Tencent PCG · AIGC Production Internship
把 AI 接进商业小游戏的关卡与动画生产：自研 Venus PS 插件让单茬点改图约快 7 倍， 用 AI 换角复刻与 Agent 脚本加速副玩法交付；8 个自研工具支撑 30 个项目、466 个 Spine 工程。
Business Context · 火龙漫剧
实习参与的小游戏依托火龙漫剧的内容场景展开，将剧集题材、角色与剧情线索延展为找茬、解谜、剧情引导和轻量互动。美术与动画的任务既要承接内容气质，也要让玩家看得懂线索、感知操作结果并顺畅进入下一关。
我的工作集中在关卡美术、角色与 UI 动画，以及支持这些内容生产的工具与流程。平台及剧集画面呈现业务语境，游戏截图展示内容进入玩法后的效果。
In-game Experience
按阅读路径整理本次游戏内截图：先看主页如何组织内容，再看剧情引导、关卡交互和通关反馈。以下画面来自不同页面与关卡，用于解释体验环节，不表示同一关卡的连续操作录像。
主页建立入口与进度，剧情引导聚焦角色与对话；关卡内需要同时管理线索标记、时间及提示按钮，通关后再把注意力集中到庆祝反馈与下一步行动。这些游戏内截图提供了检视动画、角色状态与 UI 层级的实际场景，后面的制作案例则进一步解释我的具体职责和方法。
Internship Journey · 2026.01—10
2026 年 1 月 4 日至 10 月 14 日，在腾讯 PCG 公共数据科学部 Flowlyn 组实习。前期从关卡图与 UI 熟悉业务，逐步承担完整关卡及角色动画，再将反复出现的制作问题转化为工具、资源规范与协作方法。
关卡美术与动画是交付内容，AI 与自动化是我的做法：把生图、换角、装配这些重复环节交给工具，把时间留给画面判断，并在评审、素材准备、动态制作和联调交付之间建立更完整的制作判断。
本页 30 项目、466 个 Spine 文件及工具数据沿用留用答辩阶段统计；项目参与、工程文件与已上线成果分别理解，不以目录数量推定上线数量。
重点案例：PS 插件与关卡重制 → · 副玩法交付 → · AI 换角复刻 → · 工具复用 → · 判断与成长 →
My Role
“AI 生成 + 人工精修”进入常规关卡生产。自研 Venus PS 插件把文生图、局部重绘、抠图补背景内嵌进 PS，单茬点改图约快 7 倍。
副玩法沿用参考游戏的动作结构，用 AI 生成新角色部件、拆件对位，再由 Agent 脚本完成装配与重复 K 帧。
自研 8 个生产工具与 Spine 工作流 Skill。AssetDesk 管住 30 个项目资产，IconCrop 已上线内部平台供全组复用。
底图、茬点与 71 套分层 PSD；角色、场景与 UI 动画以 Spine 工程交付，累计 466 个。
Overview
在腾讯 PCG Flowlyn 组以动画设计岗参与多款商业小游戏的美术研发。项目节奏快、单关周期短， 我的做法是把 AI 生图、AI 换角复刻与自动化脚本接进关卡美术和动画生产， 让 AI 负责可重复的部分，人负责画面与动作的判断， 支撑 30 个项目在高频迭代节奏下交付。
Production Archive
怀旧场景设计：参考 80 年代的生活用品、建筑和配色，用 AI 生成场景与道具，再进行精修。 独立制作贯穿整个游戏的序列帧烟花特效与 Spine 红包互动动画，用于春节活动的奖励反馈。
古风玄幻场景：采用较暗的环境、传统建筑与道具，统一角色和茬点的色彩与光线。 使用 AI 制作“狐狸精”角色、古风铜镜等素材，结合 AE 序列帧动画表现变身与光效。
UI 动效制作：负责 Spine UI 动效（胜利弹窗、困难关卡扫光、奖励爆出等）， 通过关键帧、节奏和缩放变化强化操作反馈。
Case Studies
问题：多茬点改图时，素材要反复在 PS 和生成平台之间导入导出、手动缩放对位， 大量时间浪费在跨平台搬运上。研发同学没用过 PS，很难理解美术侧真正的需求。
做法：既然矛盾在跨平台交互，那就直接在 PS 里搭一个 AI 插件——把文生图、局部重绘、 背景补全、抠图、自动命名全部内嵌进 PS 工作流，生成时同步产出无物体背景图与白底图，抠件即取即用。 在生产环境里边用边改，好不好用当天就能验证。
结果：单茬点处理从 2 分 30 秒降到 20 秒，约 7 倍提效。 「怀孕疑云」关卡重制中，玩法改为放大镜、需要用包装盒盖住茬点， 旧流程要逐个改图对位、约 40 分钟到 1 小时，新流程框选生成不到 5 分钟改完全部茬点。 关卡交付从大半天压缩到 1-2 小时，程序联调不再被美术侧阻塞。 插件已完全进入日常工作流：周均生图 195 次，累计 API 调用 2103 次。
在“怀孕疑云”的重制中，玩法调整要求用包装盒遮住多个茬点。我负责这一关的关卡与动画制作，因此同时面对改图数量、原位对齐和后续联调的约束。生成等待之外，反复导出、缩放、对位与命名也在持续消耗制作时间。
我的方案是让 AI 能力进入当前 PS 文档：读取选区，将生成结果按选区位置回填；需要拆分角色时，同时准备白底主体和补全背景。先解决资产如何进入制作的问题，再让美术判断集中在形状、边缘、遮挡和风格是否合格。
局部改图支持反复出现的茬点重制；主体与背景双输出支持角色分层；原位插入和命名减少后续接动画时的整理。这里的价值是缩短整条操作路径，而非只提供一个生图按钮。
插件操作演示：从选区生成到结果回填，支持不同关卡场景的局部修改。
答辩阶段记录：典型单茬点处理约从 150 秒降至 20 秒；“怀孕疑云”多茬点遮盖修改从约 40—60 分钟缩短至不足 5 分钟。周均生图 195 次、累计 API 调用 2103 次为答辩时的使用统计。
插入图层后仍需检查主体边缘、背景连续性、遮挡关系及风格一致性，再进入动画与交付。答辩时插件主要用于我本人的生产流程；IconCrop 的组内复用情况另行展示。
这次实践形成了后续工具开发的方法：记录反复出现的制作卡点，拆开人工操作，优先自动化不需要审美判断的步骤，再回到实际关卡验证。自动化重复操作后，将更多时间投入动画表现与画面精修。
问题：副玩法第 5 关单关素材近百个，且资产标准不清晰、到手素材质量不达标， 按常规做法 2 天内无法完成，而版本节点不能延。
做法：先拆问题再逐个击破——通过 Cocos 拆包拿到 JSON 源文件作为动画参考， 同步向上反馈工作量评估、协调素材同学重置素材，再用工具链加速对位与视频合成， 并与另外两位美术分工并行推进素材再生成。
结果：原本预估 1 周的工作 2 天交付，未 delay 版本节点。 复盘暴露出前期评审缺位与交付标准模糊两个根因， 后续推动关卡评审会机制落地，并用自动命名工具让交付标准变得可执行，在制作前确认素材规格，减少后续返工。
Case 02 · Delivery & Collaboration
副玩法第 5 关不仅是角色数量增加。同一人物还需要对话、失败、口型和特效等不同状态，资产的尺寸、位置、命名和切换关系必须服务于演出。素材量放大后，过去可以临时在 PS 中修补的小问题，会累积成动画与联调的阻塞。
先明确可复用的参考结构：分析参考动画与资源结构，梳理人物位置和演出关系，避免边做边猜。再拆分可并行的任务：向负责人反馈工作量与风险，与另外两位美术并行推进素材再生成；我同步承担动画、对位和视频制作。
把标准前移：素材进入动态制作前，先检查画布、角色锚点、动作状态和命名。统一的画布、锚点与命名，让不同同学交付的部件能够组合。
按答辩记录，原估约一周的任务通过团队并行在两天内交付，守住版本节点。素材再生产、参考结构分析与动画制作并行推进，保障版本交付。
我在复盘中进一步参与推动制作前评审，整理模板与命名方法。评审机制是美术组共同推动的改进，我的贡献在于具体生产问题的反馈及落地执行。目标是让后续交付少依赖临时补救。
尺寸与锚点 → 状态齐备 → 命名对应
参考结构 → 动画对位 → 切换与节奏
素材与动画对应 → 联调反馈 → 规格整理
以上为依据答辩案例整理的制作方法；不直接展示完整内部关卡或参考资源包。
Case 03 · AI Recast & Agent Automation
副玩法面向下沉市场、以走量为主，单关周期短、素材量大。团队的做法是复刻参考游戏的玩法与演出：动画结构沿用参考资源，美术侧要在很短时间内换上全新的角色与场景。我的工作是把这件事做成一条可重复的流水线。
1 · 解析参考：从 Cocos 包中取出 Spine JSON，梳理人物站位、状态（待机、说话、失败、哭、笑）以及口型和特效的切换关系。2 · AI 生成角色：按参考部件的姿态与画布生成新角色，拆成身体、头部、口型、情绪符号等部件。3 · Agent 装配：用自己编写的 Spine 工作流 Skill，让 AI Agent 调用脚本完成定位、建骨骼和重复 K 帧。4 · 人工确认：在 Spine 编辑器里检查轴心、网格和动作手感，导出后再做引用自检。
同一关里，不同角色的参考结构差别很大。替换前先读出骨骼、插槽和状态数量，新部件的画布与锚点才能和原动作对上。
| 参考角色 | 骨骼 / 插槽 | 状态 | 替换时要对齐的部分 |
|---|---|---|---|
| 主角 | 16 / 20 | 8 | 哭、笑、掉落等情绪状态；20 个网格部件与两组 IK 的锚点 |
| 健身女 | 28 / 8 | 6 | 待机、扭头、站立三组姿态，各分两个版本；口型与身体分层 |
数据读自副玩法第 5 关的 Spine 3.8.99 导出文件。
把副玩法和找茬关卡里反复出现的装配工作写成一个 Skill，供 AI Agent 调用。它接管的是机械、可验证的步骤：
自动识别 750×1624 参考图，用 OpenCV 模板匹配把每张部件定位回画布，生成 skeleton.json 与 atlas；换装模式自动配对线稿与上色版。
布料、绳子、头发按骨骼链逐节延迟摆动，末端幅度更大；灯光、灵气生成不规则闪烁与呼吸光，避免机械循环。
中文图层名转为 Spine 友好的命名，按角色、植物、道具生成骨骼树与 slot 对照表。
核对 JSON、atlas 与图片引用，报告缺图、空动画、重名与不规范命名。
自动化只接管装配与重复 K 帧；轴心、网格权重和动作手感仍在 Spine 编辑器里由人判断。这条边界写进了 Skill 的说明，Agent 不会越过它。
Process Archive · Motion Materials
局部 UI 反馈关注信息变化是否易读，入口角色关注短时间内的识别与动势。两类素材的任务不同，因此动态展示按用途拆开，不用一个混剪代替具体说明。
制作时应分别检查起始状态、动作峰值、结束与循环衔接；UI 反馈还要回到实际显示尺寸检查文字与状态是否清楚。角色素材则需进一步验证抠像边缘、透明通道以及进入页面后的尺度。
Tool Matrix
工具不是脱离美术单独做的另一件事，而是在做关卡、做动画的过程中， 发现某个环节反复出现、反复浪费时间，才动手把它固定下来。 核心逻辑只有两条：一个问题出现多次，先想能不能用工具替代； 如果总在一个节点浪费时间，这个节点就该被自动化。
项目 / 关卡 / Spine 三层管理，自动扫描关卡目录、识别 Spine 包完整性，带实时进度仪表盘与交付自检，管住 30 个项目、466 个动画文件。
文生图 / 局部重绘 / 选区回写图层 / 背景补全，全流程内嵌 PS，单茬点改图约 7 倍提效。
可视化框选批量拆分 + AI 自动命名 + ZIP 导出。已上线公司内部平台，全组可用。
121 帧智能压缩到 41 帧，快速转成动画参考，缩短动作还原的前置时间。
自动组合人物与表情部件，把多人物状态的重复拼装环节标准化。
针对找茬类项目的命名痛点，自动完成茬点图匹配与规范命名，让交付标准可执行。
一键生成圆形素材，处理头像与图标类高频需求。
脚本化自动生成演示视频，替代手工剪辑导出的重复劳动。
Case 04 · Reusable Workflow
PS 插件解决制作现场的改图，IconCrop 处理裁切与命名，FrameExtract 准备动态参考，AssetDesk 记录项目、关卡与动画资产的状态。工具之间围绕同一套生产问题分工：减少重复操作，并避免在交接中丢失信息。
多茬点场景中，裁出图片后仍要逐个核对名字、尺寸及对应关系。我把框选、选区微调、名称匹配和打包输出组织在同一界面，保留人工检查与修正。按答辩记录，IconCrop 已上线内部平台供全组使用，这是工具从个人制作走向团队复用的代表。
抽帧的价值是减少冗余，同时保留可用的动作节奏。界面提供原始与抽帧后的对照预览，支持固定间隔、自定义间隔和智能模式。121 帧至 41 帧是资料中的一次示例，不能作为所有素材都适用的固定压缩比例。
文件夹数量难以说明哪些内容还没完成。我用项目、关卡和动画资产层级组织任务，记录完成、进行中、返修与无需动画等状态，并结合扫描与交付检查减少遗漏。工具的重点是让下一步行动清楚，而不只是展示一个统计大屏。
从高频问题中选择投入点：重复的裁切、对位、命名和状态记录适合自动化；画面是否自然、动作是否有表现力、玩法反馈是否清晰，仍需要设计判断。工具的价值最终体现在制作与交付，而不以功能数量衡量。
Judgment & Growth
把时间投入核心体验：答辩中记录过一次背景乌鸦呼吸动画的取舍。面对多角色绑定的额外成本，我主动沟通其对找茬主玩法的边际价值，把工期优先留给核心内容。判断建立在具体玩法与版本约束中，而非一味追求动效数量。
把问题前置：发现茬点位置不合理、素材标准不统一时，先与策划、美术和程序对齐，再进入制作；参与共同评审、整理模板与异步标注，让返工原因能够追溯。
继续补齐精细设计：动画与关卡已经能稳定交付，UI 的透明度、描边、间距等细节仍需要积累。通过竞品拆解、取值规范与主美反馈，把依赖感觉的选择逐步变成有依据的判断。
这段实习让我逐步承担完整的关卡与动画任务，也开始通过工具、素材规范和制作前评审，解决反复出现的交付问题。