本文来自微信公众号： 机核 ，作者：暴躁喵，原文标题：《AI如何全程辅佐我做游戏｜机组文章分享》
这是我们首次100%vibe coding制作游戏，开发由我指挥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生成了以下统计数据和图片。
这次在完全vibe coding的情况下，代码量增长确实十分可观，去年项目是4千行，今年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。
三次BOOOM JAM的代码量统计
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，可以先用最自然、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。
这直接解决了几个很具体的问题：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。
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
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
到了项目后期，BUG和打磨细节激增，只靠todo小票已经有点不够用了。大部分口头需求都没有被结构化，很容易在聊天里溜走，根本来不及整理进todo。最后冲刺几天，我用上了Discrawl这个skill，让Agent可以读取我的Discord聊天记录，靠它帮我从聊天记录里扒出Frank提过的优化建议，避免漏掉任何工作细节。
Agent提供看待数据的新视角
Agent特别擅长找文件、找数据，也提供了一种看待数据的新视角。比如我要调整多个敌人的走路速度时，往往需要在多个prefab之间来回切换。重复劳动和数据过载叠在一起，眼花、配错数据都是常有的事。现在我会让Agent收集这些数据用表格呈现，全局宏观地对比调教这些数据。在我看来这极大提升了有效信息的信噪比。
gamejam在做音效时，最头疼的就是上网找的音效音量不一致，这回直接让Agent做音频归一化就特别高效，根据我们的初步听感，我用Cursor去分析一番并生成Canvas图表，直接批量筛出不合格的音频，再根据筛选结果去继续打磨音频。
Cursor生成的Canvas图表
在项目协作时候，最头疼的就是Unity Scene冲突，用再贵的git客户端也读不懂diff，因为yaml diff本身缺少语义化信息。Agent完美解决这个问题，我最近习惯让Agent分析冲突原因，它便会用自然语言叙述，然后我再告诉它你要留下什么，丢掉什么，现在解决scene冲突的过程，有种做手术的快感。
解决场景冲突往往有个土办法，就是把场景复制一份，分开编辑，但真正头疼的是后续合并功能时，很容易错搬、漏搬。现在这类苦力活交给Agent就很合适，而且它还能顺手修复合并过程中导致的reference丢失。
让Agent接管Git里的脏活
除了上文所提的Agent解决scene合并冲突，开发全程我也让Agent帮忙不少Git操作。这次有了Agent帮我写commit我养成了更勤快的提交习惯，而且更加详细和原子化的commit对Agent理解与维护项目更有帮助。
Agent像是一种可以用自然语言交互的Git客户端。合并Frank的美术内容时，我也懒得再手动操作，直接让Agent先叙述Frank新增了哪些资产、修改了哪些内容，再帮我完成合并和冲突处理。这招用来回忆自己上周做过什么也很好用，与其翻一堆commit和文件变动，不如直接让Agent总结最近的工作内容。
这次jam还遇到过一个渲染bug。通常这种问题要用二分法，一步步夹逼出突然导致错误的commit。有了Agent接管git操作，我只需要模糊描述大概出错的时间段，Agent就能帮我跑git bisect逐步排查。我只负责在Unity里验证当前版本的渲染是否正常。三五轮下来，Agent就能定位到出错的提交，并进一步修复问题。
我以前一直觉得git worktree在游戏开发里的作用不大，但这次jam做WebGL build时，它反而大大派上了用场。我直接让Agent在新的worktree里解决WebGL shader问题，并通过Unity Batch Mode编译WebGL版本自行验证。这样不会打断我当前的Unity编辑器进程，Agent也能在另一个工作区里把问题闭环解决。
Deeplink：马看到什么是人决定的
半年前和Agent协作，还需在上下文提供修改文件的相对路径，而现在第一梯队的Agent已经能快速定位我的需求，比如「那个拿手枪敌人的脚本」。这可能归功于continual learning，这次gamejam我做了个实验不再自己维护AGENTS.md,而是靠Cursor官方的memory插件：continual learning，让它自行理解我的游戏项目，保存我的设计偏好，效果似乎不错，它总能定位到我模糊描述的对象。
但Agent也有看不到的时候，通常因为相似实体过多不容易定位，比如场景有几十个敌人，每个敌人都有六七级深度的骨骼结构，当你要指定其中一个敌人的武器时就很难描述。所以我让Agent写了个deeplink功能，它可以选中若干gameobject复制其GlobalObjectId，给Agent作为上下文，达到精确定位的目的。
自定义工具栏中的copy按钮即是deeplink
这在Agent生成prefab时候尤为实用，对于层级复杂的prefab我会在场景搭出一个框架，使用deeplink给它指出关键gameobject的职责，再交由Agent补全剩余的内容生成脚本和Prefab，这能解决prefab叫什么名字、放在哪里、脚本挂在哪、reference需要手动拉等等烦恼。
编辑关卡时也有类似技巧。关卡中的元素往往更难定位，能复制物体的绝对ID给Agent指路就很重要。像LDtk这样的关卡编辑工具，就能方便地复制这类信息。
例如这次遇到一个需求，需要批量替换某个房间内的某类敌人。换以前，只能靠鼠标重复劳动，一个个手动替换。有了Agent之后，我直接拉了一张「网」把要替换的内容覆盖住，只需把网的ID传给Agent然后告诉它：把这张网覆盖到的敌人都替换成新的实体，同时把语义近似的属性也还原上。这个过程减少了不少重复劳动，也降低了人为出错的概率。
Unity MCP：Agent闭环的关键
这半年来纯vibe coding最大的感受是，无论使用多顶尖的模型它都会犯错，避免的办法就是把它扔进可以自我验证的闭环之中，而Unity MCP就是让Agent闭环的关键。
我有一个skill叫compile and fix，它会在所有代码改动之后，使用Unity MCP run command触发Asset Refresh，等编译脚本完再get console logs检查所有错误日志修复，修复后还会进入play mode进行冒烟测试，重复这个过程直到没有错误为止。
当然，游戏逻辑验证还是比冒烟测试更难闭环。但对于游戏导出和打包来说，Agent几乎就是完美的粘合剂。比如打安卓包时，Agent甚至可以在手机上模拟点击，做一些基础冒烟测试；海量的手机运行日志对Agent来说也不是负担。
对于iOS打包来说，这更是解放双手，我全程没有打开过Xcode。遇到plist问题，Agent可以自己修复；部署到iPhone或上传TestFlight，也没离开过Cursor。
Debug Mode：拒绝盲猜
我一直离不开Cursor的原因之一，就是它强大的Debug Mode。理论上，Debug Mode也只是一种思路，靠prompt也能模拟出来；但Cursor把交互体验打磨得足够好，所以用起来特别顺手。
Cursor Debug Mode的prompt里应该有类似「拒绝盲猜」的指令，因为我经常看到它这样行动，当我描述一个bug之后，它不会立刻凭空猜测并直接修复，而是先列出可能的假设，把debug log植入代码中，然后要求我去复现。等它拿到log之后，再根据证据分析问题并修复。
这个Debug Mode也适用于真机和正式包。过去最痛苦的是把设备日志取出来，再从里面筛出真正有效的错误信息；而现在Cursor可以通过ssh直接和我的Steam Deck形成闭环。我只需要在Deck上复现问题，剩下的日志分析和修复都交给它处理。
同样，Unity Editor崩溃日志、Profiler采样数据，也都可以作为输入交给Agent。它可以从海量数据中提取有效信息，而不是靠直觉盲猜。这让我在game jam期间修复了一些极端bug，甚至也完成了部分性能优化。
如果什么都要自己动手，说明动手能力不行
标题这句话，是Agent刚火时候流行的一句笑话，但在实践中，我确实也习惯了口头让Agent修改一个简单的参数而懒得动手。
在单独调整一个对象的时候，让Agent操作确实比不上直接编辑器手调，目前多少有点脱裤子放屁。但如果想在runtime批量操作一批实例化的prefab，这种编辑的优势就很明显，而且还能随时让它批量应用回预置体，避免不小心退出play mode丢失runtime数值的事故，这招对实例化的材质调整也相当实用。
除了修改配置参数，我还探索了其它「动口不动手」的边界，比如完全让Agent搞定动画状态机。调整动画时候，我会把把「每次开枪从第一帧重播、结束后衔接reload」类似这样的需求传达给Agent，然后它根据我的设计意图翻译成状态机和过渡设置。我不指望未来Agent能完全接管我的Animator，但这次gamejam的需求强度下我确实没打开操作过Animator意大利面。
放手让Agent做实验
Agent让做实验的门槛大大降低，这次项目很多惊喜都是在休息时间实验出来的，我经常把低优先级需求扔给它不断试探边界。
以前gamejam会优先丢弃的game juice细节，现在居然有空加入最终打磨。例如这次Agent在15分钟内就把脚步声系统实现，而且还是双声道的，而这个系统又影响了游戏的gameplay，激发了我们其它机制的设计。Agent带来的效率提升，不只是省时间，也确实让整个作品变得更完整。
Frank在做美术效果时候偶尔会需要C#脚本配合，这经常需要我们来回对齐功能与效果。现在Frank也可以借助Agent实验，直接让它生成一个粗糙但可运行的效果，我再接手优化脚本和性能。这大大增强了我们异步协作的能力。
对工具的不满也可以随时修改。后期我密集编辑关卡时，使用的关卡编辑器LDtk总有一些quality of life上的不便，于是我让Agent下载编辑器源码，直接优化功能来适应我的工作流。Agent让使用开源工具这件事变得更有意义：不顺手就改到顺手。
我们甚至尝试让AI做关卡，毕竟LDtk的关卡不过就是json文件，丢给Codex工作了半小时后，结果十分惊喜，关卡没那么好看，但确实能玩，当然了这也是因为我们的战斗关卡摆放逻辑够简单，如果是解谜关卡它肯定无法搞定。
下方中间的关卡即是Codex模仿左下角房间生成的关卡
还有一个特别魔幻的例子。我shader知识很差，所以只能祈祷Codex帮我修复WebGL的渲染问题。它烧光了我好几次5小时额度，最后还真定位到了问题：一个subshader的版本兼容问题。只需要把一个4.5改成3.5，渲染问题就全部消失了。
虽说和Agent协作当然不应该完全交出方向盘。但偶尔把一些低优先级、试错成本低的需求交给它自动驾驶，确实会获得一些意外惊喜。
ElevenLabs AI音效生成
目前game jam版本的所有音乐和音效都由ElevenLabs AI生成。我直接把ElevenLabs API丢给Codex，写下音效埋点需求，Codex一站式完成，打开游戏就能体验。更意外的是，我在使用ElevenLabs生成音效时，不小心把dark synth BGM的需求混进了AI的todo list，结果打开游戏后，竟然获得了一首非常有氛围的合成器BGM。
Mindnode截图直接扔给Codex生成音效
由于我一开始限制Codex只生成音效，所以这首BGM其实只能通过音效API生成一段10秒的合成器音频循环。但结果相当惊喜，反而加强了游戏紧张刺激的氛围。这种Aesthetic层面的定调，又进一步引导我们打磨游戏机制和体验。不过就目前AI生成艺术资产的体验来说，它仍然更像抽卡，而不是稳定生产。
在以前game jam习惯中，我对音效的追求基本是能响就行，这次有Agent干体力活，我们花了更多时间打磨音效：比如给敌人加上脚步声双声道系统，BGM在战斗中提升音量和低音，甚至有空把AI生成的BGM做出intro/loop/outro三段式响应。这些音效动效等等game juice的打磨，是AI赋予我们的奢侈。
AI解决不了的：体验与美学
因为AI改变了开发节奏，这次我过于自信，拖了很晚才正式对接美术。前期工程推进有多顺利，后半程发现体验拼不起来时，就有多沮丧。AI太擅长搭机制、做原型，以至于它让我产生一种无敌的幻觉。
从游戏的MDA理论来看，光有机制并不足以定义一款完整的游戏。Mechanics只是起点，一个好游戏还包括Dynamics中不断浮现的体验，以及Aesthetics层面最终传达给玩家的美学、感受。
以前MDA理论都是拿来拆解别人的游戏，但这一次，我亲眼见到Mechanics、Dynamics、Aesthetics三元素是如何在我面前一点点组装、融合，并最终使作品完整，这也刷新了我们两人对MDA的认知。关于我们如何解决这一部分问题，欢迎阅读《茫室的美学与设计》（还没写完）。
结尾
《茫室》是我们首次彻底的AI native项目，回看过去一年AI Agent的变化，我发现自己丢掉了很多原本以为离不开的旧习惯。
在一年前我以为我会永远离不开VS Code，为了让编码更顺手，我花过不少时间磨合插件、快捷键等等工作流；我也以为自己离不开维护多年的开发工具箱，那些工具不只是提高效率，也在一定程度上形成了我自己的游戏风格。
而在完全抛弃手写代码的这半年，我再也没打开过IDE，工作时我面对的只有Agent的对话界面；压箱底的工具宝箱也完全放弃，更别提前年介绍的《CATO》使用的20款Unity插件已经丢掉了一半，全都被Agent的定制化能力解决。
写稿期间，AI Agent的实时语音控制、电脑操作、自动测试能力还在继续进化，可以想象，未来Agent对游戏开发工程效率的提升还会更大。
但这次game jam也让我更确定另一件事，AI改变的是生产效率，而非游戏质量本身。它能让机制更快跑起来，让资产更快进入项目，让bug更快暴露，也让很多低优先级的打磨有机会进入成品。但游戏最后是否成立，仍然要回到体验、审美、测试和人的判断。所以我喜欢game jam，它给游戏制作提供了一个更早获得反馈的机会，人和Agent一样离不开闭环。
这也是我对游戏行业仍然有信心的地方。越是工程被加速，越能看清哪些东西不是单靠工程效率就能解决的。游戏的特别之处，也许正藏在这些暂时无法被Agent自动验证、也无法被指标完全量化的部分里。