两位用户想做同一个游戏:一个城市街道里的自行车竞速小游戏。第一位在输入框里写:“生成一个城市街道自行车竞速游戏,有5个对手,赛道2公里左右,要有几个急弯。”不到一分钟,她拿到了一条完整的赛道、一套规则和5名电脑车手。第二位打开拖拽编辑器,从素材栏里拉出直道、弯道、坡道模块,一块一块拼接,再逐个放置检查点和对手出发位,花了大约半小时。
试玩之后,两人的感受几乎相反。第一位觉得整体很像样,但第三个弯太缓了,她输入“把第三个弯改急一点”,系统改完之后又觉得太急,再改,又变成了另一种形状,来回四五次也没调到想要的样子。第二位的每个弯都是自己拖出来的,位置和角度正好,可是朋友试玩后说太难,他得把5名对手的速度、每个弯的护栏、两段坡道的坡度逐一改一遍。
这两段经历基本说明了拖拽式制作和自然语言生成的区别:它们不是好坏之分,而是擅长的操作粒度不同。
一张表看清两种方式的差异
| 对比项 | 自然语言生成 | 拖拽式编辑 |
|---|---|---|
| 从零到第一版 | 很快,几十秒到几分钟 | 较慢,取决于内容多少 |
| 局部精确调整 | 吃力,“急一点”“往左一点”难以量化 | 擅长,所见即所得 |
| 全局修改 | 擅长,“整体简单一点”一句话即可 | 吃力,需要逐个对象修改 |
| 规则表达 | 擅长描述条件和目标 | 规则很难用拖拽表达,多依赖表单 |
| 学习门槛 | 低,但需要学会说清楚 | 中等,需要熟悉素材和操作 |
| 结果可预期性 | 较低,同一句话可能生成不同结果 | 高,用户做什么就得到什么 |
| 面对空白起点 | 不怕空白,一句话就有内容 | 空白画布容易让新手不知从何下手 |
简单说,自然语言适合表达“要什么”,拖拽适合表达“放在哪”。前者的控制力在意图层面,后者的控制力在空间和数值层面。
自然语言在哪里失手
语言在描述空间关系和精确数值时天然不够用。“第三个弯改急一点”至少有三种理解:转角角度变大、弯道半径变小、入弯前的直道变短。就算系统理解对了方向,“一点”到底是多少也没有标准,于是用户只能反复尝试。类似的还有“把终点往左挪”(谁的左边?挪多少?)、“这里加个障碍”(“这里”在哪里?)。
另一个问题是生成的不稳定性。同一句话再生成一次,AI可能给出一条形状完全不同的赛道。用户在第一版里喜欢的部分,可能在重新生成时丢失。这也是为什么一句话生成必须配合版本保存和局部锁定,否则用户会不敢改。
拖拽在哪里吃力
拖拽编辑的弱点正好相反。它能把每一个对象放在精确的位置,但对“整体”的修改非常低效。降低整体难度意味着要改对手速度、弯道护栏、坡道坡度、计时限制,而这些分散在几十个对象上。用户即便愿意逐个改,也很难保证改动之间的平衡。
拖拽也不太适合表达规则。“摔车后回到上一个检查点并罚时3秒”这种逻辑,没办法通过拖动一个方块来完成,最终还是要回到表单或者句子式的规则卡片。至于面对一张空白画布,很多新手的第一反应是不知道该先放什么。
混合使用:先一句话,再拖拽,全局交回语言
比较顺手的做法是把两种方式放在创作的不同阶段。以一个模拟流程为例:
- 一句话生成第一版:输入“城市街道自行车竞速,5个对手,2公里,几个急弯”,得到赛道、规则、对手和计时。具体生成链路可以参考一句话体育游戏生成流程。
- 检查默认值:系统把没说的部分列出来,比如关门时间8分钟、摔车罚时3秒,用户确认或修改。
- 拖拽做局部调整:切换到可视化编辑,直接拖动第三个弯的控制点,把角度调到满意为止,再把一个检查点挪到桥头。
- 锁定满意的部分:对已经调好的第三个弯点击锁定,之后任何重新生成都不会改动它。
- 全局修改交回语言:输入“整体难度降低一些”,系统调整对手速度和计时限制,但保留锁定的弯道形状,并列出改了哪些地方。
这里的关键是两种视图必须指向同一份游戏数据。用户拖动弯道之后,文字描述里的“急弯数量”要同步更新;用户用一句话降低难度之后,可视化编辑器里的对手速度数值也要随之改变。如果两边各存一份,用户很快就会搞不清哪一边才算数。
什么时候反过来,先拖拽再用语言
混合顺序也不是固定的。有一类用户脑子里已经有非常具体的空间布局,比如一位体育老师想把学校操场和旁边的环形小路复刻成一条赛道,起点在哪根旗杆旁、第二个弯绕过哪棵树,她都一清二楚。对她来说,用语言描述这些位置反而费劲,直接在底图上拖出路线更快。
这时更合适的顺序是先拖拽出赛道骨架,再用语言补齐其余部分:“按这条路线生成一场6人比赛,对手难度适合初一学生,加上计时和三个挑战任务。”系统读取她画好的路线,自动计算每个弯的通过速度,生成规则、对手和任务,并把路线本身视为锁定内容。在乐鱼体育的编辑流程设计中,这种“用户画骨架、AI补血肉”的用法和“一句话出初稿、用户再微调”同样常见,区别只在于用户最清楚的是空间还是意图。
控制权到底在谁手里
比较两种方式,最终落到一个问题:用户对结果有多少控制权。拖拽给的是直接控制,每一步都由用户决定;语言给的是委托控制,用户说目标,系统决定怎么实现。纯委托会让用户觉得“东西是AI做的,不是我做的”,纯直接控制又会让新手在大量细节里迷路。
在乐鱼体育的无代码体育游戏平台里,两种方式被设计成可以随时切换:每次语言修改都会显示改动清单,每次拖拽都会写回同一份项目,每个满意的状态都能保存为一个版本。用户可以把大方向交给语言,把关键细节握在自己手里。那位调了四五次第三个弯的用户,其实只需要一次拖动;那位逐个修改对手速度的用户,其实只需要一句话。