先做个广告：需要购买Gemini帐号或代充值Gemini会员，请加微信：gptchongzhi
本文目录导读：
推荐使用Gemini中文版,国内可直接访问：https://ai.gpt86.top
作者： 谷歌Gemini中文网编辑
发布日期： 2025年5月
建议阅读对象： 任何有Unity、Unreal Engine或Web游戏开发经验的开发者
核心思想： 让NPC拥有“思想”，让环境能“听懂”指令，而不仅仅是触发预设动作。
大家好,欢迎来到谷歌Gemini中文网的开发者专栏。
过去两年,AI大模型已经从“能聊天”进化到“会做事”，在游戏领域，2024年我们看到了一些粗糙的AI NPC原型，但到了2025年，随着Gemini 2.5 Flash、Gemini 2.5 Pro以及刚刚推出的Gemini 2.5 Pro Experimental（0827） 的成熟，以及Google Game Agent框架的初步整合，将Gemini集成到游戏中的技术栈已经变得清晰且高效。
我们将通过一个具体的案例——为RPG游戏创造一个拥有实时记忆、能根据场景动态生成对话和动作的NPC——来手把手教你如何实现。
最新资讯摘要（2025年5月）：
- 低延迟交互： Gemini 2.5 Flash实现了端到端的视觉和音频处理，延迟已低于500ms，适合实时对话。
- 上下文窗口： 2M Token的上下文窗口允许NPC记住玩家之前十几小时的游戏行为。
- Game Agent框架： Google近期推出了专为游戏设计的SDK，封装了语音、视觉和逻辑调用，简化了集成流程。
第一步：准备工作与环境搭建
在编写代码之前,需要确保以下三点到位：
- API Key： 前往 Google AI Studio 获取API密钥，建议使用付费配额，因为游戏中的调用量远大于简单的文字问答。
- 开发平台选择： 推荐使用 Unity (C#) 或 Unreal Engine 5 (C++/Blueprint)，本次教程以Unity为例。
- 网络层： 确保你的游戏客户端可以发起HTTPS请求，我们使用官方的
Google.Cloud.AIPlatform.V1库或直接通过HTTP REST API。
架构选择（至关重要）：
- 客户端直连（推荐用于单机/轻量化游戏）： 直接从Unity发送请求到Gemini API，风险是API Key暴露，可通过后端代理或客户端混淆保护。
- 后端中继（推荐用于MMO/手游）： 游戏客户端将动作发给你的服务器，服务器调用Gemini，再将结果返回客户端，本次教程采用客户端直连，以展示核心原理。
第二步：核心接口调用：让NPC“听”和“说”
我们将创建一个GeminiNPC脚本，挂在NPC对象上。
1 定义系统提示（System Prompt）
这是NPC灵魂所在,不要只写“你是一个NPC”，要深入细节：
string systemPrompt = @" 你是酒馆老板“老汤姆”，你是矮人，性格粗犷但热心。 你的知识截止于2025年5月。 你对游戏内事件（玩家完成的任务、当前装备、场景天气）有实时感知。 你的对话风格：爱开玩笑，偶尔会问玩家最近有没有去“铁砧矿洞”（游戏内一个地方）。 如果玩家提到‘黑暗骑士’，你的表情会变得严肃。 响应格式：请以JSON格式输出，包含 'emotion'（表情动作）和 'text'（说话文本）。 不要涉及现实政治或敏感话题。 ";
关键点： 这里给定了角色、知识边界、感知能力、风格和输出格式，格式约束让我们能解析对话并驱动NPC动画。
2 构建上下文
Gemini的强大在于多模态和长上下文,我们要把“游戏状态”喂给它。
// 获取游戏中的实时状态
string playerLevel = PlayerManager.Instance.GetLevel().ToString();
string currentWorldTime = TimeManager.Instance.GetTimeOfDay(); // "Morning"
string playerInventory = string.Join(",", PlayerManager.Instance.Inventory.GetAllItemNames()); // "Sword, Potion"
string recentActions = PlayerManager.Instance.GetRecentQuestLog(); // "Killed the Goblin King"
// 构建消息列表
var messages = new List<Content>
{
new Content { Role = "user", Parts = new List<Part> { new Part { Text = systemPrompt } } },
new Content { Role = "model", Parts = new List<Part> { new Part { Text = "明白，我是老汤姆，准备好招待客人了。" } } },
// 这里模拟玩家刚进酒馆
new Content
{
Role = "user",
Parts = new List<Part>
{
new Part
{
Text = @$"
[游戏状态报告]
- 玩家等级: {playerLevel}
- 当前时间: {currentWorldTime}
- 玩家携带物品: {playerInventory}
- 玩家近期完成事件: {recentActions}
- 天气: 下雨
[玩家当前说]：'嘿，老板，有啥新鲜事？'
"
}
}
}
};
3 调用Gemini API并处理响应
public async Task<NPCResponse> GenerateNPCAction()
{
var client = new HttpClient();
var requestContent = new
{
contents = messages,
generation_config = new
{
temperature = 0.8f, // 让回应更具随机性，更像真人
max_output_tokens = 256,
response_mime_type = "application/json" // 强制输出JSON
}
};
// 序列化并发送（此处省略了具体的URL和Key添加细节）
var json = JsonConvert.SerializeObject(requestContent);
var response = await client.PostAsync("https://generativelanguage.googleapis.com/v1beta/models/gemini-2.5-flash:generateContent?key=YOUR_API_KEY", content);
// 解析返回的JSON
var result = await response.Content.ReadAsAsync<GeminiResponse>();
string rawText = result.candidates[0].content.parts[0].text;
// 解析成我们定义的结构
NPCResponse npcResponse = JsonConvert.DeserializeObject<NPCResponse>(rawText);
// 驱动角色动画
PlayAnimation(npcResponse.emotion); // "angry", "laugh"
// 播放语音（如果有TTS）
PlayVoice(npcResponse.text);
return npcResponse;
}
public class NPCResponse
{
public string emotion { get; set; }
public string text { get; set; }
}
最新技巧： 使用 response_mime_type = "application/json" 是2025年很实用的功能，取代了以前非常繁琐的Few-shot示例，确保模型输出标准的JSON，减少了解析错误。
第三步：进阶玩法：让Gemini“看见”游戏世界
2025年Gemini的视觉能力已经非常成熟,你可以直接将游戏截图（或玩家的摄像头画面）发给Gemini。
应用场景：
- 环境问答： “老汤姆，我墙上这把剑有什么故事？” -> 截取剑的特写，发送给Gemini。
- 物品识别： 玩家捡到一个陌生的药水，Gemini能根据其外观（从截图中解读）动态生成其名称和效果。
代码示例： 在用户消息中，添加一个InlineData类型的Part，传递截图。
byte[] screenshotBytes = ScreenCapture.CaptureRawBytes(); // 获取当前屏幕截图
new Content
{
Role = "user",
Parts = new List<Part>
{
new Part { Text = "看看我的背包里有什么奇怪的东西？" },
new Part
{
InlineData = new Blob
{
MimeType = "image/png",
Data = Convert.ToBase64String(screenshotBytes)
}
}
}
}
注意： 频繁发送截图对带宽和Token消耗巨大，建议使用关键帧采样，例如只在玩家主动询问环境问题时发送，或者在场景切换时发送缩略图。
第四步：从对话到行动：Function Calling
不要让NPC只限于“说”，让它能“做”，Gemini的Function Calling允许模型在需要时主动调用游戏内的函数。
定义函数： 告诉Gemini它可以调用哪些游戏逻辑，打开商店”、“给予玩家任务”、“切换天气”。
var tools = new Tool
{
function_declarations = new List<FunctionDeclaration>
{
new FunctionDeclaration
{
Name = "open_shop",
Description = "打开店铺购买界面，供玩家购买物品。",
Parameters = new OpenApiObject
{
Properties = new Dictionary<string, OpenApiSchema>
{
{ "shop_type", new OpenApiSchema { Type = "string", Description = "店铺类型，如 '黑市'、'药水店'、'武器店'" } }
},
Required = new List<string> { "shop_type" }
}
}
}
};
// 在API请求中传入 tools
// ... requestContent.tools = tools ...
动态交互：
- 玩家说：“老汤姆，我想买点疗伤药。”
- Gemini推理后,返回一个
function_call，参数为{"shop_type": "药水店"}。 - 你的Unity代码收到这个
function_call，执行ExecuteFunction("open_shop", args)，打开UI界面。 - 然后你告诉Gemini：“功能已执行，玩家界面已打开。”
这实现了真正的“意图理解与执行”。
总结与最佳实践
- Keep it Simple, Stupid (KISS)： 不要一开始就想着做全自主的AI世界，从单一NPC的对话增强做起。
- Cost Control（成本控制）： Token是钱，使用Gemini 2.5 Flash（成本仅为Pro的1/10）处理大部分实时对话，只在剧情关键节点或复杂推理时调用Gemini 2.5 Pro。
- Caching（缓存）： 对于NPC的“常规问候语”，利用Gemini的上下文缓存功能，将系统提示和游戏背景知识预缓存，大幅降低延迟和成本。
- 安全护栏： 设置严格的系统提示，并开启API端的安全设置，不要相信玩家输入，对返回内容也要做二次过滤（检查是否包含不适宜的词）。
- 异步与回退： AI调用可能失败（网络问题、内容被拒），一定要有回退逻辑，比如播放预设的台词：“哦，我嗓子有点哑，你再说一遍？”
下一步探索
- 实时语音： 集成Google Cloud Speech-to-Text和Text-to-Speech，让玩家直接和Gemini NPC说话。
- Game Agent SDK： 关注Google近期推出的Game Agent SDK，它简化了上述很多步骤，甚至内置了用于控制角色移动和攻击的底层Agent。
将Gemini集成到游戏中,不再是科幻小说里的噱头，它是2025年增强游戏沉浸感、打破传统叙事枷锁最强大的工具，从今天开始，给你的游戏角色装上“数字大脑”吧。
（本文基于谷歌Gemini中文网编辑团队对2025年5月最新API文档及社区实践案例的整理，实际开发请以Google最新官方文档为准。）
