—— 一个独立游戏项目里已经跑通的 AI 工作流
我在做一个类土豆兄弟 的 Roguelike 游戏，Unity + 小团队协作。过程中摸索出了一些 AI 工作流，回头看发现挺多东西是不踩坑想不到的。
网上聊得比较多的 —— 给 AI 写规则文件（CLAUDE.md）、搞知识库让它有记忆 —— 这些我都做了，但今天不展开，聊点不太一样的。
1. AI 可以完整交付一个功能，不只是"帮你写代码"
大部分人用 AI 的方式是：描述需求 → AI 写代码 → 人肉检查 → 手动测试。
但现在 AI 能做到的是写完自己验。前端用 Playwright 跑端到端测试，Unity 里用 uloop 可以执行动态代码，AI 写完一个功能或修完一个 bug，自己跑测试确认没问题，整个交付闭环不需要人介入。
Claude 创造力和理解能力强，但有时候会飘，在这种"必须测试验收"的场景下 ，Codex（或gpt5.4） 更稳。
2. Git 提交就是项目管理，不需要额外的工具
由于本地大量的并发推进的内容改动，一般是靠AI来提交git，大部分提交信息是 AI 自己生成的。 但这不重要。因为 AI 可以直接分析 git 历史 —— diff、文件变更、代码上下文 —— 哪怕 log 写得稀烂，它也能还原出每个人干了什么、项目整体进展到哪了。
所以团队不需要每天写日报或者汇报进度。git 仓库本身就是最完整的项目记录，AI 能帮你把它"读"出来。少维护一个工具，少一个会过期的信息源。
3. 把策划的 Excel 干掉了
这个有个演进过程。
一开始跟所有游戏项目一样，策划用 Excel 配表。多人协作时 git 合并配置表简直是噩梦 —— 二进制冲突、丢数据、谁改了什么根本看不出来。
第一步是止血：写了一套 Python 工具（compare_excel、verify_merge、fix_excel），专门处理合并冲突，至少不丢数据了。但效率低下。
第二步是根治：每个物品、每个效果拆成独立的 JSON 文件，配合 Luban 生成最终配置。策划通过AI编写的编辑器操作，从此告别excel。
结果是三方都舒服 —— 人通过编辑器改，git 能干净合并，AI 能精准读写单个条目。AI 时代的协作单位变了，原子化的数据比一张大表更适合人机协作。
4. 咒语式流水线：一句话生成一个完整的游戏内容
这个是我觉得最有"魔法感"的部分。
我在项目里搭了 40 多个 skill（可以理解为预设的 AI 工作流）。效果是什么呢？比如我想加一个新物品，只需要说一句话：
"新物品：寒霜之弓，稀有远程武器，造成 18 点伤害，附带冰冻效果"
然后 AI 自动完成：
分配不冲突的 ID
生成完整配置（60+ 字段）
分析需要哪些效果，有的复用、没有的新建
调 AI 画图接口生成图标
跑打表脚本
编译验证确保没报错
如果是武器还自动生成 Prefab
一句话进去，一个可以直接进游戏的完整内容出来。类比一下就是：你跟策划说"出一张炉石的新卡"，文本、配置、代码、卡图全自动生成。
策划的工作从"填表"变成了"描述想法"。 对于验证玩法来说，成本大幅缩减。
5. 代码没写一行，先让 AI 验证你的想法
用Agent skill搞了一套 9 步流水线，专门用来回答"这个游戏值不值得做"：
市场分析 → 这个品类有没有空间
头脑风暴 → 生成 10 个创意
可玩性分析 → 筛到 5 个
竞品分析 → 筛到 3 个
核心规则设计
流程模拟 → 模拟一局完整的游戏体验
原型生成 → 直接输出 3 个可玩的 HTML 小游戏
Playwright 冒烟测试 → 自动验证原型能不能跑
玩法验证 → 自动截图 + 评估
从"我有个想法"到"你可以玩一下试试"，中间不需要写一行正式代码。这个前置验证能帮你省掉大量沉没成本。
不过可惜的是整个流程经过我的多次迭代优化，即使是改成“顿悟+迭代” 式的非瀑布的流程，也实在无法解决AI对“好玩”的判断的问题。
6. 让 AI 帮你玩游戏
AI帮我设计了自动战斗测试系统。
不是简单的随机操作 —— 是AI驱动的经济决策（向GPT5.4输入当前游戏情况和决策选项，输出决策），以及AI编写的战斗逻辑。还有个 QA 模式，AI 会故意做一些边界操作（站着不动、冲向敌人、贴墙走），专门测你的游戏会不会崩，测出bug还会顺手修复并提交git。
38 个版本的迭代过程是AI自主进行的，本身就是一部踩坑史：逃跑阈值从固定值改成动态的、发现防御流会导致无限循环、4 倍速测试的结果不可信... 每一条都是真金白银的教训，全部记录在知识库里，使得AI玩游戏实力越来越强，而整个过程几乎无需人的干预。
看AI如何玩自己的游戏是很有趣的过程。
7. 美术/动画变成了抽卡流程
美术的最艰难的部分变成了定风格的过程，这个过程其实还是需要大量的迭代过程。但定下风格后的工作就变得很不一样。
我们会先和AI讨论生图策略，迭代过程中并发调 AI 生图，比如动画就是一口气出上百张序列帧方案，然后像抽卡一样挑 —— 这张动作到位、那张光影不错、这张废了下一张。整个过程变成了开盲盒，出货的时候是真的爽，歪了也不心疼，反正再抽一轮就是。
说起来有点搞笑，但效率确实高。以前一套序列帧动画可能要磨好几天，现在并发一波出图，挑挑拣拣半小时搞定。美术产能的瓶颈从"画得够不够快"变成了"审美够不够好"。
8. 自己造基础设施，变得很容易了
我还做了个叫 Plunger（马桶塞）的工具 —— 一个本地弹性代理，坐在 AI 客户端和 API 之间，流式响应断了自动恢复，不丢进度。（很适合国内AI中转站的不稳定的情况） https://github.com/maouzju/plunger
我不是后端工程师。这个东西是用 AI 辅助写出来的。
而且这形成了一个闭环：用 AI 写了一个让 AI 更稳定的工具，这个工具又让后续的 AI 开发流程更顺畅。 以前这种跨界的基础设施建设对独立开发者来说成本太高了，现在门槛低到"觉得哪里不顺手就自己造一个"。
写在最后
回头看这些工作流，核心认知其实就一个：AI 不是一个"帮你写代码的工具"，它是一个可以嵌入到你整个开发流程里的协作者。 从验证想法、设计内容、写代码、测试、到项目管理，每个环节都可以重新想一遍"AI 能不能参与"。
希望这些 fun fact 能给同样在做独立游戏的朋友一些启发。
