最终打造一个体面的 ADV 游戏引擎，使用 Antigravity 与 Chat GPT

Source: Dev.to

Introduction

我完全没有预料到会这样——起初我以为只需要用 Antigravity 搭建一个 Phaser 3 项目，然后手动编写所有代码。
结果我甚至还没写任何代码；我所做的唯一事情就是提供场景/图片数据，而 AI 对这些数据的理解程度和能力让我不断惊讶。我对游戏设计有非常具体的需求（Phaser 3 本身已经具备很多功能），根据以往经验，我对场景文件的结构有一个大致的想法。AI 将这个想法扩展到了我想象之外的程度。

Original Scenario Format

我最初的格式是一个 CSV 文件，表头类似：

scene,idx,op,speaker,message,text_id,bg,char1,char2,char3,icon,ui,tags,goto

如果你玩过 ADV 游戏，应该能猜到这些列代表什么。我很高兴能够把场景数据从主游戏代码库中抽离出来，这样可以快速迭代、修复和测试。然而，CSV 并不是最容易让人编辑的格式，于是我向 Chat GPT 寻求建议。

AI‑Suggested Workflow

Chat GPT 建议使用 Antigravity 编写一个 Node 实用工具，读取一种更简洁的“原始场景”格式并将其转换为 CSV 结构。经过简短的说明后，Antigravity 给出了“一次性实现”（只需要做少量微调）。

Raw Scenario Example (opening_jp.txt)

@bg destruction_of_world
@ui DIALOG
@chars alexis@C:neutral
@face alexis:neutral
アクシス：な、何が起きてるんだ？

@bg black
@ui NODIALOG
@chars clear
@face clear
[NARR] それは、もう終わったはずの物語だった

Converted CSV (scene_script.csv)

opening,10,SAY,アクシス,な、何が起きてるんだ？,,destruction_of_world,alexis@C:neutral,,,alexis:neutral,DIALOG,,
opening,20,NARR,,それは、もう終わったはずの物語だった,,black,,,,,NODIALOG,,

（我在用日语制作这款游戏，但结构应该已经很清晰了。）

In‑Game Result

转换后的数据在游戏中显示如下：

注意：这仍然是一个早期原型，后续会不断演进。当前的目标是显示角色、展示表情图标并呈现对话。

Conclusion

结合通过 events.json 实现的初步但强大的事件系统，这套工作流让我可以专注于写故事，而不是处理底层逻辑。我大约用了一天时间完成了整个搭建，与我之前的 Android 游戏开发经验相比，这种效率提升巨大——全都要归功于 AI！