核心用法
Game Cog 是 CellCog 生态下的游戏开发专用技能，采用"先深度推理游戏愿景，再生成一致性资产"的工作流。用户通过自然语言描述需求，AI 自动产出角色设计、瓦片地图、音乐音效、UI 元素、3D 模型及完整游戏设计文档（GDD）。
两种调用模式：
agent模式（推荐）：适合单资产生成（精灵图、角色立绘、UI 组件），阻塞式执行agent team模式：适合复杂任务（完整世界观、叙事架构、多维度概念探索），多智能体协作
主要产出类型：
| 类别 | 具体能力 | 输出格式 |
|------|---------|---------|
| 2D 美术 | 角色设计表、精灵动画帧、瓦片地图、道具图标 | PNG/Sprite Sheet |
| 3D 资产 | 角色、武器、环境物件、载具 | GLB（Unity/Unreal/Godot 兼容）|
| 音频 | BGM、音效设计 | 概念/参数描述 |
| 文档 | GDD、关卡设计、叙事大纲、发行 pitch | Markdown/结构化文本 |
| UI/UX | 主菜单、HUD、背包系统、对话框 | 视觉稿/组件规范 |
关键特性：跨模态一致性——同一角色的 2D 立绘、3D 模型、音效主题、叙事背景均由统一的"游戏愿景"驱动生成，避免传统管线中美术风格割裂的问题。
显著优点
1. 端到端整合：覆盖从概念到可导入引擎资产的完整管线，无需在多工具间切换
2. 技术门槛友好：自然语言驱动，非程序员也能产出专业级游戏资产
3. 格式即生产：GLB 模型直接适配主流引擎，瓦片地图按指定像素规格输出
4. 批量生成能力：支持"生成 10 把武器模型"类批量任务，适合快速原型迭代
5. 风格参考系统：内置像素风、手绘风、低多边形 3D、动漫风等预设，可引用既有游戏作为风格锚点（如"Hollow Knight 风格"）
潜在局限与风险
局限性：
- 依赖 CellCog 后端服务，需 API 密钥和有效订阅
- 复杂动画需明确指定帧数与方向，AI 对"适合游戏引擎"的理解可能需人工校验
- 音乐/音效目前主要为概念设计或参数生成，非直接成品音频文件
- 3D 模型拓扑优化和 LOD 生成需手动指定参数，自动化程度有限
常规风险：
- 版权灰色地带：训练数据可能包含受版权保护的游戏资产，生成的"风格类似 Stardew Valley"内容存在潜在侵权风险
- 平台合规：自动生成的内容若用于商业发行，需自行确认是否符合各平台（Steam、App Store、主机厂商）的 AI 生成内容披露政策
- 一致性衰减：超长会话或多轮迭代后，角色细节可能出现漂移，建议分阶段锁定关键设定
- 过度承诺陷阱：AI 可能生成视觉上吸引但玩法未经验证的 GDD，需配合实际原型测试
适合人群
- 独立开发者/ solo dev：一人团队快速验证玩法原型
- 美术资源受限的小团队：用 AI 填补产能缺口，专注核心玩法创新
- 游戏设计学生：低成本探索多种美术风格与叙事可能性
- 非技术背景的创意者：将游戏创意转化为可展示的视觉原型，用于众筹或 pitch
- 已使用 CellCog 生态的用户：无缝衔接既有工作流
使用建议
1. 首次使用务必阅读 cellcog 基础技能，掌握文件处理、超时机制等 SDK 细节
2. 明确指定技术参数：像素尺寸、透明通道需求、精灵图排列方式、多边形预算
3. 从占位资产开始迭代，避免在早期追求完美美术而拖累进度
4. 商业项目建议保留人工审核环节，特别是角色设计的原创性审查