Casey Muratori点评Vibe Coding挖掘游戏：AI造游戏的潜力与硬伤

在这期TheStandup节目里，几位主播把一个看似荒诞的命题——用AI快速搓出一堆"挖掘游戏"——变成了一场关于Vibe Coding（氛围编程）现状的实战检验。传奇游戏程序员Casey Muratori受邀担任评委，直言不讳地评点了这些用大模型两周甚至两小时内产出的作品。这场看似玩闹的比拼，恰好暴露了当前AI辅助游戏开发的真实边界。

从挖掘到万物：AI原型的"发散式"迭代

Trash（主播之一）坦言自己的思路完全是发散的。最初命题是做"挖掘游戏"，但他很快觉得单纯挖沙子太无聊，于是一路跑偏：从后院水池、海绵吸水，到用筷子清空餐盘的厨房备菜游戏，再到挖掘机、大便甲虫（Dung Beetle）多人对战、拖车模拟器、抓苍蝇的空手道小子致敬游戏，最后甚至做了一整个迷你游戏合集网站。

他形容这是"我大脑过去两周的进化过程"，本质上这些游戏共享同一个核心机制——在时间限制内尽快清空/收集某样东西。这种快速原型的爆发力正是AI编程最直观的价值：想法可以近乎零成本地被具象化。

模型擅长建模，却搞不定代码

Trash提到自己在测试Astra（一款刚发布的模型）时得出一个关键判断：AI在3D建模上表现不错，但在写代码上就差得多。他做的一堆模型风格统一、种类丰富，视觉上过得去；但代码层面"非常janky（粗糙抖动）"。

更要命的是性能问题。当Casey的电脑因为网站里堆了太多Three.js模型而风扇狂转、几乎宕机时，这个技术细节引出了一段有价值的讨论。

Vibe Coding（氛围编程）是由Andrej Karpathy在2025年初提出的概念，指一种完全依赖AI生成代码、开发者几乎不阅读甚至不理解具体代码实现的编程方式。开发者只需用自然语言描述意图，反复接受AI建议、观察运行效果并调整提示，整个过程更像是在"感受"和"引导"，而非传统意义上的编写与调试。这种模式极大降低了原型开发的门槛，让没有专业编程背景的人也能快速将想法具象化，但代价是代码质量难以保证，深层bug往往难以追溯，维护成本可能远超初始开发。节目中几位主播的实验正是这一模式的典型样本。

Three.js是一个基于WebGL的JavaScript 3D图形库，让开发者可以在浏览器中渲染3D场景而无需直接操作底层图形API。尽管它大幅降低了Web 3D的开发门槛，但其性能瓶颈由来已久：浏览器的JavaScript单线程执行模型、WebGL的CPU-GPU数据传输开销、以及缺乏场景级别自动优化，使得堆叠大量3D资产时极易出现帧率崩塌和CPU过热。专业游戏引擎（如Unity、Unreal）有完整的LOD（细节层次）、遮挡剔除、资产流式加载等优化机制，而AI生成的Three.js代码通常不会自动实现这些，直接导致Casey电脑风扇狂转的场景。

Casey的专业视角：这不是AI的锅

作为资深游戏程序员，Casey面对"这么多模型拖垮网站"的场景反而很平静。他的判断值得AI开发者警醒：

"我内心其实没什么感觉，因为Web对这类东西处理得有多糟糕，早就是不用多说的了。你打开一个3D网站，风扇突然无缘无故狂转。这里面AI肯定有一部分责任，但很大一部分就是平台本身太差。"

他进一步点出了根源在于训练数据："因为之前的人就把网站做得很烂，所以AI学到的也是烂的。我不会因为一些我早就见过无数次的问题去责怪AI。"

这是个相当克制且专业的观点——AI生成代码的质量上限，很大程度上受制于它学习的历史代码质量，以及Web 3D这类底层平台本身的固有缺陷，不能简单归咎于模型能力。

Prime的作品：同样的AI，为什么效果天差地别？

节目中一个反复出现的困惑是：为什么用同样的AI，不同人的产出视觉质量差距如此之大？Prime做的DDR式挖掘游戏（配合音乐节奏按方向键控制挖掘速度）不仅美术"无法辨认、像加载损坏的视觉噪点"，玩法逻辑也彻底崩了——按下方向键就能一直往下挖，节拍完全不同步，方向键还会让角色左右移动，与"向下挖"的核心概念自相矛盾。

Prime自曝这个"艺术品"花了他超过500美元的token成本，却依然一塌糊涂。众人猜测差异可能在于提示词策略：TJ用了真实照片作为参考，而Prime用纯英文描述让AI凭空生成，效果自然难以控制。这其实反映了Vibe Coding的一个现实——产出质量高度依赖输入的具体性和参考素材，而非单纯的算力投入。

Casey的技术点评也很到位：如果Prime把节奏提示放在角色正下方（而不是屏幕左侧），做几个游戏设计的常识性调整，这个DDR挖掘游戏反而是他最愿意玩的一个。"游戏101"的基本功，AI并不会自动替你补上。

TJ的降维打击：叙事才是杀手锏

真正让全场折服的是TJ的作品。他用Opus模型花不到两小时，做了一个讽刺Trash的"挖坑"叙事游戏——一个宝可梦对战风格的互动剧情，主角Basura（西班牙语"垃圾"）因为水槽里的脏碗、乱开的柜门、偷偷调低的空调温度，被伴侣用"gotcha"证据一步步逼到墙角，象征性地"越挖越深"直到无法脱身。

最惊人的细节是：TJ表示自己几乎没做过多提示，AI就自动引用了他们此前播客里聊过的"洗碗"梗等具体内容。他推测他们的播客内容可能已经进入了模型的训练数据。这个观察若属实，意味着公开内容创作者的言论正在以意想不到的方式反哺AI输出。

Casey最终把奖颁给了TJ，理由清晰："如果我们设一个叙事奖，毫无疑问归TJ。"在所有作品里，只有TJ的这个游戏"作为现状（as presented）而非潜力"能称得上是个完整的游戏。

Anthropic的Claude Opus是TJ使用的模型，属于Claude 3系列中能力最强的版本，在长文本理解、叙事生成和复杂推理上表现突出，但API调用成本也相应较高。TJ的作品之所以在短时间内产出完整叙事，一方面得益于Opus对上下文的深度理解能力，另一方面也印证了一个实践规律：叙事类游戏对代码逻辑的要求远低于机制类游戏，AI在生成对话分支、情节转折和情感节奏上的稳定性，明显高于生成物理碰撞、节奏同步等需要精确数值控制的玩法代码。这种"扬长避短"的项目选择，是TJ胜出的隐性因素。

"潜力"话术：Vibe Coding时代的话术陷阱

节目里一个反复被调侃的点，是Prime试图"引导陪审团"——让Casey按"潜力"而非"成品完成度"来评判。TJ和Casey都戳破了这一点。

TJ的一句话相当犀利："这些都是Vibe Coding的游戏，而整个AI炒作周期的核心就是谈潜力。没人在谈我们已经拥有的东西，大家都在谈我们可能会拥有什么。所以用潜力来评判，完全符合Vibe Coding的精神。"

这句半开玩笑的话，恰恰点出了当下AI产品演示的通病：精心剪辑的demo可以让任何半成品显得无比惊艳，但真实上手时的落差往往巨大。Casey那句"这就是你真正上手玩demo视频里的游戏时的样子"，是对整场闹剧最清醒的注脚。

对AI开发者的几点启示

这场看似胡闹的挖掘游戏比拼，其实浓缩了当前Vibe Coding的真实图景：

• 原型速度惊人，但完成度是硬门槛。AI能在几小时内生成可运行的游戏骨架，却难以自动补齐游戏设计常识和最后10%的打磨。
• 叙事和创意是人类的护城河。TJ的胜出靠的不是技术，而是一个精准戳中团队内梗的好点子。
• 训练数据决定输出天花板。无论是代码质量还是内容引用，模型都在忠实反映它学过的东西。
• 警惕"潜力叙事"。demo的光鲜和产品的可玩性之间，隔着大量看不见的工程债务。