Hao的游戏PM笔记 - 节目列表

📝 本期摘要 Hao的游戏PM笔记本期从零基础视角，拆解一款游戏从想法到可验证版本的早期过程。很多人想做游戏PM，第一反应是去学排期、会议、JIRA 或甘特图，但真正入门前，更应该先看懂游戏项目本身是如何推进的。本期重点讲预研立项、Demo、垂直切片三个阶段，分别对应确定方向、验证核心玩法、建立品质标准。对于游戏PM新人、零经验转行做游戏项目经理的人，以及想进入游戏行业的应届生来说，这是一期理解 game project management 基础框架的入门内容。 ❓ 本期讨论了这些问题 * 零基础想做游戏PM，应该先学工具，还是先理解项目流程？ * 一款游戏从零到一，通常会经历哪些关键阶段？ * 预研立项期，游戏PM到底能发挥什么价值？ * Demo阶段为什么需求频繁变化，不一定是管理混乱？ * 垂直切片为什么不是多做一点内容，而是为量产建立标准？ * 游戏PM vs 互联网PM 的区别，为什么要从项目阶段里理解？ 🔥 本期核心内容 1. 游戏PM不是只管排期，而是要看懂项目阶段 很多新人把游戏PM理解成开会、催进度、做表格，但这些只是表层动作。真正重要的是判断项目处在哪个阶段，以及当前阶段最关键的问题是什么。预研、Demo、垂直切片的管理重点完全不同，不能用同一套方法硬套。 2. 预研立项期，核心是把模糊想法变成可执行项目 这个阶段团队通常很小，产出以方向讨论、市场判断、玩法概念、美术风格和立项材料为主。PM如果参与进来，最重要的价值不是排期，而是信息组织、会议结论沉淀和决策推进。说白了，是帮助团队从“想做一个游戏”走到“知道接下来怎么做”。 3. Demo期，重点是控制验证节奏，而不是做完整游戏 Demo的目标是验证核心玩法是否成立，不是把所有系统都做出来。这个阶段需求变化很频繁，但变化本身不一定代表失控，因为探索就是这个阶段的本质。PM需要帮助团队明确验证目标、控制时间边界，避免陷入“什么都想试”的无限循环。 4. 垂直切片期，开始建立后续量产依赖的标准 垂直切片不是简单做一段内容，而是做出一个接近最终品质的样板。这里会涉及玩法、美术、音效、UI、性能等多个维度，也会开始建立制作管线、美术管线、验收标准和跨职能协作流程。对于游戏美术项目管理、美术外包管理和后续量产来说，这个阶段的标准会被放大很多倍。 🏷️ 本期提到的人物与概念 人物：Hao / Hao 公司/产品：JIRA / JIRA，TAPD / TAPD 概念：游戏项目管理 / Game Project Management，游戏PM / Game PM，预研立项 / Pre-production Approval，Demo / Prototype，MVP / Minimum Viable Product，垂直切片 / Vertical Slice，Scrum / Scrum，Sprint / Sprint，游戏美术项目管理 / Game Art Project Management，美术管线 / Art Pipeline，零经验转行游戏项目经理 / How to Become a Game PM with No Experience 🔗 延伸话题 Q：零基础想做游戏PM，第一步应该学什么？ A：第一步不是立刻学工具，而是先理解游戏项目从预研、Demo、垂直切片到量产、测试、运营的大致流程；工具是服务流程的，不是流程本身。 Q：零经验转行做游戏项目经理，最容易缺哪块认知？ A：最容易缺的是游戏研发阶段认知。很多跨行业PM有项目管理方法，但不了解游戏项目为什么早期变化多、为什么Demo阶段不能按量产方式管理。 Q：游戏PM和互联网PM最大的区别是什么？ A：游戏PM更深地嵌在内容生产、版本节奏、跨职能协作和体验验证里。游戏项目的“不确定性”和“品质标准”很强，不能只用互联网产品迭代的逻辑理解。 Q：游戏开发里的 Sprint 和 Scrum 适合所有阶段吗？ A：不适合机械套用。Demo阶段更强调快速验证，量产期才更需要稳定节奏和任务拆解。敏捷实践要服务阶段目标，而不是反过来让团队服从流程。 Q：垂直切片和游戏美术项目管理有什么关系？ A：垂直切片阶段会第一次系统性建立美术品质标准、资源命名规范、制作流程和验收方式，这些都会影响后续美术管线和外包管理效率。 🌐 About This Episode In this episode of Hao's Game PM Notes, Hao explains how a game project moves from zero to one through pre-production, demo, and vertical slice stages. The episode is designed for beginners, aspiring game PMs, and students who want to understand game project management before learning tools like JIRA, Scrum, or Sprint planning. It also connects early-stage game production with broader game PM and game producer responsibilities. 📌 关于 Hao的游戏PM笔记 「Hao的游戏PM笔记」是一个专注游戏项目管理的垂直内容品牌，覆盖游戏PM知识体系、转行路径、AI提效与行业观察。 主理人 Hao，10年游戏行业经验，策划转项目经理，持有 PMP / PMI-ACP / PSM / PSPO 认证。 📚 系列课程： * 《游戏项目管理14讲》——从零基础到游戏PM体系搭建 * 《从执行者到架构师》——进阶项目管理方法论 * 《游戏美术项目管理基础》——美术管线、外包管理与验收标准 * 《游戏人的AI第一课，从旁观者到驾驭者》——从AI旁观者到驾驭者的认知升级 * 《游戏PM的AI实战手册》——AI工具在游戏项目管理中的深度实战应用 📡 全平台：小宇宙播客 · B站 · 小红书 · 公众号 · 知乎 课程 · 一对一咨询 · PM成长社区 → pmnote.ai

📝 本期摘要 个人AI订阅一年花好几千，企业2025年在生成式AI上砸了370亿美元——但MIT和耶鲁的研究显示95%的AI项目回报为零，McKinsey统计仅6%的企业达到"AI高绩效"标准。本期从一线游戏PM的视角出发，拆解了AI投入产出不匹配的三层原因：超过一半预算投在了"好汇报"而非"高回报"的方向，AI节省的时间近40%被返工吃掉，以及整个行业正处于类似1987年"Solow悖论"的阶段——工具买了，但工作方式没跟上。最后给出个人AI订阅的月度审计方法，帮你分清哪些钱该花、哪些该砍。 ❓ 本期讨论了这些问题 * 为什么77%的人认为AI订阅是必需品，却说不清效率提升了多少？ * 全球企业砸了370亿美元做AI，为什么95%的项目回报为零？ * AI节省的时间里，40%被返工吃掉了——效率提升是不是被严重高估？ * 1987年的"Solow悖论"对今天的AI投资意味着什么？ * 游戏行业的AI落地，钱该花在"看得见"还是"看不见"的环节？ * 游戏PM如何在团队AI工具管理中平衡成本和效率？ 🔥 本期核心内容 1. 个人层面：订阅堆叠，功能重叠 Reddit上重度用户开始批量退订AI工具，一个典型用户月账单从82美元降到8美元。Bango调研77%付费用户视AI为必需品，但大多数人无法量化效率提升。AI已经成为"最重要的订阅"，问题不在要不要用，在于用几个、怎么用。 2. 企业层面：花钱很确定，算账很模糊 2025年美国企业AI支出370亿美元（同比3.2倍），Goldman Sachs预测2026年超5000亿。但MIT/耶鲁研究显示95%的AI项目零回报，McKinsey仅6%企业达"AI高绩效"，Deloitte数据中只有29%高管能自信衡量AI ROI。Forrester预测四分之一企业将推迟2026年AI预算。 3. 根因拆解：方向错了，效果也高估了 超半数企业AI预算投在销售和营销（好展示），但回报最高的是后台运营自动化（不性感但省真金白银）。Workday研究发现AI节省的时间40%被返工吃掉，仅14%员工获得稳定正向收益。游戏行业也一样——AI在排期管理、Bug分类等"看不见"环节的投入产出比，往往高于AI生图、AI写代码等"看得见"环节。 4. Solow悖论重现：工具到位了，工作方式没跟上 1987年"到处看得到电脑，就是在生产力数据里看不到"，悖论在15年后才被打破——不是技术变好了，是企业学会了围绕技术重新设计工作方式。今天的AI投资面临同样的时间差。工具不是瓶颈，工作流才是。 5. 个人AI审计：三个问题砍掉无效订阅 每月底对每项AI订阅问三个问题——用了几次（周频以下砍掉）、解决了什么具体问题（说不出就不需要）、替代方案成本是否更低（是就退订）。真正有效的AI投入有共同特征：解决真实痛点、嵌入固定工作流、流程先于工具。 🏷️ 本期提到的人物与概念 人物：Robert Solow / 罗伯特·索洛（诺贝尔经济学奖得主） 公司/产品：ChatGPT、Claude / Anthropic、Cursor、Perplexity、Gemini、Lovart、Lovable 机构/报告：MIT、Yale School of Management / 耶鲁管理学院、McKinsey、Forbes Research、Deloitte、Forrester、Goldman Sachs、Bango、Workday、UC Berkeley 概念：AI ROI / AI投资回报率、Solow Paradox / 索洛悖论、AI订阅堆叠 / AI Subscription Stacking、返工成本 / Rework Cost、AI工作流重构 / AI Workflow Redesign、游戏项目管理 / Game Project Management 🔗 延伸话题 * 游戏PM和互联网PM在AI工具管理上有什么区别？游戏研发管线的环节依赖更复杂，AI的投入产出评估需要按环节拆分而非笼统计算 * 游戏项目经理的职业发展路径正在被AI改变——AI预算管理和工作流设计能力正在成为PM的新必备项 * 游戏美术管线中AI的真实投入产出是怎样的？AI生图很快，但风格统一、资产规范化的返工成本往往被低估 📌 关于我 我是 Hao，游戏行业项目管理从业者，10年经验。 课程 · 咨询 · PM成长社区 → pmnote.ai

📝 本期摘要 Steam上三分之一的游戏已经披露使用了AI，游戏研发中AI应用率超过86%，但52%的从业者认为生成式AI对行业产生了负面影响，85%的玩家对AI游戏持负面态度。本期从一线游戏PM的视角出发，梳理了AI生成游戏的真实进展：代码生成已趋成熟、美术资产快速进步但工程化不足、数值和玩法设计仍是AI最薄弱的环节。同时拆解了AI对小游戏、独立游戏、3A三个层级的不同影响，分析了"公式复制成本趋零"对市场竞争格局的冲击，以及为什么"原创性"正在成为AI时代最值钱的东西。 ❓ 本期讨论了这些问题 * 为什么90%的开发者在用AI做游戏，但85%的玩家对AI游戏持负面态度？ * "一句话生成游戏"在技术上已经成立，但"能运行"和"好玩"之间的鸿沟有多大？ * AI在代码、美术、数值、玩法设计各环节的真实能力边界在哪？ * 当复制一款游戏只需要一两周，小游戏行业的"公式"还能吃多久？ * 游戏PM如何在AI加速迭代的节奏下管理版本优先级和团队同步？ * AI时代，游戏美术管线管理面临哪些新挑战？ 🔥 本期核心内容 1. 数据悖论：应用率狂飙，口碑持续恶化 Steam超7000款游戏披露使用AI，约占发布量三分之一，是2024年的8倍。但GDC 2026调研中52%从业者认为AI产生负面影响（2024年仅18%），Quantic Foundry调研85%玩家对AI游戏持负面态度。行业出现"Gameslop"现象——大量AI拼凑的低质量游戏用户评分低15%-20%，退款率高2-3倍。 2. 能力边界："从0到0.5"很快，"从0.5到1"很慢 代码生成是AI最成熟的能力，Claude Code等工具让小团队效率提升显著。美术资产生成进步快但工程化不足——风格统一、动画衔接、性能适配仍是碎片化的。数值和玩法设计是最薄弱的环节，高度依赖经验和反复调试。AI能帮你生成一个能跑的游戏，但"好不好玩"这个问题它回答不了。 3. 三档现实：小游戏跑通，中度不稳，3A很远 小游戏已初步跑通——《互联网大厂模拟器》一周从创意到上线，首日5万+PV。中度独立游戏处于"能做但质量不稳"阶段。3A涉及几十个专业环节的复杂依赖，AI在单点提效但串成完整管线的工程化挑战巨大。Keywords在GDC 2026的判断：落到实际管线里能用，才是真正的分水岭。 4. 公式之死与原创性回归 AI把游戏复制速度压缩到一两周，公式生命周期从一年急剧缩短到一个月。短期同质化加剧，中长期倒逼创新。对PM来说，版本迭代节奏、需求优先级判断和方向决策速度的要求都在提高。真正的变化是：当执行成本被AI拉平，创意和品味成为唯一的差异化壁垒——"想法"本身的价值在回归。 🏷️ 本期提到的人物与概念 公司/产品：Steam、Claude Code、Tripo、Meshy、Keywords Studios 游戏：《互联网大厂模拟器》、《赛博徒步：生死鳌太线》、塞尔达 / The Legend of Zelda、黑魂 / Dark Souls、文明 / Civilization 机构/报告：GDC / Game Developers Conference、中国音数协游戏工委、Google Cloud、Whimsy Games、Quantic Foundry、AI and Games Newsletter、GameLook、SNS Insider 概念：Gameslop / 游戏垃圾、AI生成游戏 / AI-generated games、美术管线 / Art Pipeline、美术资产管理 / Art Asset Management、制作人驱动 vs 市场驱动、游戏项目管理 / Game Project Management 🔗 延伸话题 * AI时代游戏美术外包管理的模式会怎么变？当AI能生成可用的高模，传统外包管线面临重构 * 游戏PM和互联网PM在AI工具落地上的差异在哪？游戏研发管线的复杂依赖关系是关键变量 * 想入行做游戏项目经理（game PM），AI时代需要补什么能力？对游戏的理解力正在从加分项变成必备项 📌 关于我 我是 Hao，游戏行业项目管理从业者，10年经验。 课程 · 咨询 · PM成长社区 → pmnote.ai

📝 本期摘要 一个做了近四年PM的朋友被裁后发现，自己写不出一份有说服力的简历——做过的事都是"换个人也能做"的执行工作。这个故事引出一个游戏行业的结构性问题：版本周期的刚性节奏和PM角色的模糊性，让大量从业者陷入"被动的忙碌"——时间被填满了，但填满时间的东西不产生长期价值。与此同时，行业正在经历正编缩编、外包替代、AI加速渗透的三重压力，"可替代的执行"岗位首当其冲。本期从被动忙碌的成因、行业结构变化、被动离场的延迟代价三个层面展开分析，最后给出三个可操作的方向：把公司流程提炼成可迁移的方法论、系统学习AI技能、在公司之外建立职业网络。 --- ❓ 本期讨论了这些问题 • 为什么游戏行业的工作节奏特别容易让PM陷入"被动的忙碌"？ • 正编和外包在行业缩编中分别面临什么样的风险，安全感的真正来源是什么？ • 当项目被砍、团队解散，什么样的PM能快速找到下一个机会？ • 游戏PM的职业发展路径中，哪些经验是可迁移的、哪些只是"本地知识"？ • 游戏PM和互联网PM在价值衡量上有什么本质差异，这对职业积累意味着什么？ --- 🔥 本期核心内容 1. "在工作"和"在成长"是两件事 每天下班前问自己"今天做了什么真正有价值的事"，很多天写不出来。日会、催进度、回消息、写周报——这些事占满了时间，但真正需要做判断的时刻可能只有一两个。时间被填满不等于能力在积累，大部分人混淆了这两者。 2. 行业结构正在把风险转嫁给个人 大厂跑通"核心留正编、执行层外包+AI"的模式。网易2026年初外编清退影响上千人，美术外编占比超40%。外包是快刀（项目结束直接清退），正编是慢刀（持续缩编砍项目）。不管什么编制，做的事可替代，就没有真正的安全感。 3. 被动最可怕的是后果延迟爆发 被裁之后才发现这几年什么可迁移的东西都没攒下来——简历写不出有影响力的决策，深耕的品类知识突然没人要，适配内部工具链的经验换家公司全部归零。版号不确定性、品类周期不可预测、AI加速替代执行层，三重风险叠加。 4. 三个可操作的方向：方法论、AI技能、职业网络 把"按流程走"变成"提炼背后的为什么"，让方法论跟着你而不是跟着公司。AI技能不绑定任何公司和品类，是当下迁移性最强的能力。在公司之外让同行知道你在、知道你在想什么，信任和机会是自然的副产品。 5. 游戏PM的职业发展路径，正在被重新定义 传统路径是从执行PM到高级PM再到PMO或制作人，但这条路越来越窄——当执行层被AI和外包替代，纯靠"管得多"往上走的逻辑不再成立。真正拉开差距的是你能不能把经验提炼成跨项目、跨公司的通用框架。这也是游戏PM和互联网PM的一个关键分野：互联网PM可以用产品数据证明自己，游戏PM必须靠方法论的可迁移性来定义自己的职业价值。 --- 🏷️ 本期提到的人物与概念 公司/组织：Keywords Studios、网易 / NetEase、完美世界 / Perfect World、腾讯天美 / Tencent TiMi 概念：被动忙碌 / Passive Busyness、可迁移能力 / Transferable Skills、本地知识 / Local Knowledge、版本周期 / Development Cycle、美术外包管理 / Art Outsourcing Management、敏捷实践 / Agile Practice / Scrum、游戏项目管理 / Game Project Management、游戏PM / Game PM --- 🔗 延伸话题 • 游戏PM的职业发展路径有哪些方向？从执行者到架构师需要跨越什么？ • 敏捷实践（Scrum / Sprint）在游戏研发中为什么容易变成"假敏捷"？ • 游戏美术管线从外包主导到AI介入，对美术PM的能力要求发生了什么变化？ --- 📌 关于我 我是 Hao，游戏行业项目管理从业者，10年经验。 课程 · 咨询 · PM成长社区 → pmnote.ai

📝 本期摘要 越来越多PM开始用AI Agent写代码，但一半以上的人迟早会经历"灾难时刻"——AI改着改着代码跑不通了，想回退发现回不去。问题出在没有做版本管理。这期从零讲透Git和GitHub的六个核心概念：仓库、提交、分支、推送拉取、合并冲突和Pull Request，全部用日常比喻解释，不涉及任何命令行操作。在AI时代，PM不需要记命令，只需要理解这些概念背后的意图，就能用自然语言指挥AI完成所有版本管理操作。 ❓ 本期讨论了这些问题 * PM用AI Agent写代码，为什么版本管理是必须补上的第一课？ * Git和GitHub到底是什么关系，一个类比就能说清楚？ * 不看代码的PM，怎么审查AI提交的Pull Request？ * AI编程场景下，"小步提交"和"分支实验"的习惯为什么能救命？ * 游戏PM和互联网PM在AI编程工具链上的学习路径有什么不同？ 🔥 本期核心内容 1. Git是本地版本管理，GitHub是云端同步——两者的关系类似Word和OneDrive Git装在你电脑上，负责给项目文件夹拍快照、记录历史版本。GitHub是一个网站，负责把这些版本同步到云端做备份和协作。PM不需要精通两者的技术细节，但要理解它们各自解决什么问题。 2. 提交是AI编程最重要的安全网——每完成一个小功能就"存档"一次 提交（Commit）相当于游戏存档。AI写代码不可能每次都对，但如果你每完成一个小功能就做一次提交，任何时候都可以一秒回退到上一个好的状态。不做提交就让AI持续改代码，等于在没有存档的情况下打Boss。 3. 分支让你在"平行宇宙"里安全实验，主干永远保持可用状态 分支的逻辑就像装修时复制一套房子来试新方案——试成了合并回来，试砸了直接扔掉，客厅不受影响。多个AI Agent并行工作时，每个Agent各开一条分支互不干扰，这跟游戏项目多线并行开发是一个道理。 4. Pull Request是PM对AI产出行使控制权的核心关卡 PM审PR不需要读代码，只需要看四件事：功能结果对不对、改动范围合不合理、AI的自述说不说得通、让另一个AI帮你review。AI写代码越快，这道闸门越重要。 5. PM需要理解的是Git的"意图"，不是Git的"命令" 在AI时代，所有Git操作都可以用自然语言指挥AI完成。PM的核心价值在于做决策——回退到哪个版本、保留哪条分支、合并还是不合并。这种"懂概念不记命令"的模式，正在重新定义游戏PM的技术素养门槛，也让game project management这个角色的进入门槛发生了根本变化。 🏷️ 本期提到的人物与概念 概念：Git / GitHub / Repository（仓库）/ Commit（提交）/ Branch（分支）/ Push（推送）/ Pull（拉取）/ Merge Conflict（合并冲突）/ Pull Request（合并请求）/ .gitignore / Commit Message / Commit ID / AI Agent / Claude Code / Cursor / Codex / Vibe Coding / Version Control（版本管理）/ Sprint / Agile Development（敏捷开发） 🔗 延伸话题 * 游戏开发团队的Sprint节奏中，版本管理和分支策略应该怎么配合？Git的分支模型和敏捷实践中的迭代节奏天然适配，PM理解了分支概念就能更好地规划版本节奏。 * 游戏PM vs 互联网PM：在AI编程工具链的学习路径上有什么区别？游戏PM需要额外理解资产管线和多职能协作的版本控制需求，这是互联网PM不太会遇到的场景。 * How to become a game PM in the AI era? Understanding version control and AI coding tools is becoming a baseline skill for game project management roles. 📌 关于我 我是Hao，游戏行业项目管理从业者，10年经验。 课程 · 咨询 · PM成长社区 → pmnote.ai

📝 本期摘要 Token正在成为游戏行业的一种全新成本类型。本期从Morgan Stanley预测的220亿美元AI利润切入，拆解了Token的三层定价结构（Input / Cached / Output），分析了它如何将游戏开发的固定成本转变为可变成本，梳理了围绕Token正在成形的基础设施产业链——模型聚合平台、计费系统、智能路由，以及Token消耗主体从人转向机器的未来趋势。对游戏PM来说，学会"管Token"可能是AI时代需要补上的第一课。 ❓ 本期讨论了这些问题 * Token的三层定价结构是什么？为什么同样用AI，不同任务的成本差异如此大？ * AI工具的引入如何改变了游戏开发从固定成本到可变成本的结构？ * 为什么黄仁勋说Token是"新的大宗商品"？围绕Token长出了哪些基础设施？ * 游戏PM管理Token支出与互联网PM管理云计算成本有何不同？ * Token管理能力会成为游戏项目经理职业发展的新技能要求吗？ 🔥 本期核心内容 1. Token有三层定价，不同任务的成本结构完全不同 每次AI调用包含Input Token、Cached Input Token和Output Token三种不同价格的消耗。写代码是output-heavy，代码review是input-heavy，Agent场景则因上下文滚雪球式膨胀而让input成本失控。只看总量永远看不出钱花在哪。 1. AI正在把游戏开发的固定成本变成可变成本 传统工具按人头按月计费（像包月健身房），AI工具按消耗计费（像按次私教课）。GDC 2026报告显示78%的工作室已制定AI政策，但预算管理仍在摸索阶段。一家5000人的工作室认为200美元/月/人太贵，创业公司每人花1000美元是常态——差距不是技术差距，是认知差距。 1. Token的基础设施产业链正在成型 模型聚合平台（OpenRouter、Portkey）统一接口、自动容灾；Stripe收购Metronome布局Token计费；智能路由策略让企业Token成本平均降低67%-80%。十年前游戏公司从买服务器变成买算力，现在Token在重演同样的FinOps剧本。 1. Token消耗主体从人转向机器，游戏PM需要把Token当水电费来管 Gartner预测Token单价到2030年趋近于零，但企业总支出不减反增——就像手机流量。Agent全天候运行让消耗跳到千万级。游戏PM面临的复杂度远超互联网PM：美术管线、策划知识库、程序Agent、QA自动化的消耗模式完全不同。 🏷️ 本期提到的人物与概念 人物：黄仁勋 / Jensen Huang 公司/产品：Morgan Stanley、NVIDIA、Stripe、Metronome、OpenRouter、Portkey、OpenAI、Anthropic 概念：Token经济学 / Token Economics、Input Token / Output Token / Cached Token、大宗商品化 / Commoditization、智能路由 / Smart Routing、FinOps、按消耗计费 / Usage-based Pricing、游戏项目管理 / Game Project Management、游戏PM / Game PM、美术管线 / Art Pipeline、游戏美术项目管理 / Game Art Project Management、美术外包管理 / Art Outsourcing Management、敏捷开发 / Agile Development、Sprint 🔗 延伸话题 * 游戏PM和互联网PM在成本管理上的核心差异是什么？为什么Token管理对游戏PM更复杂？ * 游戏美术管线的AI成本如何核算？概念图生成与风格分析的Token消耗模式有何不同？ * Token管理能力会如何影响游戏项目经理的职业发展路径和薪资竞争力？ * Token的可变成本特性如何影响游戏开发Sprint的预算规划？敏捷迭代中怎么做Token用量的Sprint级预估？ 📌 关于我 我是 Hao，游戏行业项目管理从业者，10年经验。 课程 · 咨询 · PM成长社区 → pmnote.ai

📝 本期摘要 Token消耗量正在成为衡量团队AI化程度的核心指标，但这个指标可能完全是错的。Meta内部搞了Token消耗排行榜，覆盖8万多员工，排名第一的人烧掉了价值数百万美元的Token。Hao结合自己游戏团队的管理经验，拆解了为什么Token总量是一个误导性指标，提出了Token per task（每任务Token消耗）作为更合理的度量方式，并分享了"越贵的模型反而越省钱"的反直觉发现和混合调度策略的实操经验。 ❓ 本期讨论了这些问题 * 为什么Token消耗量不能作为团队AI水平的衡量标准？ * 什么是Token per task，它为什么比Token总量更重要？ * 为什么越贵的AI模型在Agent场景中反而总成本更低？ * 游戏团队的AI预算应该怎么拆分和管理？ * Token按量计费的模式未来会怎么演变？ 🔥 本期核心内容 1. Token消耗量是输入指标，不是产出指标 Meta的Token排行榜覆盖85000名员工，月消耗突破60万亿Token。行业估计当前企业AI应用中近一半Token没产生实际价值——Agent会反复读取整个对话历史、重新扫描已处理文件，冗余信息像滚雪球一样增长。用Token消耗量当KPI，就像用加班时长当产出指标。 2. Token per task才是正确的度量方式 同一个任务，不同模型的Token消耗差距可达几十倍。差距来自三个层面：输出长度差异（强模型100行vs弱模型几百行）、隐藏的推理Token、以及Agent loop的放大效应（20轮vs3轮）。按任务类型分类追踪，看同类任务平均Token的涨跌趋势，才能判断AI用法是否在优化。 3. 越贵的模型反而越省钱——混合调度是解法 强模型一次做对，弱模型来回迭代十几轮，综合Token消耗反而更高。实操经验是混合调度：复杂任务用强模型（贵但准），简单任务用便宜模型（够用就好），重复性任务特别适合便宜模型（速度快比聪明重要）。单价低≠总成本低，和项目管理里"便宜外包"踩的坑一样。 4. PM管AI预算的三个实操动作 按职能拆预算而非一个总数大家抢（Uber CTO的教训：几个月花完全年预算）；设置单任务Token阈值防止Agent跑偏；每周复盘Token/产出比，发现同类任务平均消耗上涨时及时排查。Token按量计费可能不是终态，按效果付费的模式已经在客服等可量化场景跑通。 🏷️ 本期提到的人物与概念 人物：N/A 公司/产品：Meta, Claude Code, Anthropic 概念：Tokenmaxing, Token per task, 混合调度 / Mixed Model Routing, 按效果付费 / Outcome-based Pricing, Agent Loop 📌 关于我 我是 Hao，游戏行业项目管理从业者，10年经验。 课程 · 咨询 · PM成长社区 → pmnote.ai

📝 本期摘要 Hao的游戏PM笔记本期从心理学、信息论和哲学的角度，探讨了AI时代一个核心问题：AI能不能生成"好玩"？通过拆解心流理论、模式识别快感、选择悖论和具身认知四个维度，论证了"好玩"是一个动态平衡而非静态属性——它需要在人和系统之间反复校准，无法被一次性生成。结合游戏研发一线的playtest经验，分析了为什么设计直觉和审美判断力在AI加速迭代的时代反而更值钱。 ❓ 本期讨论了这些问题 * 为什么AI可以生成一个看起来不错的游戏，却很难生成一个"好玩"的游戏？ * "好玩"的本质是什么——心流理论和模式识别快感如何解释游戏的吸引力？ * 为什么"无限个性化"反而可能让游戏变得不好玩？ * 大语言模型驱动的AI，在动作、射击等品类的核心体验上为什么帮不上忙？ * 游戏PM在管理快速迭代的playtest流程时，需要具备什么样的判断力？ * 游戏开发中的Sprint迭代如何适配"好玩"这种高度不确定的目标？ 🔥 本期核心内容 1. 好玩是动态平衡，不是静态属性 契克森米哈赖的心流理论和拉夫·科斯特的模式识别理论指向同一结论：好玩取决于挑战与能力的匹配、已知与未知的比例、反馈的节奏和密度。这个平衡极其精细——一个按钮延迟50毫秒手感就差了，一个数值偏10%经济系统就崩了。AI可以生成内容，但在两极之间找到那条小路，需要反复校准。 2. "限制"才是好玩的前提，无限选择反而是陷阱 行为经济学中的"选择悖论"揭示：选项越多满意度反而越低。好的游戏体验从来不是无限自由，而是在有限框架里给玩家恰到好处的选择空间。真正的问题不是"怎么生成更多选择"，而是"怎么设计出恰到好处的限制"。 3. 具身认知：大语言模型的盲区 大多数游戏的核心体验不是语言交互，而是手感、打击感、节奏同步——属于梅洛-庞蒂所说的"具身认知"。AI NPC能聊天是进步，但对动作、射击、竞技类游戏来说不是核心体验。游戏PM评估AI NPC优先级时，必须回到核心体验本身做判断。 4. AI加速试错，但设计直觉更值钱了 AI把原型验证从几个月压缩到几天，试错变便宜了。但能更快判断"这个方向对不对"的人，价值会越来越大。对游戏PM来说，管理高速迭代中的方向判断——把playtest反馈循环嵌入Sprint节奏，让验收标准从"做完"变成"验证了什么"——正在从加分项变成核心能力。 🏷️ 本期提到的人物与概念 人物：米哈里·契克森米哈赖 / Mihaly Csikszentmihalyi、拉夫·科斯特 / Raph Koster、巴里·施瓦茨 / Barry Schwartz、莫里斯·梅洛-庞蒂 / Maurice Merleau-Ponty、伊曼努尔·康德 / Immanuel Kant 公司/产品：Genie 3（Google）、TapTap制造（心动 / X.D.）、SEELE AI、绿洲启元 概念：心流 / Flow State、模式识别 / Pattern Recognition、选择悖论 / Paradox of Choice、具身认知 / Embodied Cognition、信息熵 / Information Entropy、Playtest循环 / Playtest Cycle、游戏项目管理 / Game Project Management、Sprint迭代 / Sprint Iteration、敏捷开发 / Agile Development、美术管线 / Art Pipeline 🔗 延伸话题 Q：游戏开发中Sprint和敏捷实践怎么落地，才能适配"好玩"这种高度不确定的目标？ A：把playtest反馈循环嵌入Sprint节奏，让每轮验收标准从"做完了"变成"验证了什么"，用迭代速度换取方向确定性。 Q：游戏PM和互联网PM最大的区别是什么？ A：游戏PM必须理解"好玩"的设计逻辑——不只管进度和资源，还要在团队迭代核心体验时帮忙判断方向，这种对产品本质的理解力是互联网PM岗位较少要求的。 Q：零经验想转行做游戏项目经理，应该先补什么能力？ A：先建立对游戏设计的基本认知（玩法循环、数值感觉、用户体验），再学项目管理方法论——顺序反了可能管得顺但帮不上团队做真正重要的判断。 Q：游戏美术管线在AI时代会怎么变？ A：AI加速了单张素材生成，但管线核心挑战是风格统一、动画衔接和性能适配——PM需要重新设计验收标准，从"产出数量"转向"风格一致性和工程可用性"。 🌐 About This Episode In this episode of Hao's Game PM Notes, Hao explores whether AI can generate "fun" — examining flow theory, pattern recognition, the paradox of choice, and embodied cognition to argue that fun is a dynamic equilibrium requiring iterative human calibration. Drawing on a decade of game project management experience, the episode discusses how game PMs can manage rapid prototyping cycles and why design intuition becomes more valuable as AI accelerates iteration speed. 📌 关于 Hao的游戏PM笔记 「Hao的游戏PM笔记」是一个专注游戏项目管理的垂直内容品牌，覆盖游戏PM知识体系、转行路径、AI提效与行业观察。 主理人 Hao，10年游戏行业经验，策划转项目经理，持有 PMP / PMI-ACP / PSM / PSPO 认证。 📚 系列课程： * 《游戏项目管理14讲》——从零基础到游戏PM体系搭建 * 《从执行者到架构师》——进阶项目管理方法论 * 《游戏美术项目管理基础》——美术管线、外包管理与验收标准 * 《游戏人的AI第一课，从旁观者到驾驭者》——从AI旁观者到驾驭者的认知升级 * 《游戏PM的AI实战手册》——AI工具在游戏项目管理中的深度实战应用 📡 全平台：小宇宙播客 · B站 · 小红书 · 公众号 · 知乎 课程 · 一对一咨询 · PM成长社区 → pmnote.ai

📝 本期摘要 本期聊了AI在游戏行业从Demo走向量产面临的核心挑战。从"试十遍成一遍"和"说十遍都得成"的认知差距说起，探讨了脚手架工程（Harness Engineering）为什么比模型本身更决定AI能不能上线、大模型幻觉在游戏场景中的事实锚定方案、速度-成本-效果的不可能三角及分层架构解法、build to delete的AI工具链心态，以及评测体系这个被严重低估的量产基础设施。核心观点：模型能力不是瓶颈，围绕模型搭建的工程保障体系才是AI能否真正进入游戏生产管线的关键。 ❓ 本期讨论了这些问题 * AI Demo和量产之间的差距，本质上是什么差距？ * 为什么同一个模型换不同的脚手架设计，任务完成率能差40个百分点？ * 游戏里的AI幻觉问题，为什么比聊天场景严重得多？ * 速度、成本、效果——AI量产的不可能三角怎么破？ * 游戏团队应该用什么心态来搭建AI工具链？ 🔥 本期核心内容 1. Demo思维和量产思维的根本区别是上限vs下限 Demo追求的是让人看到"AI能做到什么"，量产追求的是确保"AI不会搞砸什么"。游戏开发对下限极其敏感——一个NPC说了句不该说的话，截图就在玩家社区传开了。在Demo里失败可以被隐藏，在量产里每次失败都是体验事故。 2. 脚手架工程（Harness Engineering）决定了AI能不能真正上线 围绕大模型搭建的保障体系——意图识别、世界观约束、内容安全、记忆管理、降级兜底——才是真正的工程量。研究发现同一个模型换不同脚手架设计，任务完成率差距可达40个百分点。模型是大脑，脚手架是神经系统和骨骼。 3. "意图与事实分离"是游戏AI的必守原则 让AI负责理解玩家意图，让游戏数据负责事实。AI可以组织语言、调整语气，但坐标、NPC状态、物品属性这些事实性信息必须从游戏数据库里查，不允许模型自己编造。 4. build to delete——AI工具链应该当脚手架而不是地基 AI能力以月为单位进化，今天花两个月搭的系统可能三个月后就过时了。保持轻量、保持可替换，用效果来判断什么时候该加约束、什么时候该放开。评测体系要在AI功能设计阶段就前置规划，不能等上线了再想。 🏷️ 本期提到的人物与概念 概念：脚手架工程 / Harness Engineering、AI幻觉 / AI Hallucination、意图与事实分离 / Intent-Fact Separation、build to delete、不可能三角 / Impossible Triangle、评测体系 / Evaluation System、快思考+慢思考 / Fast & Slow Thinking 📌 关于我 我是 Hao，游戏行业项目管理从业者，10年经验。 课程 · 咨询 · PM成长社区 → pmnote.ai

📝 本期摘要 这是月度答疑的第二期。过去两个月收到了五十多条游戏PM相关的咨询，覆盖求职转行、offer选择和在职协调三个方向。整理过程中发现一个规律：大部分人对自己问题的诊断是错的。本期将这些咨询归纳为三类卡点误判——以为背景不够其实是不会翻译经验、以为选错了其实是不会算账、以为推不动其实是角色站错了位置——逐一用真实案例拆解卡点在哪、怎么破，最后回到一个核心判断：你以为的卡点往往不是真正的卡点，问对了问题答案就出来了。 ❓ 本期讨论了这些问题 * 为什么海外3A移植经验转国内自研总是卡在最后一轮面试？ * 外包公司、中台PM、跨专业背景的求职者怎么把经验翻译成面试官想听的语言？ * 拿到多个offer时，应该按薪资排还是按能力成长性排？ * HR说涨幅超过50%不批，求职者应该怎么谈薪资？ * 作为新人PM推不动跨部门协作，问题到底出在哪？ 🔥 本期核心内容 1. 简历翻译失败是求职卡点的最大误判来源 海外移植PM、外包美术PM、大厂中台PM这些看起来"背景不够"的求职者，手上的牌并不差。卡住的不是经验本身，而是简历和面试里没有把经验翻译成目标岗位能理解的能力语言。一个简单的自测方法：把简历上每一条经历念给不在你公司的朋友听，他复述不出来的就是翻译失败的地方。 1. offer选择应该算两年后的简历增值，而不是当月薪资差额 七八万的年包差距放到五年职业周期里看，远不如一段高质量项目经历值钱。选offer的核心判断是：两年后这段经历能让你的简历多写什么。把offer当投资看，算回报率而不是票面价格。 1. 薪资谈判的锚点应该从现薪转到岗位市场价值 "涨幅卡50%"是HR的内部管理指标，跟求职者值多少钱无关。谈判原则是不在电话里直接接受或拒绝任何数字，底线守住的同时用签字费、年假、绩效保底等筹码换弹性空间。 1. PM推不动事情时，先问这件事到底是谁的需求 PM把自己放在"执行者"位置是推不动的根源。安排加班推不动，是因为站到了研发对立面；推AI管线推不动，是因为把它定义成了"额外的事"。PM的角色不是推动每一块石头，而是设计一个让石头自己滚的斜坡——找到需求的owner让他来背书，你负责搭机制。 1. 大部分人花太多时间确认问题，太少时间重新定义问题 重新定义问题意味着承认之前的方向可能是错的，这比任何具体的操作建议都难接受。但觉得背景不够的人该做的是重写简历，纠结offer的人该算的是两年后的经历价值，推不动的人该想的是需求方到底是谁。 🏷️ 本期提到的人物与概念 概念：经验翻译 / Experience Translation、offer投资思维、薪资谈判锚点、PM角色定位 / PM Role Positioning、卡点误判 / Misdiagnosed Blockers、能力可迁移性 / Skill Transferability 📌 关于我 我是 Hao，游戏行业项目管理从业者，10年经验。 课程 · 咨询 · PM成长社区 → pmnote.ai

📝 本期摘要 一个在前司把Scrum跑得很顺的游戏PM，跳到新团队后同一套方法推了两个月就翻车了。这个故事引出一个根本问题：大部分PM积累的经验是「做过什么」，而不是「什么条件下该怎么判断」。前者换个项目就失效，后者到哪都能用。本期从「能搬家的经验」和「搬不走的经验」这个区分出发，用版本规划中的真实决策场景拆解了怎么沿着因果链条做判断，列举了大厂流程搬到小团队、照搬故事点估算、跟风爆款立项等游戏行业高频翻车场景，最后给出三个把经历转化为判断力的日常习惯。 ❓ 本期讨论了这些问题 * 游戏PM换了项目或团队，为什么验证过的管理方法突然就不灵了？ * 怎么区分「能搬家的经验」和「搬不走的经验」？ * 看到别人成功的管理方法，怎么判断自己的团队能不能用？ * 版本规划中，怎么识别关键路径上未验证的技术风险并做出取舍？ * 游戏PM怎么通过日常复盘真正积累可复用的判断力？ 🔥 本期核心内容 1. 经验分两种：能搬家的，和搬不走的 做过几个项目、管过多大团队、跑过什么流程——这些是有条件的经验，条件变了就失效。真正拉开PM差距的，是从经验中提取出「在什么条件下该怎么判断」的逻辑，这才是换个项目、换个团队依然管用的东西。 1. 别人的路只是参考，你要抓的是因果关系 经验可以过时，方法论可以失效，但「在什么条件下，什么原因会导致什么结果」这个链条是可以复用的。看到别人用某个工具效果好，第一反应不应该是「我们也用」，而是去追问他们的团队规模、协作模式和技术栈是什么，这个工具解决了什么问题，我们有没有同样的问题。要警惕把相关性当因果——「XX项目用了Scrum按时交付了」是结果描述，不是因果关系。 1. 版本规划的条件拆解：目的、要素、关系 版本规划的真正目的是在有限的时间和资源约束下交付一个能验证核心体验的版本，不是做得多。围绕这个目的，需要盘清团队实际产能、核心玩法验证状态、技术方案成熟度、里程碑硬约束等关键要素，再看它们之间怎么互相影响。一个未验证的技术方案放到关键路径上，一旦卡住，下游所有模块联调时间全部被压缩——沿着这个因果链条，才能做出「拆成流程版和完整版」这样的决策。 1. 照搬翻车在游戏行业太常见了 大厂200人团队的评审流程搬到30人工作室，一半时间花在开会填表上；故事点估算没经过校准就推行，速率数据乱成一团；跟风做开放世界，连核心玩法都没想清楚就写进PPT。这些场景的共同点是：看到了「果」，没去追问「因」，更没有盘自己的条件能不能支撑这个「因」。 1. 让每次经历都变成判断力材料的三个习惯 复盘时多问一层——不只记录做了什么、结果怎样，还要追问哪些条件促成了这个结果，某个条件变了结果会不会不同。看别人分享时先问条件——他的条件是什么，我有没有。接受判断会出错——关键是踩完坑之后拆开看，到底是哪个条件没看到、哪个因果判断错了。吃一堑，长十智，前提是你真的把那个堑拆开看过。 🏷️ 本期提到的人物与概念 概念：Scrum、Sprint / 迭代、Sprint Review / 迭代评审、故事点估算 / Story Point Estimation、关键路径 / Critical Path、版本规划 / Release Planning、目的·要素·关系（条件拆解框架）、开放世界 / Open World 📌 关于我 我是 Hao，游戏行业项目管理从业者，10年经验。 课程 · 咨询 · PM成长社区 → pmnote.ai

📝 本期摘要 Hao的游戏PM笔记本期分享《游戏PM的AI实战手册》的第十篇加餐，聊了一个大部分AI深度用户都会遇到的问题——用着用着不知道让AI做什么了。Hao结合自己大半年的AI Agent开发和使用经验，从四个时间节点的工作记录中提炼出一个判断：问题出在"人提需求→AI执行"这个模式本身的结构性瓶颈。在此基础上提出了"自进化飞轮"的构想——让AI从被动执行者变成能自主发现问题、优化自身的协作伙伴。这套思路对游戏PM日常的Sprint回顾和工作流迭代同样适用，并给出了三个不需要技术能力就能落地的起步方法。 ❓ 本期讨论了这些问题 * 为什么用AI一段时间后，会出现"不知道让AI做什么"的空窗期？ * 当前"人提需求→AI执行"的协作模式，瓶颈到底在哪一端？ * 怎么把AI从"初级员工"升级为能自主发现问题的"资深员工"？ * 什么是"自进化飞轮"，它和普通的自动化有什么区别？ * 不写代码的游戏PM，怎么用现有工具构建AI的自进化体系？ * 游戏项目管理中的敏捷实践，能从自进化飞轮中借鉴什么？ 🔥 本期核心内容 1. 需求中断是结构性问题，不是个人能力问题 工具开发是阶段性的，痛点解决后需求就断了。人的需求发现能力有上限，而AI的执行带宽远超人的决策带宽，产能严重不匹配。BCG 2025年数据显示超过85%的员工仍停留在AI辅助执行阶段，McKinsey同期调查也发现从试点到规模化之间存在显著断层。 1. AI目前被当"初级员工"用，但它能胜任"中高级"角色 大多数人和AI的协作模式是单向链条：人发现问题→人提需求→AI执行→人验收。"发现问题"和"提需求"完全依赖人，这是瓶颈所在。改变不是技术问题，是管理思维的转变——和游戏团队中对不同职级成员的授权逻辑一样。 1. 自进化飞轮：感知→诊断→行动→反馈的闭环 不同于固定流程的自动化，自进化飞轮让AI在执行过程中发现可优化的环节，提出改进方案并实施迭代。学术界已有Self-Evolving Agents综述，IBM的MAPE-K框架也提供了工程参考。对不写代码的从业者来说，行为级自进化（优化Prompt和工作流）是最具现实意义的方向。 1. 落地三步：从"被动响应"到"主动体检" 第一步设定周期性AI自检，第二步给AI方向而非具体任务，第三步建立正反馈闭环。不需要技术能力，只需改变一个习惯——让AI也想想该做什么。这套方法可以直接迁移到游戏开发的Sprint回顾和敏捷实践中，让AI参与迭代复盘而非仅仅执行任务。 🏷️ 本期提到的人物与概念 概念：自进化飞轮 / Self-Evolving Flywheel、自进化Agent / Self-Evolving Agent、MAPE-K框架 / MAPE-K Framework、数据飞轮 / Data Flywheel、行为级自进化 / Behavioral Self-Evolution、敏捷实践 / Agile Practice、Sprint回顾 / Sprint Retrospective、Scrum、游戏美术管线 / Art Pipeline Management 公司/产品：BCG、McKinsey、IBM、NVIDIA、Notion AI、Claude 来源：《A Survey of Self-Evolving Agents》（arxiv）、《A Comprehensive Survey of Self-Evolving AI Agents》、NVIDIA Data Flywheel Blueprint 🔗 延伸话题 Q：游戏项目管理中，AI能自动化哪些Sprint环节？ A：AI可以自动化Sprint中的日报汇总、Bug分类优先级排序、跨职能依赖追踪等重复性环节。自进化飞轮的思路是让AI不仅执行这些任务，还能在每轮Sprint回顾中主动发现流程可优化的地方。 Q：零经验转行做游戏项目经理，需要先学AI工具吗？ A：建议先建立项目管理基础认知（流程、沟通、风险管理），再学习AI工具提效。AI是放大器，放大的前提是你有扎实的管理基本功。《游戏项目管理14讲》覆盖了从零开始的完整体系。 Q：游戏美术项目管理中，AI能做哪些自动化？ A：在美术管线中，AI可以辅助资产命名规范检查、外包交付物自动比对、进度看板更新等环节。自进化的思路同样适用——让AI在执行过程中发现美术管线的效率瓶颈，而不是等PM手动排查。 Q：游戏PM和互联网PM在AI应用上有什么区别？ A：游戏研发的迭代周期更长、跨职能协作更复杂（策划、程序、美术、音频多线并行），AI的应用重点在于版本节奏管理和跨团队信息同步，而互联网PM侧重数据驱动的快速迭代决策。 🌐 About This Episode In this episode of Hao's Game PM Notes, Hao explores a common challenge for AI power users in game project management: running out of ideas for what to delegate to AI. Drawing from months of hands-on experience building AI Agents for game development workflows, Hao introduces the "Self-Evolving Flywheel" — a framework that shifts AI from passive task execution to proactive problem discovery and self-improvement. This episode offers practical steps any game PM or game producer can implement without coding, bridging agile project management practices with AI-driven workflow optimization. 📌 关于 Hao的游戏PM笔记 「Hao的游戏PM笔记」是一个专注游戏项目管理的垂直内容品牌，覆盖游戏PM知识体系、转行路径、AI提效与行业观察。 主理人 Hao，10年游戏行业经验，策划转项目经理，持有 PMP / PMI-ACP / PSM / PSPO 认证。 📚 系列课程： * 《游戏项目管理14讲》——从零基础到游戏PM体系搭建 * 《从执行者到架构师》——进阶项目管理方法论 * 《游戏美术项目管理基础》——美术管线、外包管理与验收标准 * 《游戏PM的AI效率课》——AI工具在游戏项目管理中的实战应用 📡 全平台：小宇宙播客 · B站 · 小红书 · 公众号 · 知乎 课程 · 一对一咨询 · PM成长社区 → pmnote.ai