AI 转正述职
01 · Profile
个人照片
AIGC工程师

林琦峻

AIGC工程师
01 基本信息
姓名
林琦峻
岗位
AIGC工程师
毕业院校
西安邮电大学 · 通信工程专业
02 实习经历

广东电信亿讯科技有限公司 · 产品经理实习生

参与 ToC 充电桩小程序及 CRM 中台项目,负责需求梳理、产品流程理解与跨角色协作,积累从业务场景到产品落地的项目经验。

02 · 岗位理解

岗位理解与
组内定位

我理解的 AIGC 工程岗位,不只是调用模型或完成页面,而是在业务目标、模型能力和工程实现之间建立连接,让 AI 能力进入真实生产流程。

01 业务验证者 把模糊想法快速做成可运行 Demo,用最短链路验证方向、玩法和体验是否成立。
02 工程落地者 把 AI 输出接入真实项目,处理代码、资源、构建、交互和工具链中的具体问题。
03 流程沉淀者 把项目中的问题、修正方式和交付经验整理成 SOP,让后续项目可以复用。
02 · Results

实习成果

围绕 AI 游戏、AI 美术和 AI 工具三个方向,沉淀项目经验、工具链能力和可复用流程。

Blindbox Dungeon

主项目原型开发

我参与时间最长的游戏项目,覆盖从策划原型、核心功能实现、美术素材接入到 SDK 和上线收尾的完整链路。

盲盒地牢项目运行截图
项目运行截图:展示盲盒地牢的首页、语言切换和核心入口。
周期约 1-2 个月集中推进,是实习期投入最深的游戏项目。
交付完成可运行版本,接入玩法、美术素材、SDK 初始化和埋点相关工作。
沉淀从项目中抽象出 AI 游戏开发 SOP、测试方式和版本管理经验。
Slay The Spire Like

Figma UI 工程接入

项目已有工程和逻辑,我负责把 Figma 中的页面、素材和状态接入真实游戏工程,完成视觉层和交互逻辑的回接。

杀戮尖塔类项目运行截图
项目运行截图:展示 Figma UI 接入后的英雄选择界面和真实运行状态。
用途让既有游戏工程具备可展示的正式 UI 表现。
交付完成页面复原、素材接入、状态理解和截图验收流程探索。
沉淀形成 Figma 页面接入 SOP,并推动测试 Skill 的产生。
Pocket Detective

剧情图生成适配

围绕剧情类游戏的图片需求,搭建同一画风、同一角色一致性的生成工具,用于提升剧情内容生产效率。

口袋侦探剧情类游戏运行截图
项目运行截图:展示剧情类游戏图片生成工具产出的场景画面和叙事界面。
用途服务剧情类游戏的角色图、场景图和叙事画面生产。
交付把画风、角色一致性和具体生成需求整合进工具流程。
价值补足 AI 游戏方向中“玩法之外”的内容生产能力。
SAM2 Matting

序列帧抠图网站

最初用于从已有游戏素材中抽取角色序列帧,解决复杂背景下的人物抠图和透明化问题。

用途把已有视频或序列帧素材处理成游戏可用的透明角色资源。
交付封装成网页工具,支持上传、抠图、预览和素材导出流程。
状态后续被视频转序列帧方案复用,成为工具链中的抠帧能力。
Image To Sprite

图生序列帧工具

参考成熟网页方案,实现从单张图生成动作序列帧的能力,用于验证 AI 美术直接产出精灵图的可行性。

图生序列帧工具界面截图
工具界面截图:展示上传参考图、选择动作并生成序列帧的核心流程。
用途降低早期游戏原型对手工美术素材的依赖。
交付完成网页工具复刻和生成链路验证,支持快速查看结果。
结论可生成方向正确的样例,但稳定性仍不足,后续由偏移校正方案反哺。
Video To Sprite

VTS 工具平台

随着视频模型人物一致性提升,整合图生视频、视频抠帧、偏移校正和导出能力,形成更接近生产可用的序列帧方案。

视频转序列帧输入角色图
Narrative Image Tool

剧情类生成工具

围绕剧情类游戏的图片生产需求,封装角色、画风和场景约束,提升同一项目内图片生成的一致性。

用途服务剧情类游戏中的角色立绘、剧情插图和场景图生成。
交付将画风一致性、角色一致性和具体业务需求整合进工具流程。
价值补足 AI 美术工具链中“序列帧之外”的剧情内容生产能力。
Skill Authoring

Skill 撰写与流程固化

围绕 AI 游戏开发中的测试、版本管理和工具调用问题,研究并实践 Skill 的编写方法,把重复流程沉淀成可复用能力。

用途把测试、截图验证、版本管理等高频动作转成稳定执行流程。
交付完成测试 Skill、版本管理方法和 Skill 创建方法分享。
价值让个人开发经验具备被复制、被维护、被团队复用的可能。
Agent Tools

Agent 工具研究

持续跟进 Codex、Claude Code、Cursor 等 Agent 开发工具,测试不同模型和功能版本在真实开发任务中的适配效果。

OpenClaw

OpenClaw 自定义研究

基于 OpenClaw 做自定义版研究,重点理解长期记忆、定时任务、固定流程执行和多实例 Agent 工作台的适用边界。

Agent Reach

信息收集工具

围绕前沿信息获取和方案调研,建设多平台信息收集能力,用于快速获取网页、视频、社区、代码和招聘等外部信息。

Agent Reach 信息渠道矩阵截图
工具截图:展示 Agent Reach 已接入的信息渠道矩阵和运行状态。
用途支撑 AI 前沿方案调研、竞品观察、开源项目发现和资料聚合。
交付覆盖网页、YouTube、RSS、GitHub、B 站、小红书等信息渠道。
定位当前主要作为个人效率工具,后续可结合团队探索池转化为调研入口。
03 · Review & Growth

复盘成长与支持诉求

从个人成长、团队机制观察和后续支持需求三个层面,复盘试用期内的收获、问题与改进方向。

Personal Review

从执行任务到理解链路

试用期最大的变化,是从单点完成需求,逐步转向理解业务目标、工程限制和 AI 工具链之间的关系。

工作思维

从“探索驱动”到“交付驱动”

在盲盒地牢初期,常沉迷于“如何用 AI 实现功能”。复盘后深刻意识到:工作不应以学习为中心,必须以目标为中心;遇到问题优先考虑最快交付路径,学习应服务于最终落地。

技术路线

从“闭门造车”到“敏捷组合”

面对极速变化的 AI 工具链,不再死磕单点技术的从零研发。优先调研已有成熟方案,如序列帧生成和开源工具,先快速验证再做工程化整合,极大缩短试错周期。

任务协作

从“被动接收”到“主动对齐”

在杀戮尖塔 UI 接入中吃了“缺失上下文”的亏。现在接到任务,不再凭假设默默开发,而是主动补齐目标平台、DDL、验收标准,遇到资源瓶颈时也学会主动暴露风险并申请支持。

价值认知

从“开发完成”到“落地闭环”

以前认为工具跑通代码、分享到群里就算成功。现在意识到,没有明确试用者、场景和反馈机制的探索极易流失。做完工具只是第一步,必须主动寻求业务场景绑定,形成价值闭环。

Problems & Advice

让探索更容易沉淀

AI 探索项目节奏快、变量多,建议通过轻量机制减少重复确认,让经验、卡点和结论更容易被团队复用。

资产沉淀

建立「AI 技术探索资产池」

针对“群分享流失与项目不了了之”的痛点,建议推行统一看板。明确记录探索项目的当前卡点、外部技术观察点及下一步结论,让前沿探索从聊天记录转化为团队的复利资产。

规范协作

建立「项目流转闭环」规范

针对探索期项目“盲目开工、糊涂结束”的痛点,建议规范项目的“输入与输出”:在启动阶段前置对齐最小上下文(目标/阶段/DDL),在项目暂停或结束时,必须给出明确的复盘结论与业务建议,彻底消除信息黑盒。

Support Needed

资源支持与反馈绑定

转正后希望在资源授权和反馈机制上获得更明确支持,让个人投入、项目目标和成长反馈形成闭环。

资源支持

前置透明化的“项目算力预算”

不同的算力投入决定了截然不同的技术解法。目前的报销机制属于“事后兜底”,易导致开发阶段因成本顾虑而选用低效方案。建议在任务启动时前置明确“该项目的 AI 资源预算边界”,用确定的资金换取最优的技术选型与研发提效。

落地支持

跨序列的“试用反馈绑定”

工具做出来不等于落地。在开发出新型 AI 工具链或 Skill 时,希望团队能支持指定具体的业务 Owner(如美术/策划)进行 1-2 周短期试用,用真实业务反馈决定工具的后续流转。

复盘主线 个人成长 机制建议 资源支持 反馈绑定
04 · Future

转正后
工作方向

下一阶段聚焦 AI 工具链落地,把游戏原型、美术资产生产和 Agent 协作流程收敛为稳定、可复用的工程能力。

30 天

紧贴现有业务线落地赋能

剥离对特定游戏管线的依赖,将跑通的工具,如 VTS 序列帧平台,快速向团队现存的其他业务线推广,跑通新的种子用户反馈闭环。

60 天

落地「探索池」与成果流转机制

正式运营技术探索看板。将过去业务线解散后遗留的半成品、卡点和可用资产进行系统封存,确保业务线虽停,但技术资产不流失。

90 天

搭建成熟的 AI 调研与验证体系

结合前期开发的信息收集工具 Agent Reach,构建一套包含前沿模型追踪、竞品动向抓取、低成本技术验证的常态化调研体系,为团队下一步决策提供弹药。

持续承担 AI 工具链探索、工程落地和流程沉淀工作。
05 · Career Plan

职业规划:做 AI 与真实业务的翻译官

不设定僵化的传统研发路线,而是保持对前沿技术的敏锐度、对业务痛点的同理心。用沉淀体系的确定性,应对业务变化的不确定性。

短期:1 年内

从执行者到体系搭建者

打磨极速工程落地的基本功。不只被动接需求,而是主动完善团队的 AI 前沿调研体系与探索池机制,成为团队里可靠的技术验证前哨。

中期:2-3 年

AI 工作流架构师

深入理解公司多条业务线的成本结构与效能瓶颈。主导跨部门 AI 改造项目,用 Agent、Skill 和大模型技术重构数字内容生产流。

终极驱动力

成为连接节点

核心壁垒不是比算法工程师更懂模型底层,而是比研发更懂业务痛点,比产品更懂技术边界,把前沿红利兑换成商业 ROI。

个人素养底色

拥抱变化

业务方向会调整,项目也可能停止,但每一次实践沉淀下来的工程化思维、敏捷闭环能力和抗挫折韧性,都会成为持续成长的底气。