四次AI游戏开发实录,从猜谜桌球到3D农场,真实项目中的能力边界与落地挑战

花椒技术团队基于业务需求,系统性开展了四轮AI辅助游戏开发实践:轻量级互动玩法“大家一起猜”已上线日均百房;物理规则明确的桌球完成联机验证;策略性更强的“猛鬼攻防”实现原型与线上双轨并行;3D农场则探...

人工智能 阅读量: 30.73万

当“4秒生成10秒视频”的实时生成技术引发行业关注,一个更实际的问题浮出水面:玩家说一句“接下来想做什么”,游戏能否即时生成后续剧情与画面?答案尚不成熟——生成虽快,却常伴随延迟、失败或逻辑断裂,操作反馈模糊,体验难以连贯。这正是花椒技术团队在2026年启动四轮AI游戏开发尝试的起点:不追求炫技式生成,而是围绕真实业务场景,检验AI在游戏开发全链路中的实际价值。

第一轮尝试聚焦轻量级社交互动。“大家一起猜”是一款主播与观众协同参与的推理小游戏:系统随机选定物品,观众通过提问逐步缩小范围,AI依据预设谜底实时回答“是/不是/不确定”,程序负责计数与胜负判定。团队借助AI梳理玩法逻辑、设计界面布局、生成基础代码并接入模型,全程未脱离工程闭环。目前该游戏已在派对房与个播房上线,单日超百个房间启用,成为首个落地的AI辅助项目。真实使用暴露了新问题:题目重复率高、AI回答偶有歧义、异常提问易导致流程卡顿。这些并非技术缺陷,而是揭示了AI在开放对话场景中“可靠性”与“容错性”的硬约束——它能高效执行结构化任务,但面对非预期输入时仍需人工兜底。

第二轮转向物理规则明确的休闲玩法:桌球。语音房中常见的八球对战,其核心在于击球轨迹、碰撞响应、进袋判定与回合逻辑。开发人员设定技术路线后,依托Codex生成并迭代Cocos引擎代码,同步完成自动化验证。画面与操作层复用同一套物理与规则代码,保障网页与客户端体验一致。试玩阶段发现,球桌比例、蓄力瞄准精度与犯规提示的视觉层级直接影响新手理解成本,这些“手感”细节无法由AI自动优化,必须依赖人工反复调校。目前桌球已完成双机同步与多房间支持,正推进断网重连等稳定性测试,尚未正式上线。这一案例印证:规则越清晰、边界越确定,AI编码效率越高;但“可玩性”最终取决于人对体验的具身感知。

第三轮挑战复杂策略玩法:“猛鬼攻防”。玩家需积累资源、建造炮塔、抵御进攻,决策链更长,数值平衡更敏感。团队采用双轨路径:一为自研原型,用Codex+ Cocos快速搭建移动端可玩版本,验证AI辅助开发复杂系统的可行性;二为SUD接入版,直接服务于线上业务。原型中已实现房间抢占、资源采集、炮塔部署与耐久衰减等基础模块,但完整对局逻辑与经济系统仍在验证。值得注意的是,线上版本与原型同源却异构——前者优先保障稳定交付,后者侧重技术探索。这种“业务驱动+技术验证”并行模式,反映出当前AI辅助开发的务实策略:不强求一步到位,而是分层拆解,让AI承担可标准化的部分,人类聚焦不可替代的判断。

第四轮则试探3D内容生成边界。在已有2D农场玩法基础上,团队尝试构建可行走、可切换视角的3D农场Demo。开发人员通过Codex操控Blender完成基础建模,以Three.js实现场景渲染与交互逻辑,并调整镜头运动、遮挡关系与移动控制。该Demo仅用于评估AI在3D资产创建与交互链路中的辅助效能,尚未进入业务流。相比前三个项目,3D方向的AI介入更深,但也更脆弱:模型生成的几何体常需手动修正拓扑,光照与材质匹配依赖人工微调,交互响应延迟影响沉浸感。这揭示了一个关键事实:当前AI在3D领域仍处于“辅助建模”阶段,距离“端到端生成可交付3D游戏”尚有距离。

对比外部实践,这一系列尝试更具参考价值。例如,有开发者用DeepSeek与Kimi制作肉鸽割草游戏原型,或通过SoonPlay平台上传视频自动生成“程序员打Bug”主题游戏——这些案例凸显AI在参照物明确(如《吸血鬼幸存者》《黑神话:悟空》)时的复刻能力,但普遍止步于Demo层面。而花椒的四次尝试全部锚定真实产品线:从已上线的猜谜游戏,到测试中的桌球,再到业务接入的猛鬼攻防,每一步都伴随用户反馈与迭代闭环。其核心差异在于:不以“能否生成”为终点,而以“能否持续运行、被用户接受”为标尺。

进一步观察行业动向,Anthropic工程师Felix Rieseberg用Fable 5.2生成网页FPS《Saltline》,耗时8小时、成本550美元;国内 SoonPlay 平台则支持“上传视频→生成游戏→指哪改哪”的极简流程。这些进展确实在压缩创意验证周期,但共性局限依然明显:AI擅长填充已知框架内的内容,却难独立构建新颖机制;能高效产出素材与基础逻辑,但对异常状态、长期平衡与情感反馈缺乏鲁棒性。

文章配图

值得强调的是,AI并未取代开发者,而是重构了工作流。在花椒实践中,开发人员的角色转变为“规则定义者”“体验质检员”与“异常处理器”:他们明确技术边界,监督AI输出质量,处理边缘情况,并最终决定玩法取舍。一位49岁开发者用Godot+大肥鱼AI协作开发文字模拟游戏的案例也佐证了这一点——他将AI定位为“首席程序员与架构师”,自己担任主策与QA,20天内建成20人部落的纯文字DEMO。这种“人主导、AI执行”的协作模式,比“全自动生成”更可持续。

四次尝试共同指向一个结论:AI正从“工具”升级为“协作者”,但其价值高度依赖任务结构化程度。在规则清晰、反馈即时、容错空间大的场景(如猜谜、物理模拟),AI可显著提速;而在开放交互、策略深度与情感连接强的环节(如剧情生成、数值平衡、异常恢复),人类经验仍是不可替代的核心。游戏开发的本质从未改变——它仍是关于人的体验的设计。AI能帮我们更快抵达“能玩”的门槛,但“好玩”的终点,仍需人来丈量。