游戏研发中的 AI 转型：网易多 Agent 系统与知识工程实践

56 0 0

文章摘要

网易游戏高级技术经理林香鑫在AICon 2025北京站的分享中，系统阐述了大模型在游戏研发中的落地实践。游戏行业面临的核心困境在于代码理解成本高企——千万行量级的代码仓库、跨职能协作的复杂性，以及快速迭代导致的技术债务积累，使得研发人员将大量时间消耗在信息获取和调试环节。为解决这一问题，团队构建了融合知识工程与多Agent系统的智能研发体系。

知识工程的突破性实践体现在对显性与隐性知识的系统化治理。通过代码知识图谱构建技术，将AST解析、调用链分析与工单数据融合，形成可交互的”代码地图”，使开发人员能通过自然语言查询快速定位4万行代码的核心逻辑。同时，结合RAG技术对策划文档、引擎API等异构数据进行统一归集，形成持续迭代的团队知识库。在某国际知名游戏项目中，该系统将日常信息检索时间从20%降至可忽略水平。

Multi-Agent架构的创新应用显著提升了代码生成质量。区别于通用编程助手，团队研发空间通过定义引擎版本、编码规范等200余项团队特征，使AI生成的代码风格匹配率达92%。结合云端知识库的支撑，系统月均生成500万行业务代码，覆盖30%的研发需求。特别在新人培训场景，原本需要两周的代码熟悉周期被压缩至1-2天，大幅降低师徒制培养成本。

AI代码审查系统采用双引擎架构实现质量管控。静态分析与大模型结合的审查机制，配合问题分级过滤算法，将误报率从初期90%降至15%以下。通过夜间自动审查模式，累计捕获运营类低级错误1.2万例，其中数值配置类错误占比达37%。审查数据进一步反哺知识库，形成质量改进闭环。

面向未来，团队正推进”团队大脑”计划，将IM沟通记录、临时决策等非结构化数据纳入知识体系，构建跨策划、研发、QA的协同Agent网络。目前该系统已支持40余款游戏研发，代码生成覆盖率年增长达300%，为游戏行业的AI工业化落地提供了重要范式。