我正在尝试使用ChatGPT作为生产/设计伙伴，而不是简单地询问它。为此实验，我给它一个相当糟糕的任务：在Unreal Engine 5中重建原始Planescape：Torment开场动画的设计团队工作簿，逐帧。不是“描述如何重制它”。我想要的是一个接近实际生产文档的东西，可以指导一个动画团队。公共版本有24页，包含无原始游戏资产、电影/音频文件、私有项目材料、仓库信息或非公开来源。https://docs.google.com/document/d/1oExX0SfGjnHv3Q-rXAglo6AeONqN6vJW/edit?usp=drivesdk&ouid=116197967372192798024&rtpof=true&sd=true

我要求ChatGPT做什么

原始动画必须保持主要权威。AI可以现代化实施质量，但不允许随意重新设计：

• 场次顺序
• 时长
• 组成
• 摄像机移动
• 角色阻挡
• 转场
• 主要动作
• 音频同步

从那里，我让它从动画向后工作到生产流水线。最终工作簿包含：

• 源片符合和帧提取
• 临时32-beat场次地图
• 场次清单设计
• UE5序列器架构
• Cine摄像机匹配
• 控制rig动画工作流
• 墓地环境要求
• 角色和视觉场景要求
• 尼加拉VFX
• 灯光和音频工作流
• 电影渲染管道
• 运行/游戏交付
• 多人/服务器权威考虑
• 帧比较QA
• 生产门槛和完成定义

实验的一个重要部分

我特别禁止ChatGPT在没有帧权威源材料的情况下发明精确帧号或时码。相反，那些部分被标记为需要直接源符合。这个区别成为过程的核心：“证据表明这里发生了什么”与“这个剪辑发生在帧1,247上”是不同的。我想要工作簿区分：

已知推断源符合待定

而不是将AI的信心转化为假精度。

产生的工作流

最终生产序列基本上是：

源符合→ 场次清单→ 全体代理片→ 摄像机锁定→ 生产资产→ 最终动画→ 灯光/ VFX→ 音频→ 渲染→ 帧比较QA→ 运行交付→ 打包构建验证

原则简单：不要在编辑、摄像机、阻挡和时长正确之前花费昂贵的生产时间来完成模型、环境、动画、灯光和VFX。

QA部分可能是最有趣的

我不想“看起来足够”成为接受标准。工作簿建议：

• 源/渲染叠加
• 差异和边缘比较
• 屏幕空间组成测量
• 运动路径比较
• 精确持续时间检查
• 转场时长检查
• 摄像机终点验证
• 动画时长容差
• 音频同步
• 场次由场次通过/失败门槛

ChatGPT在过程中出错了

这实际上是有用的。有一次我告诉它检查“所有源”。它把这太认真了，开始漫游到与重建动画无关的连接源。它停下来，我施加了严格的源层级。之后，过程变得更加有条不紊。这教会了我一个关于AI辅助研究的重要教训：定义AI可以咨询的源不是 Enough。您还需要定义哪个源具有权威，当源之间出现争议时。

我想获得反馈

我对游戏开发、动画、技术艺术、电影制作和生产管理等领域的人感兴趣。查看实际工作簿：

这个看起来像有用的生产文档还是高级文档戏剧？一个结构化的场次清单会不会帮助一个真正的动画团队？源符合→ 代理→ 摄像机锁定→ 生产艺术序列是否有意义？QA门槛是否过多、不足或恰到好处？您在哪里会信任AI继续帮助？在哪里您会绝对要求摄影师、动画师、技术艺术家、音频设计师或UE专家接管？我特别感兴趣的是劳动力分配：人类定义意图、源权威、约束和接受标准。AI处理研究综合、分解、文档、跨引用和一致性检查。人类验证证据、做出创意决定并执行生产。