AI游戏关卡生成：用Python和提示词模板批量产出关卡配置

知识分享

2026-10-28 19:00

12 阅读

AI游戏关卡生成最简单的落地方式，是先用 Python 脚本把关卡参数和提示词模板拼起来，调用大模型接口批量拿到结构化 JSON，再交给引擎或关卡编辑器使用。
这条路不依赖特定引擎插件，适合先验证生成质量，再决定是否接入 Unity、Godot 或自研工具链。

先明确你要生成哪种关卡

不同游戏类型对关卡数据的要求差别很大。
平台跳跃需要平台坐标、敌人位置和通关点；
塔防需要路径节点、刷怪波次和资源点；
解谜关卡则更依赖机关状态和触发条件。
动手前先写一份最小关卡字段表，例如：

level_id：关卡唯一编号
difficulty：1 到 5 的难度等级
platforms：平台列表，每项含 x、y、width
enemies：敌人列表，每项含 type、x、y
goal：通关点坐标

字段表就是后续提示词和校验脚本的依据，字段越少越容易跑通第一版。

准备运行环境和接口参数

在本地或测试服务器上安装 Python 3.9 以上版本，并装好 requests：

python3 -m venv venv
source venv/bin/activate
pip install requests

把模型接口地址、API Key 和模型名称放进环境变量，不要硬编码在脚本里：

export AI_API_BASE="你的接口地址"
export AI_API_KEY="你的密钥"
export AI_MODEL="模型名称"

接口地址和模型名称以你实际使用的服务为准，不同平台的请求路径和参数名可能不同，先拿一条最小请求确认能通，再继续批量生成。

用提示词模板约束输出结构

关卡生成最容易出问题的地方是模型返回自由文本，导致脚本解析失败。
提示词里要明确要求只输出 JSON，并给出字段示例：

你是游戏关卡设计师。请根据以下参数生成一个关卡，只输出 JSON，不要输出解释文字。
参数：难度={difficulty}，主题={theme}，平台数量={platform_count}。
输出格式示例：
{"level_id":"level_001","difficulty":3,"platforms":[{"x":0,"y":0,"width":4}],"enemies":[{"type":"slime","x":8,"y":2}],"goal":{"x":20,"y":0}}

把这段模板存成 prompt_template.txt，脚本里用 str.format 填入参数。
模板中保留一个完整示例比只写字段名更有效，模型更容易照着结构输出。

批量生成与结果校验

下面是一个可运行的最小脚本，读取参数列表，逐条请求并保存结果：

import json, os, requests

API_BASE = os.environ["AI_API_BASE"]
API_KEY = os.environ["AI_API_KEY"]
MODEL = os.environ["AI_MODEL"]

with open("prompt_template.txt", encoding="utf-8") as f:
    template = f.read()

params = [
    {"difficulty": 1, "theme": "森林", "platform_count": 6},
    {"difficulty": 3, "theme": "洞穴", "platform_count": 10},
]

for i, p in enumerate(params, start=1):
    prompt = template.format(**p)
    resp = requests.post(
        f"{API_BASE}/chat/completions",
        headers={"Authorization": f"Bearer {API_KEY}"},
        json={"model": MODEL, "messages": [{"role": "user", "content": prompt}], "temperature": 0.7},
        timeout=60,
    )
    resp.raise_for_status()
    text = resp.json()["choices"][0]["message"]["content"]
    level = json.loads(text)
    level["level_id"] = f"level_{i:03d}"
    with open(f"levels/level_{i:03d}.json", "w", encoding="utf-8") as out:
        json.dump(level, out, ensure_ascii=False, indent=2)
    print("saved", level["level_id"])

运行前先创建 levels 目录。
如果模型返回内容带 Markdown 代码围栏，json.loads 会直接报错，可以在解析前做一次清理：去掉首尾的 `json 和 ` 标记。
每生成一批，至少抽查两个文件，确认坐标在合理范围内、敌人没有悬空、通关点可达。

常见报错和避坑

返回内容不是合法 JSON：先检查提示词是否明确禁止解释文字，再在脚本里加清理逻辑；仍然失败时降低 temperature 或换更稳定的模型。
接口返回 401 或 403：检查 AI_API_KEY 是否带多余空格，请求头格式是否为 Bearer 密钥。
请求超时：关卡字段多时输出较长，适当调大 timeout，并考虑分批生成。
字段缺失：脚本里加一个必填字段检查，缺少 platforms 或 goal 时记录日志并重新生成，不要直接写入关卡目录。
坐标越界：生成后按你的关卡尺寸做一次范围过滤，超出边界的对象直接丢弃或重新请求。

AI游戏关卡生成的价值在于把重复的配置工作变成可批量执行的流程，但模型输出不能直接当成品用。
保留人工抽查和字段校验这两步，才能稳定产出可导入引擎的关卡数据。

验证生成结果是否可用

先确认每个 JSON 文件都能被解析，再检查关键字段类型：difficulty 是数字，platforms 和 enemies 是数组，goal 包含 x 和 y。
把生成文件导入关卡编辑器或写一个简单渲染脚本，观察平台是否重叠、敌人是否落在可行走区域。
如果只是做原型验证，可以先人工调整一两个关卡，确认数据结构没问题后再扩大生成数量。

AI游戏剧情生成：用Python脚本把事件与提示词串成可复用流程

AI游戏美术生成：用ComfyUI工作流批量产出角色立绘