人工智能 游戏 软件定制 案例

MotionWeaver 是一套面向 Unreal Engine 游戏开发的 AI 驱动角色动作生成系统，旨在解决传统游戏动画制作成本较高、动画资产复用困难、复杂动作衔接不自然，以及角色运动与动画表现难以协调等问题。 项目以神经网络动作生成技术为核心，结合游戏引擎的角色运动系统，实现从动画数据采集、模型训练到动作推理与引擎集成的完整技术流程。 主要功能包括： 动画数据采集与处理： 支持从 Unreal Engine 动画资产中提取骨骼姿态、位置、旋转及时间序列信息，完成骨骼映射、数据清洗、质量审核与训练数据集构建。 AI 动作模型训练： 提供基于深度学习的动作表示学习、姿态预测与生成模型训练功能，支持模型检查点管理、训练指标记录及实验评估。 条件动作生成： 利用角色根运动轨迹、历史动作状态及参考姿态等条件，生成连续骨骼动作，研究不同运动条件下的动画生成效果。 复杂动作约束： 针对跑酷、跨越障碍等复杂场景，支持参考姿态引导及关键帧约束，改善动作准确性与空间匹配效果。 UE 动画集成与验证： 提供模型推理与 Unreal Engine 动画系统的集成和实验验证能力，支持生成动作的预览、重建、测试及效果分析。 模型评测与对比： 通过骨骼位置误差、运动连续性、关键帧约束误差等指标，对不同模型及优化方案进行定量分析。 项目主要面向游戏角色动画生成、AI 动画技术研究和游戏开发工具链建设，为智能角色运动与游戏动画自动化提供技术基础。

《拉线解压》（KNOT OUT）是一款纯前端、零后端的 H5 休闲解压益智游戏。核心操作：拖动一根线的控制点，把线的中点精确送入目标环；吸附越准，评级越高（金/银/铜），并触发连击。 功能模块：① 操作与判定——拖拽线并实时吸附判定，按精度分金/银/铜三档（金档才续连击），配连击上行音反馈；② 关卡与难度包络——线数随关卡从 3 递增到 10、吸附窗口逐关收紧（78→48px），目标环视觉与判定窗口一致；③ 风格目标——按关卡轮换「全金档 / 全程无错位 / 由外向内（目标环标 1..N 序号）」，达成即得星；④ 每日挑战——以本地日期为种子的独立关卡，布局与主题由种子确定；⑤ 留痕世界——把逐关评级、星与每日印记，按存档确定性重算成一条「世界路径」；⑥ 音频——音效全部由 Web Audio 实时合成（C 大调音阶），BGM 三首可轮播。 主要功能路径：打开即玩 → 拖线对齐 → 评分/连击 → 过关结算 → 下一关 / 每日挑战 → 世界回顾。

《深渊拾荒者》是一款纯前端、零后端的 H5 休闲街机游戏，玩法为「单人无尽躲避 + 局外养成」。核心循环：玩家操控三眼拾荒者飞船，飞行消耗能量、吃绿球得分并回能、连续吃球触发连击；攒满 8 连击可开「狂暴」（敌人减速、得分×3）；持续躲避红球/冰球/毒球/混沌球，每 4 波更换地图，每 8 波挑战一场 Boss 战，能量耗尽或被击中 3 次即结束单局（单局 3–6 分钟，中位约 3.5 分钟）。 功能模块：① 对局系统（移动与飞行、能量经济、连击与狂暴、技能护盾/神罚/治疗，四个技能共享中央充能槽、最多 2 格）；② Boss 战（分段弹幕节奏、暴露期集中输出，单场约 43–50 秒）；③ 局外养成（深渊币购买数值升级、技能强化、复活币）；④ 长线回访（每日签到、12 阶阶梯、周宝箱、每日任务池、成就、图鉴、传说档案、收藏馆、本机排行榜）；⑤ 变现（4 个激励视频触点，全部落在玩家自己的决策点，且每份奖励都存在「不看广告」的第二条获取路径，无插屏、无强制、无内购）；⑥ 合规与数据（AI 生成美术显式标识、资产来源档案、匿名上报默认关闭、可一键关闭）。 主要功能路径：打开即玩 → 不打断的新手教学 → 单局躲避/Boss → 结算获得深渊币 → 主界面消费升级与解锁外观/故事 → 次日回访领签到与任务 → 再次开局面板。

本工具是一款基于人工智能技术的三国杀对局辅助与策略分析系统。能够实时解析当前牌局状态，结合深度学习模型与蒙特卡洛树搜索（MCTS）算法，为玩家推荐最优出牌策略，并提供对局复盘分析功能。旨在帮助玩家提升胜率，理解高水平博弈逻辑，同时也为AI博弈研究提供实验平台。

「深空舰队：自治作战」是一款以"可训练的 AI 舰队指挥官"与"无限程序化星图"为核心卖点的太空即时战略游戏。对使用者而言，它把即时战略从"逐一下达单元微操"升级为"下达舰队级战术意图"：玩家以集火、包抄、编队、撤离、抢占资源点等指令指挥一支自治舰群，每艘舰由一个多智能体强化学习智能体实时决策（每 33ms 一个决策周期），自主判断接敌距离、护盾状态、阵型站位与火力分配，相当于拥有了一支"听得懂战术意图、打得像职业选手"的 AI 舰队。游戏内置训练与评估平台，玩家可在训练场微调 AI 并复盘其每一步决策依据；并提供单人战役与多人在线对战，配套 Elo 天梯、观战与指令级回放。 功能模块：①多人在线对战——支持 1v1/2v2/3v3，同屏 1600+ 单位，服务端 30Hz 权威仿真 + 客户端预测与 128ms 回滚，Elo 天梯匹配，支持延迟观战与指令级回放。②AI 自治舰队——玩家只发舰队级指令，单元级动作由策略网络实时解算，支持手动/半自动/全自动三档接管，全自动可离线挂机刷资源。③程序化星图生成——规则拓扑 + 扩散模型细化，行星/星云/资源带/隘口符合可玩性约束（出生点对称、资源均衡、路径连通），单图生成 <2 秒，舰船与星球贴图由微调扩散模型按风格化提示生成。④舰队编辑器——舰船分类（护卫舰/巡洋舰/航母/侦察舰）、武器槽位、护盾/引擎模组装配，装配影响智能体观测与动作空间，可保存编队与战术预设。⑤战役与动态叙事——程序化任务链，敌方指挥官对话与任务简报由微调 LLaMA-7B 实时生成，每次游玩文案不重复。⑥训练场与复盘——AI 决策可视化（注意力热力图、价值曲线、动作分布），单局轨迹可一键导出继续训练。 主要功能路径：登录建号 → 装配编队 → Elo 匹配 → 加载程序化星图 → 对局（下达舰队级指令，自治舰群解算单元动作，服务端权威结算弹道/碰撞/伤害）→ 结算复盘（胜负/资源/AI 决策可视化）→ 天梯更新与轨迹入池再训练。

基于 Unity 搭建 AI 3D 实时生成、视觉识别与运行时资源加载系统，对 AI 生成能力进行统一接口封装，实现从内容生成到场景落地的一体化流程。 1.文生场景：输入自然语言描述，调用 AI 生成模型、场景资源，并在 Unity 运行时自动加载、实例化和展示。 2.图生场景：通过图片视觉识别提取物体、场景结构及语义信息，并调用 AI 3D 能力生成对应模型和场景。 3.文生动画：根据文本动作描述生成角色动画，并完成动画资源加载、绑定与播放。 4.图生动画：基于图片/角色视觉识别生成对应动作或动画数据，实现角色动画快速生成。 实时资源加载：封装 AI 生成结果的下载、解析、缓存、模型实例化、材质绑定等流程，实现运行时动态加载。 5.场景渲染系统：负责场景 Shader、材质效果、灯光、Post Processing 后处理及整体视觉表现优化。 6.接口模块化封装：统一 AI 生成、视觉识别、资源下载、模型加载和场景管理接口，方便后续接入不同 AI 服务。

功能模块 功能说明 适用场景 自动战斗 识别怪物/目标，自动释放技能/攻击，自动补血补蓝 刷怪升级、挂机打材料 自动采集 识别资源点（矿石/草药/宝箱），自动寻路并拾取 生活技能材料采集 自动任务 按预设流程自动接任务→做任务→交任务 日常任务、主线/支线任务清完 自动寻路 坐标移动、地图跳转、传送点使用 跨地图跑商、押镖、跑环 自动交易 自动上架物品、自动定价、自动收货 商人号挂机摆摊、倒卖 异常处理 死亡复活、断线重连、验证码弹窗检测 保证脚本长时间无人值守稳定运行 日志统计 记录收益数据（经验/金币/物品数量），生成报表 评估效率、优化策略

本系统旨在实时监控游戏服务器中玩家的行为数据，帮助运营团队了解玩家进度、行为习惯与情感倾向。立项背景是游戏运营中对玩家行为缺乏自动化分析手段，难以快速响应玩家需求。核心功能包括：日志采集与清洗、服务器指标监控、玩家行为数据分析、情感倾向打分。系统可对个人玩家进行画像分析，辅助运营制定个性化游戏策略。

1.目前市面上缺少与ai相关的游戏，大部分文字冒险游戏均为预设，且不支持用户自主自定义，我做一款完全可用户自定义世界观及主角的文字冒险rpg，然后ai会先进行世界观创造保存到世界观里，然后再根据创造世界观来给用户游玩

本项目专注于各类自动化脚本与效率工具的定制开发，依托Python及PyAutoGUI等技术实现模拟操作、数据处理、批量执行等核心功能。可满足游戏挂机、社媒矩阵运营、办公自动化、数据采集等多场景需求，通过模块化设计与逻辑优化，大幅提升用户操作效率，降低人工成本，适配个人及中小企业的定制化开发需求，具备高兼容性、高稳定性与快速交付能力。

我成功构建了一套基于量化模型的图像生成系统。 通过对 Flux1-dev 模型进行量化处理，该系统能够在显存仅为 8GB 的 CUDA 设备上高效运行推理。 在 1920×1080 分辨率的单张图像生成任务中，平均合成时间约 20 秒。 后端采用 Python 开发，支持文生图与图生图功能，并提供了完整的 API 接口。所有生成记录及相关数据均通过 SQL 数据库实现本地持久化存储。 为进一步丰富图像风格，我还训练了多种不同风格的 LoRA 模型，可供灵活调用。 前端部分基于 Unity 引擎开发，实现了直观的图像生成交互界面，并与后端服务完全对接，形成从输入到生成、存储的可闭环工作流。 整个系统已具备稳定运行能力，在有限的硬件条件下实现了较高质量的图像生成与可扩展的风格支持。

项目背景：游戏环境复杂多变，人工监控游戏状况耗时费力且易出错。 目标：实现游戏状况自动精准监控与智能操作。核心模块含图像识别游戏画面、数据处理分析、自动化脚本执行。流程：识别画面，分析数据，自动操作。 最终实现全自动对指定游戏进行操作，包括不限于日常任务，战斗，账号管理，账号异常通知用户以及完善的错误处理机制

最初这个个人兴趣项目是想让这个模型可以实现自主行动，自主通过图像识别来走路和瞄准，判断目前所在地图位置，忙活半个月甚至不能实现简单的走路功能，查阅相关资料，发现类似的项目实现了只有读取直接读取人物角色所在位置，这个功能想通过这个卷积加 LSTM 记忆模型是不能实现的，至少以我目前的水平实现不了，所以我退而求其次修改成人来操作，模型辅助瞄准

1、系统包括客户端与服务器； 2、角色有开发者与爱好者以及两者兼顾； 3、客户端面向大众，ID是唯一标识； 4、提供聊天的场所（需联网）； 5、作为开放平台，开发者享有开发益智游戏的权限与AI进行结合，可在平台进行交流； 6、作为娱乐平台，爱好者享有操作益智游戏的权限与AI进行结合，可在平台进行交流； 7、平台对使用者的数据进行采集，并生成报表； 8、系统配有健康模块系统，实时监测一举一动； 9、系统配备应用商城，开发者发布和爱好者操作可在商城中浏览、下载。