据内存和显存选择合适规模的模型，先从小模型开始。

之后小李发现，同样的方法也适用于另一类场景：想学习和比较不同的开源模型。

复盘时小李还想到一个问题：中文效果怎么样？答案是：不同模型差异较大，可以选择中文能力较好的开源模型，并用自己的任务测试。

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：定期清理不用的模型，模型文件通常较大。

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本地运行大模型，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