一天用 Claude Code 做出游戏 Demo 的实战复盘

一个周日下午，一位开发者导入了游戏模板。那是下午 1:46。等他再抬头看时间，已经是凌晨 3 点，最后一条提交信息写着「trial (demo)」。中间隔着 86 次提交。

成果是一款叫 Reptile Catcher（捕蜥人）的游戏：你外出用眩晕手段抓蜥蜴，把它们卖掉，再通过繁育获得更漂亮的花纹。游戏运行在 Godot 引擎上，代码由 Claude Code 编写。开发者本人负责的，是定方向、做试玩测试、挑选美术素材。

这篇复盘最有价值的地方，不在于「AI 能写代码」这件已经不新鲜的事，而在于揭示了人与 AI 协作时，人的角色究竟发生了怎样的转变。

五分钟跑通核心循环

模板导入后五分钟，「抓-卖-繁育」的核心循环就跑起来了。开发者坦言这在意料之中——现在的 AI 已经能轻松完成这类工作。

真正关键的是接下来的一分钟。紧接着的那次提交，是一个让机器人替你玩游戏的平衡性模拟器。

增量类（incremental）游戏本质上是一场数值博弈。改动一个升级价格，可能让一段 30 分钟的流程变成 3 小时。开发者无法每次都从头重玩一遍，于是每当 Claude 调整一个数值，就运行一次机器人，再根据类似「到达结局需 4 小时 19 分（bot）」的数据做判断。后来他们还把机器人拆成了五种性格：有的优先买攻击，有的只买最便宜的，有的只做繁育，等等。

机器人还顺带抓出了一个 bug。在测量 Demo 时长时，有个机器人永远跑不完——原来它卡在试图购买一个在 Demo 中被锁定的升级上。bug 出在机器人这一侧，但它暴露出游戏里的锁定规则散落在代码各处的问题。

先建模拟器，是整个项目最好的决定

作者给出了一条明确建议：如果你在用 AI 做数值密集型游戏且还没有模拟器，不妨在核心循环完成后立刻让 AI 搭一个机器人。对他而言，这是整个项目中最正确的一步棋。这条经验的普适性很强——AI 擅长快速堆代码，但人需要可量化的反馈才能做判断，模拟器正是把「主观手感」转化为「客观数据」的桥梁。

增量类游戏（Incremental Game）是一种以数值积累为核心机制的游戏类型，玩家通过反复执行简单操作来积累资源，再用资源解锁更高效的升级，形成正反馈循环。这类游戏对数值平衡极为敏感：升级曲线过陡会让玩家感到受阻，过于平缓则会消除爬升的成就感。传统开发中，设计师需要反复手动游玩来感知节奏，耗时极大。Bot（机器人）模拟器的核心思路是用脚本模拟不同风格玩家的决策逻辑，在几秒内跑完数小时的游戏流程，把「手感」这一主观体验转化为「通关时长」「资源曲线」等可量化指标。拆分出五种「性格」的机器人，则进一步模拟了玩家群体的行为多样性，从而发现单一测试路径可能遗漏的数值失衡区域。

下午 2:20，推翻重来

最初 30 分钟做出来的，是一屏的标签页和按钮。到下午 2:20，开发者彻底换了方向：改成像素风，把「捕捉」做成一段需要亲自操控角色移动的「跑动」关卡，把升级做成像思维导图一样向外分叉的技能树。

通常在这个节点推翻一切会让人心生恐惧。但重建的成本如此之低，以至于他几乎没有犹豫。这正是他在与 AI 协作中感受到的最大差异——试错和重做的边际成本被压到极低，方向调整不再是昂贵的决策。

AI 生成精灵图，人来挑选

像素精灵图来自 PixelLab，通过 MCP 协议接入 Claude。Claude 生成若干候选，开发者挑一个并附上诸如「选 3 号，但把脖子改短一点」的备注。Claude 会把每个被选中精灵图的种子（seed）记录在文档里。

有意思的是某些物种被替换的原因：

• 壁虎缩到 32 像素侧视图后，和其他物种长得没区别，于是换成了石龙子；
• 飞蜥的翼膜在 32 像素下根本显示不出来，于是换成了褶伞蜥；
• 鬃狮蜥的行走动画怎么调都像只小狗，于是换成了角蜥。

开发者没有执着于反复生成直到得到想要的精灵图，而是反过来调整游戏去适配工具擅长绘制的内容。对一款小游戏来说，这样快得多。这个取舍思路同样值得玩味：与其强行让 AI 产出你脑中的理想图像，不如顺应工具的能力边界重新设计需求。

MCP（Model Context Protocol）是 Anthropic 推出的一种开放协议，用于让 AI 模型以标准化方式连接外部工具和数据源。开发者通过 MCP 将 PixelLab（像素图生成服务）接入 Claude，使其能够在对话过程中直接调用图像生成 API，而无需在不同工具之间手动复制粘贴。「种子（seed）」是图像生成模型中的随机数初始值，相同的种子配合相同的提示词可以复现同一张图像；将种子记录在文档里，意味着日后可以精确地以某张已选图为基础做微调，而不必从头重新生成。这种工作流将 AI 图像生成从「随机碰运气」变成了可追溯、可迭代的素材管理流程。

我的工作，是删掉 AI 建好的东西

下午 7 点左右，开发者删掉了 Claude 当天下午构建的一整套功能：自动捕捉、自动售卖、离线进度。十分钟后，声望系统（prestige）和名望树也被砍掉了。

他早已定下这款游戏的基调——「不会失败、没有声望重置、一条直线式流程，4 到 6 小时通关」。挂机类功能和声望系统在这个框架里没有立足之地。AI 构建速度极快，功能会迅速堆积，但决定砍掉什么，仍然完全取决于人。回头看，这几乎就是他在第一天的全部工作。

这揭示了一个耐人寻味的反转：在 AI 时代，开发者的核心价值可能不再是「造」，而是「删」——在爆炸式产出的功能里保持方向的克制与一致。

声望系统（Prestige）是增量游戏中的一种常见设计模式：玩家在游戏进入后期后，可以选择「重置」所有进度，以换取永久性的倍率加成或解锁新内容，从而开启更高效率的新一轮循环。这一机制能显著延长游戏寿命，是《饼干点击器》《无尽之路》等长线增量游戏的核心留存手段。但声望系统的前提是玩家愿意投入足够长的时间，并接受进度被清空的心理成本。对于一款定位为「4 到 6 小时线性通关」的叙事型小游戏，引入声望会从根本上打破「一条直线式流程」的设计意图，让玩家困惑于「该不该重置」，也会稀释单次通关体验的完整性。这正是开发者果断砍掉该功能的逻辑所在。

一天只是 Demo，发布仍需一周

到凌晨 3 点，Demo 的范围已经收敛，但真正的发布日是 10 月 11 日。中间这段时间里，Claude 添加了四个 Boss、绘制了场景背景、修复了 Demo 的锁定 bug，还为 itch.io 页面准备了截图、封面和网页版构建。

所以「一天做出来」这个说法，只在 Demo 这一层成立。搭建花了一天，但打磨和发布花了一周。开发者也坦言，下一款游戏大概率还是这个节奏。

这个诚实的结尾恰恰点出了 AI 辅助开发的真实图景：0 到 1 的加速是真实的，但 1 到交付的「最后一公里」依旧需要人投入可观的时间。炫目的「一天成品」背后，是一周打磨的现实。

Demo 已上线 itch.io，有兴趣的可以去抓几只蜥蜴 🦎 👉 https://krenin.itch.io/reptile-catcher