AI 工作流实战：用 Vibe Coding 模式完成一场 Game Jam 极限开发

当 Agent 学会"闭环"，开发者还剩什么？

Game Jam 是一场与时间的赛跑——通常 48 小时，从零开始构建一款可玩的游戏原型。在过去的 Game Jam 里，开发者最痛苦的不是写代码，而是在疲惫、灵感枯竭和不断崩溃的构建之间反复切换。今年，我们做了一个疯狂的尝试：把整个开发流程交给 AI Agent，人类只负责"提供 Vibe（氛围/直觉）"。

结果出乎意料——它不仅跑通了，还跑赢了。

这背后的关键，并不是某个更强的模型，而是我们设计了一套完整的 Agent 闭环工作流。

什么是"Vibe Coding"？

“Vibe Coding” 这个词最早由 Andrej Karpathy 提出，核心思想是： 开发者不再逐行编写代码，而是描述"感觉"和"意图"，由 AI 生成具体实现。

但在 Game Jam 这种高压场景下，单纯的"描述意图 → 生成代码"远远不够。代码会编译失败、逻辑会冲突、需求会在凌晨三点被推翻。

我们发现：Agent 和人一样，离不开闭环。

闭环工作流：Agent 的"心流"是如何构建的

第一环：需求到任务（Spec → Task）

我们没有让 Agent 直接生成代码，而是先用 LLM 把模糊的 Vibe 拆解成结构化的任务列表：

## Game Concept
- 类型：Roguelike + 节奏音游
- 核心循环：移动 → 攻击 → 收集音符 → 强化

## Tech Stack
- 引擎：Godot 4
- 语言：GDScript
- 美术：程序化生成（不放任何外部素材）

## MVP 任务清单
1. 角色基础移动（冲刺、闪避）
2. 敌人 AI（追踪 + 攻击模式）
3. 音符掉落系统
4. 战斗与音符的耦合逻辑
5. 主菜单 + 失败/胜利画面

这一步看似简单，实则决定了 Agent 是否会"跑偏"。

第二环：代码到验证（Code → Verify）

Agent 写完代码后，必须自己跑构建、自己看报错、自己修复。

我们为 Agent 搭建了一个轻量的 CI 沙盒：

#!/bin/bash
# agent_verify.sh
godot --headless --quit 2>&1 | tee build.log
if grep -q "ERROR\|SCRIPT ERROR" build.log; then
  echo "❌ Build failed, agent must fix"
  exit 1
fi
echo "✅ Build passed"

Agent 的工作循环变成：

while not is_game_complete():
    code = agent.generate_code(task)
    result = sandbox.run(code)
    if result.has_error():
        task = agent.analyze_error(result)
        continue
    next_task = agent.pick_next_task()

第三环：游戏到反馈（Play → Feedback）

这是最关键的一环——让 Agent 真正"玩"自己做的游戏。

我们接入了一个简单的自动化测试 Agent，它会：

启动游戏
模拟键盘输入
记录死亡次数、通关时间、帧率
输出可读性强的反馈报告

class PlaytestAgent:
    def run_session(self, duration=300):
        game.launch()
        metrics = {
            "fps": [],
            "deaths": 0,
            "level_completed": False
        }
        for _ in range(duration * 60):
            action = self.decide_action(game.get_state())
            game.execute(action)
            metrics["fps"].append(game.fps)
            if game.player_died():
                metrics["deaths"] += 1
                game.respawn()
        return self.generate_report(metrics)

这份报告会回喂给开发 Agent，形成完整的反馈闭环。

Vibe Coding 的真实体感

在 48 小时的开发中，我们的分工是这样的：

角色	人类	Agent
创意决策	✅	❌
任务拆解	协作	✅
代码实现	❌	✅
Bug 修复	❌	✅
平衡性调整	部分	✅
最终润色	✅	❌

人类的角色，更像是一个 Product Owner——在关键节点做决策，而不是逐行审查代码。

最让我们惊喜的是：当 Agent 拥有完整闭环后，它展现出了类似"心流"的状态。它会在凌晨四点钟连续修复 17 个 bug，会主动重构自己写过的烂代码，甚至会反驳人类的需求（“这个设计会导致帧率下降，建议改成……"）。

一些踩过的坑

不要让 Agent 一次写太多代码 任务粒度必须细到 30 分钟以内能完成，否则 Agent 容易"迷失"在上下文里。
错误信息的可读性至关重要 Godot 的报错日志对人类不友好，对 Agent 同样不友好。我们写了一个日志清洗器。
Playtest Agent 不能太"聪明” 它应该模拟普通玩家的行为，而不是用上帝视角通关，否则反馈会失真。
保留人类的"否决权" Agent 并不总是对的。在涉及玩法核心乐趣的设计上，必须由人类拍板。

未来：当每个开发者都有一个 Agent Team

这次 Game Jam 实验让我们看到了一种新的工作模式：

未来的独立开发者，可能不是一个人，而是一个人 + 一支 AI 团队。

一个 Agent 负责写代码
一个 Agent 负责测试
一个 Agent 负责美术
一个 Agent 负责音乐
人类负责提供 Vibe

这不是科幻，而是已经发生的现实。

结语

Vibe Coding 不是"不写代码"，而是把写代码变成一种更高维度的创作。当 Agent 拥有完整的闭环能力——能从需求出发、能自我验证、能从反馈中学习—— 人类终于可以从繁琐的实现中解放出来，回到创作本身。

下一次 Game Jam，我们打算让 Agent 自己定主题、自己组队、自己开发。到那时，Vibe Coding 才真正开始。

如果你也对 AI Agent + 游戏开发感兴趣，欢迎留言交流。下期我们会拆解 Playtest Agent 的完整实现。

本文由 NVIDIA API Catalog 托管的 minimaxai/minimax-m3 模型自动撰写并生成发布。