AI工作流程实践：100% Vibe Coding 完成 Game Jam 游戏开发

AI 工作流实践：100% Vibe Coding 完成 Game Jam 游戏开发 主作者 关注 Blasin 新手上路 Blasin 关注 Blasin 新手上路 联合作者 关注 Blasin 新手上路 Blasin 关注 Blasin 新手上路 06/12 09:51 Matrix 首页推荐 Matrix 是少数派的写作社区，我们主张分享真实的产品体验，有实用价值的经验与思考。我们会不定期挑选 Matrix 最优质的文章，展示来自用户的最真实的体验和观点。 文章代表作者个人观点，少数派仅对标题和排版略作修改。 最近参加了 BOOOM jam，这是机核举办的游戏创作马拉松，开发者们需要在三周内根据主题开发一款游戏小品。 这次我和艺术家弗兰克做了一个俯视角射击游戏《茫室》。游戏的核心机制是敌人在光照下无敌，玩家只能在阴影中击杀它们，主打一个预判杀敌战斗爽。欢迎在 itch.io 或 机核网 在线试玩。 这是我们首次完全依靠 vibe coding 制作 Unity 游戏，由我指挥 Cursor 和 Codex 生成代码，音乐音效靠 ElevenLabs AI 生成，美术和关卡都是 Frank 手工制作。这篇文章会介绍我在这次 jam 里使用 AI Agent 的具体案例：不仅包括如何在游戏开发中驾驭 Agent，也包括 Agent 如何改善团队协作。 正式进入这些工作流之前，我想先用一些数据展示 Agent 带来的效率变化。 十倍工程效率，人也变得更忙 我参加过三次 BOOOM Jam，因为制作周期都接近 21 天，所以很适合通过代码量来对比工程效率。这次统计时，我只计算 Assets/Scripts 下的代码量，也就是排除插件后的项目代码，并用 Cursor 自带的 Canvas skill 生成了下面的统计数据和图片。 三次 BOOOM JAM 的代码量统计 在完全 vibe coding 的情况下，代码量增长确实十分可观 ，去年的项目是 4 千行，今年来到了 3.1 万行，相比 2022 年的 CATO 项目是十倍提升。我让 Agent 分析了这次代码库为什么那么大，大概是我这次抛弃了不少第三方插件，如 Top Down Engine，所以游戏最主要的逻辑——人物控制器还有敌人行为，都是靠 Agent 堆出来的，代码量自然就上去了。 这次项目后期的代码量增长甚至没有放缓，因为我全程在「边造车边开车边修车」。一年前我不可能有信心在倒数第二天边修 bug 边加新细节、然后让 Codex 跑 profiling 分析性能，毕竟对 game jam 来说，花时间解决优化问题简直太奢侈了。 从 Git commit 提交数量的角度看，22 年和 25 年都在 400 次提交左右，今年有了 Agent 帮我写 commit 我养成了更勤快的提交习惯，结果是约 1000 次。 毫无疑问，更加原子化的 commit 对 Agent 理解与维护项目更有帮助 。 从番茄时钟数据来看， 今年 gamejam 的实际投入时间在 100 小时左右，是去年时间投入的两倍 。除了因为去年还在忙 CATO 的工作，今年这次 Agent 给予的正反馈实在太强，最后几天我亢奋到睡不着，一路干到凌晨五点，也算是 AI 让我更忙的证明。 虽然本文的大部分案例都来自这次 21 天的 game jam，但也都依赖于我这半年来 vibe coding 积累的直觉与手感。我会尽量避开那些难以复现的震惊案例，更多分享一些真正能进入日常开发流程的方法。 市面上关于 Agent 写代码的技巧已经不少，所以接下来我想先从团队协作讲起，介绍在工程交接时，Agent 到底能帮我们省掉哪些体力活。 让 Agent 接手模糊转译 这几个月我们实践出了一套反直觉、但非常顺手的工作流：美术 Frank 在生产资产时，先用最自然、最啰嗦的方式命名文件，例如 Reload GUI 指示物开启.png 、 收集探测器成功的声音.wav 。 在合并 Frank 的资产时，我直接让 Agent 把它们重新规范命名，并移动到合适的文件夹目录下，甚至直接找到对应配置替换 reference。英文命名头疼、文件容易打错字、目录整理混乱、改配置时容易眼花……过去这些事都不难，但会持续打断开发节奏，现在它们可以被 Agent 串成一个完整流程处理掉。 我觉得这是一种模糊转译，而 Agent 相当擅长这类工作 。如下图的换 UI 任务，我直接把 Frank 的 UI 资产发给 Codex，它完成了导入工程、重命名、替换场景中的 UI、修复错误，最后打包上传到我的手机，整个流程半小时不到，一站式完成。 Codex 一站式完成从换 UI 到上传 Testflight 包体 游戏开发里，很多填写配置的工作本质上也是一种转译：把人类自然语言写成机器能读取的结构化数据。比如这次项目里有一些简单对白。一开始 Frank 只是把剧情对白写在 Notion 文档里，我让 Agent 直接读取 Notion，把对白转成游戏内配置，同时把文档里的立绘附图扒进工程，再根据对白中的人物注释决定显示哪张立绘。整个流程没有打开 Unity，也没有手动填写配置。 Frank 在 Notion 写的对白直接变成 Agent 的数据源 这种转译并不只适用于文档到配置，也可以是不同工具和数据格式之间。 到了游戏文本翻译阶段，我让 Agent 收集所有游戏内对白，包括分散的教学提示语，Agent 翻译后生成一个 Notion 对照表格，方便朋友 YangMann 直接校对。等校对完成后，再让 Agent 把修改后的内容从 Notion 倒回游戏配置。因为 game jam 的需求足够简单，通常这种场景会选择手动复制内容而不是使用专业本地化工具。而有了 Agent 转译，整个项目无需引入任何新插件，也不需要修改原本的数据格式。 我觉得游戏开发的大部份体力活其实都是在做数据搬运和转译，善用 Agent 可以减少这部份工作提高开发效率。相比于创造新内容，Agent 在这些体力活上的协助经常被忽视，但它恰恰很适合处理这些琐碎、重复，又需要一点注意力的工作。 让 Agent 串起工具 如果希望 Agent 参与到工作流，文档、素材、甚至聊天记录最好放在它能读取的开放工具里。否则 AI 再强也只能停留在你手动复制给它的上下文里。所以这里推荐对 AI Agent 十分友好的 Notion 和 Dropbox。 合作了这么多年，如无必要我们基本没有看板和设计文档的习惯。但我们都会在开会后维护自己的 todo 或 checklist。Frank 作为美术，checklist 肯定会更偏视觉化。这次我尝试用 GPT Image 2 给 Frank 传递美术需求，先让 Codex 粗略整理游戏内的资产需求，等我校对完成后，再直接在 Codex 内调用 GPT Image 2，生成一张美术清单，用更清晰的方式传达需求。 GPT Image 2 生成的美术资源对接清单 在项目后期 BUG 和打磨细节激增，我只能靠不断修改 todo list 和纸上涂画来标记问题，我让 Agent 毫不费力地接通我的小票打印机并写好 skill，把