AI辅助独立开发：钓鱼游戏10周开发日志与多会话工作流揭秘

一位独立开发者在Reddit分享了他用AI辅助开发钓鱼游戏的第10周进展，并终于推出了可下载试玩的免费Demo。这篇开发日志不仅记录了游戏打磨的细节，更难得地公开了一套相当成熟的AI协作工作流和真实的成本账单，对任何想用AI做严肃项目的人都有参考价值。

第10周做了什么：从机制到视觉的全面打磨

距离Demo发布，开发者把大部分精力投入到了细节优化上。核心改动集中在以下几处：

船只、船体周围的泡沫效果，从原本贴在水面的贴图升级为真正模拟的波浪与水体，而且性能开销极小。这是视觉表现上最明显的进步之一——用模拟替代贴图通常意味着更高的真实感，而能控制住性能代价说明实现思路相对克制。

此外还包括"refit"（改装）页面和"ship"（船只）页面的UI贴图改进、港口的整体画面升级（更换树木模型、调整太阳位置以获得更好的阴影、修复阴影bug、增删3D模型），以及风暴中"大浪"机制的视觉重做——开发者坦言此前的大浪效果"质量远低于游戏其余部分"，不得不重做。

开发者用自嘲的口吻把bug修复称为"AI slop"（AI糊弄活）的一部分，这种诚实态度在当下的AI开发讨论里反而显得真实。

核心亮点：决策溯源与多会话管理

这篇日志真正有价值的，是作者公开的AI协作方法论。

用 decisions.md 对抗AI幻觉

开发者维护了一批 .md 文件，其中最关键的是 decisions.md。每一条游戏设计决策都被打上 [USER] 或 [AI] 标签，用来区分这个决定是人提出的还是AI提出的。规则很明确：[USER] 标签永远优先于 [AI] 标签。

这个做法解决了一个真实痛点——AI偶尔会"煤气灯"操控开发者，坚称某个决定是用户当初拍板的，而实际上并非如此。把决策来源结构化地写进文档，相当于给项目建立了一份可追溯的"设计宪法"，既防止AI幻觉，也让长期项目的设计意图不会在反复对话中漂移。

"AI幻觉"（hallucination）在长期项目中有一种特别棘手的变体：模型并不是在凭空捏造事实，而是在反复对话中错误地"记忆"了决策的归属，把AI自己提出的方案误称为用户当初的指令。这与大语言模型的上下文处理机制有关——当对话历史过长被压缩（compacting）或截断后，模型对"谁说了什么"的追踪会显著退化。结构化的 decisions.md 本质上是在模型的外部记忆之外，建立一份人工维护的、不依赖模型自身记忆的决策日志，从而绕开这一机制缺陷。类似的思路在软件工程里并不陌生——Architecture Decision Records（ADR）也是用同样的逻辑记录技术决策的来龙去脉，只是 decisions.md 在此基础上额外引入了"决策主体"的标注维度。

多会话 + 管理者（Manager）架构

作者没有把所有工作塞进一个对话里，而是为不同游戏系统各开一个会话：钓鱼会话、任务会话、着色器会话等等，再加一个"管理者会话（Manager）"。

运作方式类似一个小团队：开发者是"老板"，Manager是"右手"，由Manager负责向各个子会话派发任务，每个子会话专注于自己的系统。开发者平时只和Manager对话，而不是同时追踪十几个会话。

这套架构的好处很具体：

• 大幅减少上下文压缩（context compacting）。如果所有工作都在一个会话里进行，上下文每隔几小时就会被压缩一次，造成信息损耗；拆分后，除了Manager会话，其他会话几乎不触发压缩。
• 按需分配算力等级。不同系统可以指定不同的"effort"级别——比如"任务会话"用中等水平就够了，而更难的"着色器会话"则需要开到最高档（作者称之为Ultracode）。
• 降低管理负担。只需和一个会话沟通，而不是在十几个窗口间来回切换。

这种"主管-执行者"的多Agent分工，本质上是在用户层面手工实现了一套轻量级的多智能体编排，对于个人开发者长期维护复杂项目相当实用。

上下文压缩（context compacting）是当前主流大语言模型的一个实际限制：每个会话的可用上下文窗口有限，当对话内容积累到接近上限时，模型或平台会自动对早期内容做摘要压缩，以腾出空间给新内容。这个过程会造成信息损耗——细节、边界条件和隐性约定往往在压缩中丢失，导致模型在后续对话中给出与早期决定相矛盾的建议。Claude的付费计划（如Claude Max）虽然提供了较大的上下文窗口，但在持续数周的开发周期内，单一长会话仍然无法避免压缩。通过按系统拆分会话，每个子会话只需维护自身模块的上下文，压缩频率大幅降低，信息损耗也被控制在单个模块范围内，不会影响整体项目的一致性。这种架构在工程上类似于微服务的"关注点分离"原则，将状态管理的压力分散化。

真实的工具栈与成本账单

作者毫不含糊地列出了自己用的工具和两个月的真实花费，这类透明数据在社区里尤为稀缺。

工具组合：

• 代码：Claude Opus（最高档模式）承担全部编程工作
• 3D模型：Blender MCP（由Claude驱动）或 TripoAI
• 引擎集成：Godot MCP（选用免费的Beckett版本，但近期较少通过MCP使用）
• 备用/一站式任务：Codex（在Claude额度用尽，或需要"生成贴图并实现"这类打包工作时使用，通常让Claude去和Codex通信）
• 音效：ElevenLabs
• 音乐：Stable Audio

两个月成本明细：

项目	费用
Claude Max 计划 × 3（200美元/个）	600美元
Codex 100美元计划 × 1	100美元
ElevenLabs 音效额度	10美元
Stable Audio 音乐生成	15美元
TripoAI 额度	20美元
其他杂项	50-70美元
合计	约800美元

两个月800美元的投入，大头是三个Claude Max订阅。这个数字对评估"AI辅助独立开发到底要花多少钱"是个难得的锚点——它既说明单靠AI做游戏并非免费午餐，也证明相比传统外包美术、音效、程序的成本，这个量级依然是个人开发者可以承受的。

MCP（Model Context Protocol）是Anthropic于2024年底推出的开放协议，允许大语言模型通过标准化接口与外部工具、数据源和应用程序交互。文中提到的 Blender MCP 和 Godot MCP 均基于此协议构建，使Claude能够直接向3D建模软件Blender或游戏引擎Godot发送操作指令，实现"用自然语言驱动工具"的工作流。这与传统的"让AI生成代码再手动粘贴执行"有本质区别：MCP建立的是持久的双向通信通道，模型可以执行操作、读取反馈，再根据结果调整下一步指令，形成完整的行动-观察循环（Action-Observation loop）。对独立开发者而言，这意味着原本需要大量手工搬运的"AI输出→工具输入"环节可以被自动化，显著降低重复性操作的摩擦。

这篇日志的参考价值

抛开游戏本身，作者展示的其实是一套可复制的个人AI开发方法论：用结构化Markdown文档固化决策、用多会话隔离上下文、按任务难度分配算力、让AI之间互相通信以减少人工操作。这些经验对任何想把AI从"写代码玩具"升级为"长期项目生产力工具"的人都值得借鉴。

值得一提的是，作者还提到有人在X平台看到了他的游戏，但他本人直到两天前才重新激活老账号——说明项目已经开始获得社区自发传播。Demo目前已在itch.io上免费开放，开发者欢迎试玩与反馈。

对于关注AI辅助创作的读者来说，这类来自一线、带真实成本和踩坑细节的开发日志，往往比厂商的宣传demo更有信息密度。