Wolf Games چگونه روزانه داستان‌های جنایی همهجانبه‌ای را با Gemini API ایجاد می‌کند

تقاضا برای محتوای تازه و جذاب در بازی بی وقفه است. برای Wolf Games، یک استارت آپ نوآور، این به معنای ارائه داستان های جنایی جدید و تعاملی روزانه به بازیکنان خود است. آنها با استفاده از قدرت Gemini API، به ویژه Gemini 2.0 Flash و Gemini 2.0 Flash Thinking، به این هدف بلندپروازانه دست می یابند تا روایت های پیچیده را در مقیاسی بی سابقه تولید کنند.

Wolf Games گیمرهای موبایل و علاقه مندان به رمز و راز را هدف قرار می دهد که هوس تجربه حل مشکلات روزانه را دارند. برنامه آنها هر روز صحنه های جنایت واقع گرایانه را ارائه می دهد که با گزارش های پلیس، عکس ها، مصاحبه ها و شخصیت های پویا کامل می شود و به بازیکنان این امکان را می دهد که به طور منظم در موارد سرد جدید شیرجه بزنند.

حفظ این آهنگ روزانه نیاز به سرعت و دقت در تولید محتوا دارد. قبل از ادغام Gemini API، Wolf Games با مدل‌های قبلی با موانعی روبرو بود که با خروجی ساختاری ثابت (که تنها 80 درصد موفقیت به دست می‌آورد) و زمان اجرای سریع (تا 6 دقیقه) مشکل داشتند.

نوآ روزنبرگ، یکی از بنیانگذاران و CTO توضیح می دهد: "ما از Gemini API در DAG اجرای سریع خود برای تولید داستان های جنایی بدیع و جذاب استفاده می کنیم." "فرآیند ما دستورات دقیق تنظیم شده متعددی را برای به دست آوردن محتوای ساختاریافته از یک فرآیند ذاتاً ساختار نیافته - نسل روایت" هماهنگ می کند.

هسته راه حل Wolf Games ابزار داخلی آنها، "Prompt Composer" است که اجرای سریع DAG آنها را مدیریت می کند. این چارچوب به آن‌ها اجازه می‌دهد فراخوانی‌های تابع را ادغام کنند، اسکریپت‌های پایتون سفارشی را برای منطق مانند اطمینان از نام‌های منحصربه‌فرد اجرا کنند و وضعیت را در طول فرآیند تولید مدیریت کنند. این به آنها اجازه می دهد:

• به راحتی بین مدل‌های مختلف جابه‌جا شوید، از جمله Gemini 2.5 Pro، Gemini 2.0 Flash و Gemini 2.0 Flash Thinking.
• با ذخیره‌سازی تمام محتوای تولید شده، مانند داستان‌های پس‌زمینه شخصیت‌ها و رویدادهای موردی، در یک پایگاه داده پایدار، از یکپارچگی روایت اطمینان حاصل کنید، از Retrieval-Augmented Generation (RAG) استفاده کنید. به عنوان مثال، ارجاع به نمودار علی بیزی از رویدادها، که وابستگی های منطقی در روایت را ترسیم می کند، هنگام تولید صورت حساب بانکی دیجیتال برای اطمینان از صحت و ثبات.
• خروجی ساخت‌یافته، به‌ویژه JSON را اعمال کنید، که سپس با استفاده از ابزارهایی مانند Pydantic اعتبارسنجی می‌شود و قابلیت اطمینان پایین‌دستی را تضمین می‌کند.

مهاجرت به مدل های جمینی پیشرفت های قابل توجهی را به همراه داشت:

• افزایش دقت : نرخ موفقیت اجرای سریع از 80% به 96% افزایش یافت و محتوای ساختار یافته و با کیفیت بالا را تضمین کرد.
• تأخیر کاهش یافته : زمان تکمیل درخواست به طور چشمگیری از دقیقه به کمتر از 20 ثانیه برای اکثر درخواست ها کاهش یافته است.
• تولید محتوای ساده : سرعت و قابلیت اطمینان مدل‌های Gemini، به‌ویژه Gemini 2.0 Flash، توانایی آن‌ها را برای تولید داستان‌های جنایی دقیق روزانه به‌طور چشمگیری افزایش داده است.

Wolf Games قصد دارد از Gemini API بیشتر استفاده کند، به ویژه پتانسیل خلاقانه مدل‌های آینده را برای تولید شواهد واقعی‌تر بازی بررسی کند. نوح با انعکاس تجربه آنها این توصیه را به توسعه دهندگان ارائه می دهد:

"زمان را صرف کنید تا متوجه شوید که چگونه دستورات را برای مدل‌های Gemini ساختار دهید. از مدل‌های قدرتمندتر برای ایجاد دستورهایی برای اجرای سریع‌تر مدل‌ها استفاده کنید." او بر اهمیت طرح‌واره‌های ساختاریافته و نمونه‌های چندتایی تأکید می‌کند، و به توسعه‌دهندگان پیشنهاد می‌کند که «آزمایش‌هایی را برای به دست آوردن شهودی در مورد اینکه چگونه مدل‌های جمینی از داده‌های کدگذاری‌شده در فضای پنهان استفاده می‌کنند، انجام دهند».

برای نوح، هوش مصنوعی یک کاتالیزور خلاق قدرتمند است: "من یک عمر "کلوتز محتوا" بوده‌ام... اکنون با هوش مصنوعی، می‌توانم هر چیزی را که بتوانم رویاپردازی کنم، بدون تمام زحمت خلق کنم.

استفاده نوآورانه Wolf Games از Gemini API پتانسیل آن را برای ایجاد تحول در توسعه بازی نشان می‌دهد و سازندگان را قادر می‌سازد تا با سرعت بی‌سابقه‌ای تجربیات همه‌جانبه تولید کنند.

برای شروع ساختن آینده هوش مصنوعی می‌توانید در Google AI Studio شروع به کار کنید و اسناد Gemini API را بررسی کنید .