游戏开发是一个复杂且资源密集型的过程，尤其是在使用 像 Unreal Engine 这样的高级工具 时。开发者会发现自己需要浏览大量信息，这些信息通常分散在教程、用户手册、API 文档和源代码本身中。这是一项多方面的工作，需要具备编程、设计和项目管理方面的专业知识，同时需要在创新和实际实施之间取得平衡，以满足紧迫的截止日期和玩家期望。
大型语言模型（LLMs） 正在集成到开发流程的各个阶段。这些模型通过驱动智能非玩家角色（NPC）、协助代码生成以及最大限度地减少重复性任务所花费的时间，正在改变工作流程。然而，当 LLMs 缺乏对特定领域知识的访问权限时——无论是角色的背景故事还是游戏引擎源代码的复杂性——其有效性都会受到限制。虽然使用专业数据对这些模型进行微调可以帮助克服这些限制，但这一过程通常耗时且昂贵，对于希望在工作流程中充分利用人工智能的开发者来说，构成了重大挑战。
这正是 检索增强生成（Retrieval-Augmented Generation，简称 RAG） 发挥作用的地方。RAG 是一种软件架构，它将大型语言模型（LLMs）的功能与特定于业务的信息源相结合，提供了更高效的模型再训练替代方案。借助 RAG，开发者可以动态补充 LLM 的内部知识，使用准确的最新信息为响应奠定基础，而无需重新训练整个模型。
本文介绍了 RAG 如何通过提高 AI 生成内容的准确性、减少偏见和幻觉以及提供特定领域的响应来改变游戏开发。
什么是检索增强型生成？
RAG 旨在通过将大型语言模型与其他数据源集成来增强其功能。RAG 通过四个主要组件运行：
- 用户提示 ：此过程始于用户的初始查询或指令。
- 信息检索 ：RAG 搜索相关数据集，以找到最相关的信息。
- 增强 ：检索到的数据与用户提示相结合，以丰富提供给 LLM 的输入。
- 内容生成 ：LLM 根据增强的提示生成响应。
RAG 系统可以使用 Web、企业数据库或文件系统中提供的最新信息，生成信息丰富且与上下文相关的答案。在特定领域的最新知识至关重要的情况下，此技术尤为重要。
对于希望更大限度地提高数据价值并打造更具沉浸感的游戏体验的企业而言，RAG 是一种理想的解决方案。一些主要的优势包括：
- 提高准确性 ：RAG 确保 NPC 和游戏元素的行为与最新的游戏故事和机制保持一致，生成逼真且符合上下文的对话和叙事元素。
- 针对特定领域的回应 ：通过集成专有游戏设计文档和知识，RAG 可实现与游戏的独特宇宙和风格相符的定制 AI 行为。
- 减少偏差和幻觉 ：通过将响应建立在真实数据的基础上，RAG 最大限度地降低了生成有偏差或不准确内容的风险。
- 经济高效的实施 ：RAG 消除了频繁重新训练模型的需求，使开发者能够快速地适应新的游戏更新和扩展，同时减少手动内容创建的努力。
使用虚幻引擎 5 演示 RAG
游戏引擎开发者通常会处理大量频繁更新的数据集。通过将源代码、文档和教程嵌入本地运行的向量数据库，他们可以使用 RAG 运行推理并与数据“聊天”。
为了展示 RAG 的强大功能，我们使用 Epic Games 的 Unreal Engine 5 开发了一个演示，该演示利用了大量公开可用的数据。该演示托管在 OCI 云基础设施上，由 NVIDIA A100 Tensor Core GPU 实例提供支持。它采用 Code Llama 34 B，这是一个针对代码生成进行调整的 LLM，由 NVIDIA Triton Inference Server 和 NVIDIA TensorRT-LLM 优化。
该演示包含三个独立的数据库：用户文档、API 文档和源代码本身。RAG 系统会从这些数据库中检索相关信息，并在向 LLM 展示这些数据库之前对最有用的结果进行排名。虽然 Code Llama 可以处理一些基本的 Unreal Engine 问题，但其回答可能过时或过于通用，无法实际使用。通过集成 RAG，系统显著提高了回答的准确性和相关性，通常包括代码示例和对原始源材料的引用。
此外，开发者可以使用 NVIDIA AI 工作台 Hybrid RAG 项目 构建 RAG 驱动的应用。该项目与 Unreal Engine 5 文档无缝集成，使开发者能够创建全面的知识库，以增强游戏开发工作流程。借助 NVIDIA AI 工作台，开发者可以高效利用本地和云资源，并享受在 NVIDIA RTX GPU 上轻松运行嵌入和检索流程的灵活性，同时将推理卸载到云中。
这种混合方法使游戏创作者能够直接在其开发环境中快速访问有关引擎功能、蓝图脚本和渲染技术的相关信息，从而简化流程，以便他们可以更专注于创造力和创新。 了解有关使用 AI Workbench 构建混合 RAG 应用程序的更多信息 。
当您准备好将 RAG 驱动的应用部署到生产环境中时， NVIDIA AI Enterprise 可为 NVIDIA RAG 流程中使用的软件提供企业级支持。其中包括 NVIDIA NIM 微服务，这些微服务可在易于部署的软件容器中提供具有标准 API 的预构建优化推理引擎。
游戏开发的实际 RAG 用例
RAG 为游戏开发者带来显著优势，可改善开发流程并提高整体开发者体验：
- 增强文档访问 ：RAG 简化了与 Unreal Engine 5 文档的交互，使开发者能够直接在其开发环境中快速找到有关引擎功能、蓝图脚本和渲染技术的答案。
- 智能代码辅助 ：通过利用庞大代码库和最佳实践，RAG 可以提供上下文感知代码建议，从而提高编码效率并减少错误。
- 快速原型设计 ：RAG 可帮助生成占位符内容 (例如临时对话或级别描述)，从而在开发的早期阶段加快迭代速度。
- 开发者入门和培训 ：由 RAG 提供支持的个性化教程系统可以根据新团队成员的技能水平为其提供指导，从而显著改进入门流程并支持持续学习。
- 自动错误解决 ：RAG 可以从内部文档、已知问题数据库和社区论坛中检索相关解决方案，从而帮助开发者解决问题。
开始使用 RAG
RAG 代表着 AI 驱动游戏开发发展的下一步。通过将其他数据集与基础 LLM 无缝集成，RAG 可提高生成内容的准确性、相关性和及时性。无论是游戏开发、知识检索、客户服务，还是无数其他应用，RAG 都能提供经济高效且功能强大的解决方案，改变企业和开发者与其数据进行交互的方式。
与 NVIDIA 和 Dell 一起参加 Unreal Fest，了解如何构建和扩展 RAG 支持的聊天机器人，以增强游戏开发工作流程并加速创意流程。欢迎访问我们在展览区的 NVIDIA/Dell 展台，并参加我们的会议“ 用生成式 AI 让 MetaHumans 如生 ”。我们迫不及待地想与您相见！
加入 NVIDIA 游戏开发社区并注册以 接收最新消息 。
