Making An Actually Fun 3D Game with AI
三句話摘要
利用AI在數小時內製作3D遊戲，反思AI對遊戲業的真實影響。 AI加速編碼但無法替代遊戲設計的創意決策；遊戲業的未來仍需專業設計師，AI只是賦能工具。 AI編碼能力超預期，但自動化程度有限：Opus模型不僅生成代碼，還自動在瀏覽器測試遊戲、發現Bug、進行難度調整。但涉及複雜的設計權衡時（如NPC速度、自然災害傷害值），仍需人工反覆微調。
重點整理
重點- 1
AI編碼能力超預期，但自動化程度有限：Opus模型不僅生成代碼，還自動在瀏覽器測試遊戲、發現Bug、進行難度調整。但涉及複雜的設計權衡時（如NPC速度、自然災害傷害值），仍需人工反覆微調。
- 2
遊戲開發的真正成本在決策，不在編碼：從業30年的Take-Two CEO指出，編碼從未是遊戲開發的瓶頸。關鍵在於無數微觀決策——哪些機制有趣、難度曲線如何設計、視覺美感如何調整。AI能加快執行速度，但無法替代這些判斷。
- 3
AI生成遊戲與商業遊戲存在本質差距：製作完成的《Librarian 2》雖然精緻可玩，但開發者明確表示「遠未達到可銷售標準」。它更像是有趣的實驗，而非能與專業工作室作品競爭的產品。
- 4
遊戲消費習慣不會因AI而改變：大多數人傾向於購買他人設計的遊戲體驗，就如同大多數人寧看電影也不自己拍電影。自製遊戲將成為小眾嗜好，不會取代商業遊戲市場。
實用技巧與重點
乾貨- 模型與工具
- Claude Opus 5（初期建構、全局決策）
- GPT 5.6、GPT O1 Ultra（微調、細節優化）
- Claude Code、ChatGPT Codex模式
- 遊戲規格
- 10,400行代碼跨33個模塊
- 0個美術素材文件（所有紋理、音樂、音效程序生成）
- 生成時間：初版1.5小時、第二輪15分鐘、最終優化30分鐘
- 遊戲機制
- 4個不同環境：大型圖書館、百視達、唱片行、超市
- 程序生成關卡（每次遊戲外觀不同）
- 自然災害系統：地震、龍捲風、火山
- Boss系統與NPC角色（含自訂角色「Wolf」）
- 元升級系統（跨回合永久升級）
- 難度平衡機制（初期難→逐漸變簡單但仍有挑戰）
- 設計文檔
- design.md（記錄遊戲完整規格、便於模型交接）
- GitHub備份（版本管理、協作）
結論
結論“AI加速編碼但無法替代遊戲設計的創意決策；遊戲業的未來仍需專業設計師，AI只是賦能工具。”
完整解析
詳細開發者基於去年製作的文本遊戲《Librarian》（玩家在圖書館撿書放回書架），決定製作3D續作來展示一年內AI能力的進展。
初期階段使用Claude Opus 5模型。他將完整的遊戲概念——3D環境、程序生成、Roguelike升級、Boss戰鬥、自然災害——一次性輸入。Opus不僅生成了龐大代碼庫，更令人驚訝的是主動在瀏覽器執行遊戲、進行自我測試。AI發現玩家無法放置書籍的軟鎖問題並自動修復；還根據測試結果自行調整Boss壓力值，以找到平衡的難度曲線。這展示了AI從編碼到驗證的完整開發流程。
但初版暴露了人工設計的必要性。控制反向、菜單體驗糟糕、NPC角色速度不平衡（Boss過快無法追趕）。開發者提出修正清單，包括添加基於其YouTube短片的自定義角色。15分鐘後，AI完成修復並重新平衡系統。
進入微調階段時，開發者切換至GPT 5.6。為保持上下文銜接，他讓Claude生成詳細的設計文檔，使新模型能理解遊戲當前狀態。GPT提出12項改進建議——包括修復程序生成可達性、新增新手教程、改進進度堆疊——均指向複雜的設計問題而非編碼問題。與製作人Dave的遊戲測試暴露更多平衡缺陷：自然災害傷害太低（龍捲風僅掉落4本書）、難度曲線陡峭、環境視覺區隔不足。
最終使用GPT O1 Ultra模型進行精細調整。開發者要求改進相機系統、光照渲染、Boss速度、角色細節。結果是視覺更精緻、玩法更平衡的版本，包含多層次的環保反饋（香蕉使角色滑倒、蘑菇讓角色放大）。
核心洞察浮現：AI高效將概念轉化為可運行原型，但遊戲的靈魂——每個決策背後的品味判斷——仍需人類。為何這個難度曲線感覺錯誤？為什麼龍捲風應該造成更大傷害？這些決策無法從代碼生成出來，只能來自設計直覺與反覆測試。
開發者駁斥「遊戲業完蛋」的論述。AI雖加速開發流程（從去年需整天製作到現在幾小時完成），但不代表專業開發過時。《Librarian 2》雖功能完整、視覺精緻，卻遠未達商業標準。就像多數人寧看電影也不拍電影，多數玩家也寧買遊戲也不自製——因為好的遊戲設計需要專家級的判斷力。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
