Loading video...

Video Failed to Load

Go Home

一个人做游戏，真的开始像带团队了。 Claude-Code-Game-Studios 这个项目很猛。 它不是单纯给你一个更会写代码的 Claude， 而是想把一整个游戏工作室塞进 Claude Code 里。 README 里直接给了： 48 个 AI agents 37 个 workflows 还有完整的 studio hierarchy、slash commands、hooks、rules 和 templates。 也就是说，你不是在和一个 AI 助手聊天， 而是在调度一支虚拟游戏团队。 从创意总监、技术总监、制作人， 到玩法程序、关卡设计、叙事、音频、QA、发行， 整套分工都已经拆好了。 甚至连 Godot、Unity、Unreal 三套引擎专家也都配上了。 我觉得这类项目真正有意思的地方，不是“Agent 数量很多”， 而是它开始把 AI Coding 从单兵作战，推进到“组织协作”这一步。 游戏开发本来就是最典型的多角色协同场景之一， 所以这种玩法特别值得看。 项目现在 GitHub 也已经有 3.3k Stars、440 Forks。 如果你在关注...

axiaisacat's profile picture

axiaisacat

4,890 subscribers

67,100 views • 4 months ago •via X (Twitter)

GamingScience & Technology
LIVE

Anya Rossi• Live Now

Private livecam show

0 Comments

No comments available

Comments from the original post will appear here

Related Videos

最近看到一个很值得研究的开源项目：learn-claude-code。 它不是在教你怎么堆 prompt、连工作流、搭节点图， 而是在教你一件更底层的事： 怎么从 0 到 1 搭一个类 Claude Code 的 agent harness。 这个项目最有意思的观点是： 真正的 Agent 是模型本身，外面的代码只是 harness。 所以它讨论的重点，不是“怎么把流程编排得更复杂”， 而是怎么给模型准备一个真正能工作的环境。 README 里把 harness 拆成了： Tools Knowledge Observation Action Interfaces Permissions 也就是工具、知识、观察、动作接口和权限边界。 说白了，模型负责思考， harness 负责让它看见世界、调用工具、执行动作。 我觉得这个视角很重要。 因为很多人现在做 Agent， 还停留在“拼工作流”和“堆胶水代码”的阶段。 但真正决定 Agent 能不能跑起来的， 往往是你给它什么环境，而不是你给它多少层 prompt。 这个项目现在 GitHub 已经有 36k Stars、5.8k Forks。 如果你在关注 AI Agent、Claude Code，或者 agent engineering， 这个项目很值得看看。👇
0:38

最近看到一个很值得研究的开源项目：learn-claude-code。 它不是在教你怎么堆 prompt、连工作流、搭节点图， 而是在教你一件更底层的事： 怎么从 0 到 1 搭一个类 Claude Code 的 agent harness。 这个项目最有意思的观点是： 真正的 Agent 是模型本身，外面的代码只是 harness。 所以它讨论的重点，不是“怎么把流程编排得更复杂”， 而是怎么给模型准备一个真正能工作的环境。 README 里把 harness 拆成了： Tools Knowledge Observation Action Interfaces Permissions 也就是工具、知识、观察、动作接口和权限边界。 说白了，模型负责思考， harness 负责让它看见世界、调用工具、执行动作。 我觉得这个视角很重要。 因为很多人现在做 Agent， 还停留在“拼工作流”和“堆胶水代码”的阶段。 但真正决定 Agent 能不能跑起来的， 往往是你给它什么环境，而不是你给它多少层 prompt。 这个项目现在 GitHub 已经有 36k Stars、5.8k Forks。 如果你在关注 AI Agent、Claude Code，或者 agent engineering， 这个项目很值得看看。👇

axiaisacat

44,334 views • 5 months ago

一个人用 Claude Code 写游戏，写着写着就开始硬编码 magic numbers、跳过设计文档、代码越写越乱…… 没有架构、没有 review、没有 QA，做出来的只能是 prototype 水平。 Claude Code Game Studios 把这个变成了一个完整的游戏工作室—— ✅ 49 个 AI agents，真实工作室层级：创意总监 → 部门 lead → 专家 ✅ 72 个 skills，覆盖全流程：/design-review、/code-review、/create-epics、/sprint-plan… ✅ 39 个文档模板：GDD、UX 规范、ADR、技术方案，开箱即用 Godot / Unity / Unreal 三引擎都支持，/start 就能初始化整个工作室。 一个人写游戏很酷，但有结构的 AI 团队才是未来。你觉得 AI 游戏开发最难的部分是什么？ GitHub 已开源，地址见评论区👇 #GameDev #AI #Claude
0:29

一个人用 Claude Code 写游戏，写着写着就开始硬编码 magic numbers、跳过设计文档、代码越写越乱…… 没有架构、没有 review、没有 QA，做出来的只能是 prototype 水平。 Claude Code Game Studios 把这个变成了一个完整的游戏工作室—— ✅ 49 个 AI agents，真实工作室层级：创意总监 → 部门 lead → 专家 ✅ 72 个 skills，覆盖全流程：/design-review、/code-review、/create-epics、/sprint-plan… ✅ 39 个文档模板：GDD、UX 规范、ADR、技术方案，开箱即用 Godot / Unity / Unreal 三引擎都支持，/start 就能初始化整个工作室。 一个人写游戏很酷，但有结构的 AI 团队才是未来。你觉得 AI 游戏开发最难的部分是什么？ GitHub 已开源，地址见评论区👇 #GameDev #AI #Claude

koffuxu

27,183 views • 4 months ago

淘到一个狠项目。 Godot，一个 11.2 万 stars 的开源游戏引擎，MIT 协议，全免费。 Unity 一年订阅费够你雇一个程序员，但这玩意儿直接全免。它表面看是个免费游戏引擎，说白了就是 Unity 的平替。 但免费只是表面。 Godot 的 2D 引擎是它最硬的底牌。专属 2D 渲染，像素坐标直接控制，不套 3D 管线模拟。 做 2D 游戏的都懂， Unity 那套 2D 是 3D 引擎上盖了层薄皮。Godot 反过来，2D 引擎从根上就是 2D 的。节点架构也干净。场景树组织一切，一个节点一个职责。 没拿投资没收版税，纯靠社区捐赠活了 12 年。stars 货真价实，开发者都用脚投票的。 ai 时代对普通人来说，这事儿很简单：你想做游戏，以前得先凑一笔引擎钱。现在不用了。 下一个安装包，几十兆，双击打开，建项目直接开干。 官方文档里有个 Your first 2D game 教程，跟着走，30 分钟就能跑通一个会动的小角色了，看我做的小视频，在 mac 电脑运行，非常出色。而且，做出来的游戏全是你的，没人抽成，没人管你赚了多少。 别只收藏。今晚下一个编辑器，跑一遍入门教程。30 分钟你就能判断这玩意儿适不适合你的下一个项目。
0:39

淘到一个狠项目。 Godot，一个 11.2 万 stars 的开源游戏引擎，MIT 协议，全免费。 Unity 一年订阅费够你雇一个程序员，但这玩意儿直接全免。它表面看是个免费游戏引擎，说白了就是 Unity 的平替。 但免费只是表面。 Godot 的 2D 引擎是它最硬的底牌。专属 2D 渲染，像素坐标直接控制，不套 3D 管线模拟。 做 2D 游戏的都懂， Unity 那套 2D 是 3D 引擎上盖了层薄皮。Godot 反过来，2D 引擎从根上就是 2D 的。节点架构也干净。场景树组织一切，一个节点一个职责。 没拿投资没收版税，纯靠社区捐赠活了 12 年。stars 货真价实，开发者都用脚投票的。 ai 时代对普通人来说，这事儿很简单：你想做游戏，以前得先凑一笔引擎钱。现在不用了。 下一个安装包，几十兆，双击打开，建项目直接开干。 官方文档里有个 Your first 2D game 教程，跟着走，30 分钟就能跑通一个会动的小角色了，看我做的小视频，在 mac 电脑运行，非常出色。而且，做出来的游戏全是你的，没人抽成，没人管你赚了多少。 别只收藏。今晚下一个编辑器，跑一遍入门教程。30 分钟你就能判断这玩意儿适不适合你的下一个项目。

产品经理老王霸

96,164 views • 2 months ago

有人用 Claude Fable 5 做了一个完整的游戏。 不是原型，不是Demo——可探索的丛林地图、哥布林敌人、魔法系统、动态光照、战斗掉落经验值，全套做好了。 API调用成本：$13,000。 这个数字值得想一想——一个完整游戏原型，不需要程序员，不需要引擎工程师，花的是算力费。 以前这些东西需要一个团队做几个月。 你觉得独立游戏开发者面对这件事，应该焦虑还是兴奋？
0:20

有人用 Claude Fable 5 做了一个完整的游戏。 不是原型，不是Demo——可探索的丛林地图、哥布林敌人、魔法系统、动态光照、战斗掉落经验值，全套做好了。 API调用成本：$13,000。 这个数字值得想一想——一个完整游戏原型，不需要程序员，不需要引擎工程师，花的是算力费。 以前这些东西需要一个团队做几个月。 你觉得独立游戏开发者面对这件事，应该焦虑还是兴奋？

Vincent

127,032 views • 2 months ago

我花了几十个小时，用 Claude 做出一个能开车、飞行、打架、闯进室内的开放世界游戏。。。 然后差点干了这个项目里最蠢的一件事： 把几十小时的开发、踩坑和工作流，压成一份 29–68 元的游戏，直接卖给玩家。。。 后来，我把同一个项目拆成 4 种完全不同的生意： 1. 直接卖游戏 2. 卖源码、制作工作流和可二开资产 3. 免费 Demo / 部分开源，用来给社群和咨询引流 4. 给品牌做定制小游戏 再丢给 Atypica atypica.AI 里的 14 个 AI 模拟用户，让不同职业、预算和需求的人分别替我“买”一次。 结果第一轮 5 个人里，4 个人首选第 2 种；第二轮又测了 9 个人，源码和工作流依然排在第一。 理由很扎心： 买游戏，他们会直接拿我和成熟商业游戏比较； 买源码和工作流，他们买的是少踩几周坑，拿到一套能运行、能修改、能二开的东西。 同一个项目： 游戏本体，模拟用户愿意讨论的是 29–68 元； 换成源码、工作流和资产包，变成 299–699 元； 如果做 B 端品牌定制，测试报价直接从 5,000 元起。 我以为自己在做游戏，结果这个项目里真正值钱的，可能是造游戏的“铲子”。 我原本打开 Atypica atypica.AI，只想问：“这个游戏应该卖多少钱？” 它最后逼我重新回答的却是： “我真正该卖的，到底是游戏、源码、工作流，还是做出下一款游戏的能力？” 我最推荐 Atypica atypica.AI 的一点，不是它能生成一份报告，而是这些模拟用户不会在调研结束后消失，会沉淀成一支可以反复调用的 Panel。 这次测卖什么，下次还能继续测价格、文案、渠道和海外市场。相当于给每个一人公司配了一支常驻焦点小组。 这不只适用于游戏。App、独立站商品、课程、社群、咨询或任何 AI 产品，都可以在真正投入时间和钱之前，先让一批模拟用户替你“买”一次。 模拟研究不是实际成交，也代替不了真实市场验证。 但它至少能在你埋头干几个月之前先告诉你： 你可能从一开始，就卖错了东西。 免费体验链接，注册即送10000积分👉：
0:48

我花了几十个小时，用 Claude 做出一个能开车、飞行、打架、闯进室内的开放世界游戏。。。 然后差点干了这个项目里最蠢的一件事： 把几十小时的开发、踩坑和工作流，压成一份 29–68 元的游戏，直接卖给玩家。。。 后来，我把同一个项目拆成 4 种完全不同的生意： 1. 直接卖游戏 2. 卖源码、制作工作流和可二开资产 3. 免费 Demo / 部分开源，用来给社群和咨询引流 4. 给品牌做定制小游戏 再丢给 Atypica atypica.AI 里的 14 个 AI 模拟用户，让不同职业、预算和需求的人分别替我“买”一次。 结果第一轮 5 个人里，4 个人首选第 2 种；第二轮又测了 9 个人，源码和工作流依然排在第一。 理由很扎心： 买游戏，他们会直接拿我和成熟商业游戏比较； 买源码和工作流，他们买的是少踩几周坑，拿到一套能运行、能修改、能二开的东西。 同一个项目： 游戏本体，模拟用户愿意讨论的是 29–68 元； 换成源码、工作流和资产包，变成 299–699 元； 如果做 B 端品牌定制，测试报价直接从 5,000 元起。 我以为自己在做游戏，结果这个项目里真正值钱的，可能是造游戏的“铲子”。 我原本打开 Atypica atypica.AI，只想问：“这个游戏应该卖多少钱？” 它最后逼我重新回答的却是： “我真正该卖的，到底是游戏、源码、工作流，还是做出下一款游戏的能力？” 我最推荐 Atypica atypica.AI 的一点，不是它能生成一份报告，而是这些模拟用户不会在调研结束后消失，会沉淀成一支可以反复调用的 Panel。 这次测卖什么，下次还能继续测价格、文案、渠道和海外市场。相当于给每个一人公司配了一支常驻焦点小组。 这不只适用于游戏。App、独立站商品、课程、社群、咨询或任何 AI 产品，都可以在真正投入时间和钱之前，先让一批模拟用户替你“买”一次。 模拟研究不是实际成交，也代替不了真实市场验证。 但它至少能在你埋头干几个月之前先告诉你： 你可能从一开始，就卖错了东西。 免费体验链接，注册即送10000积分👉：

Rion Wu

15,610 views • 23 days ago

疯了，这个 GitHub 项目让 AI 自己创业。 最近看到一个很有意思的开源项目： Paperclip 一句话总结： 用一群 AI Agent，自动经营一家公司。 你只需要给一个目标，比如： 做一个 AI 产品，做到 $1M MRR 系统会自动开始： 1. 搭建 AI 公司结构 CEO CTO 工程师 设计师 市场 全部由 AI Agent 扮演。 2. 自动拆解任务 产品规划 写代码 做设计 市场推广 AI 会自己分配任务、协作完成。 3. 多 Agent 团队协作 不同 AI 角色之间会互相沟通、执行任务、推进项目。 4. 你只负责一件事 当老板。 审批策略、查看进度、控制预算。 剩下的工作 —— 交给 AI 员工。 更有意思的是： - 支持 Claude Code / Codex / Cursor / OpenClaw 等 Agent - 每个 Agent 可以设置 预算、权限、任务范围 - 所有决策都有 日志和审计记录 一句话总结这个项目： 它不是 AI 工具，而是一个「AI 公司操作系统」。 如果你在研究： AI Agent 自动化创业 AI 团队协作 这个项目非常值得收藏。
0:35

疯了，这个 GitHub 项目让 AI 自己创业。 最近看到一个很有意思的开源项目： Paperclip 一句话总结： 用一群 AI Agent，自动经营一家公司。 你只需要给一个目标，比如： 做一个 AI 产品，做到 $1M MRR 系统会自动开始： 1. 搭建 AI 公司结构 CEO CTO 工程师 设计师 市场 全部由 AI Agent 扮演。 2. 自动拆解任务 产品规划 写代码 做设计 市场推广 AI 会自己分配任务、协作完成。 3. 多 Agent 团队协作 不同 AI 角色之间会互相沟通、执行任务、推进项目。 4. 你只负责一件事 当老板。 审批策略、查看进度、控制预算。 剩下的工作 —— 交给 AI 员工。 更有意思的是： - 支持 Claude Code / Codex / Cursor / OpenClaw 等 Agent - 每个 Agent 可以设置 预算、权限、任务范围 - 所有决策都有 日志和审计记录 一句话总结这个项目： 它不是 AI 工具，而是一个「AI 公司操作系统」。 如果你在研究： AI Agent 自动化创业 AI 团队协作 这个项目非常值得收藏。

开发者Hailey

23,447 views • 5 months ago

最近北大开源的一个项目，我觉得很值得关注。 AI Agent 现在最缺的，可能不是模型， 而是一套像 npm 一样可复用的 skill 基础设施。 MagicSkills 做的就是这件事。 它不是再去造一个新的 Agent framework， 而是想把那些散落在各处的 SKILL.md， 变成可安装、可组合、可同步、可调用的共享能力层。 MagicSkills 的思路更像是， 先把 skill 从零散文档里抽出来， 做成一个本地优先的共享 skill pool， 然后再按不同 Agent、不同框架去组合和分发。 这样一来，skill 就不再只是 prompt 附件， 而是开始变成真正可复用的能力基础设施。 说白了，它想推动的一件事就是： 让 Agent 的技能， 从“写一份文档自己用”， 变成“写一次，到处复用”。 我觉得这个方向很值得看。 因为当 skill 开始像包管理一样被组织起来， 多 Agent 工作流才会真正开始像工程系统， 而不是一堆 prompt 和脚本的临时拼装。 如果你在关注 AI Agent、Multi-Agent、技能复用， 或者正在想怎么管理越来越多的 SKILL.md， 这个项目值得研究一下。👇
0:21

最近北大开源的一个项目，我觉得很值得关注。 AI Agent 现在最缺的，可能不是模型， 而是一套像 npm 一样可复用的 skill 基础设施。 MagicSkills 做的就是这件事。 它不是再去造一个新的 Agent framework， 而是想把那些散落在各处的 SKILL.md， 变成可安装、可组合、可同步、可调用的共享能力层。 MagicSkills 的思路更像是， 先把 skill 从零散文档里抽出来， 做成一个本地优先的共享 skill pool， 然后再按不同 Agent、不同框架去组合和分发。 这样一来，skill 就不再只是 prompt 附件， 而是开始变成真正可复用的能力基础设施。 说白了，它想推动的一件事就是： 让 Agent 的技能， 从“写一份文档自己用”， 变成“写一次，到处复用”。 我觉得这个方向很值得看。 因为当 skill 开始像包管理一样被组织起来， 多 Agent 工作流才会真正开始像工程系统， 而不是一堆 prompt 和脚本的临时拼装。 如果你在关注 AI Agent、Multi-Agent、技能复用， 或者正在想怎么管理越来越多的 SKILL.md， 这个项目值得研究一下。👇

axiaisacat

46,330 views • 5 months ago

今晚如果你本来打算刷 2 小时 Netflix 不如看这个 40 分钟 masterclass 来自一家 $20B 中国 AI company 的 Kimi founder 它最有价值的地方不是“讲 AI 很强” 而是把 Agent Swarms 和 AI systems 到底怎么在规模化场景里运作，讲得非常清楚 不管你从来没搭过 agent，还是已经每天都在用 Claude，这个内容都值得看 真正有意思的是： 很多人还在把 AI 当单个工具用 但 Agent Swarms 讨论的是另一件事： -- 多个 agent 如何分工 -- 如何协作 -- 如何把任务拆开 -- 如何在系统层面持续运行 这也是为什么我把里面的关键思路整理成了一份 practical guide 重点不是单纯理解概念 而是怎么真正用 Kimi 去 build
39:17

今晚如果你本来打算刷 2 小时 Netflix 不如看这个 40 分钟 masterclass 来自一家 $20B 中国 AI company 的 Kimi founder 它最有价值的地方不是“讲 AI 很强” 而是把 Agent Swarms 和 AI systems 到底怎么在规模化场景里运作，讲得非常清楚 不管你从来没搭过 agent，还是已经每天都在用 Claude，这个内容都值得看 真正有意思的是： 很多人还在把 AI 当单个工具用 但 Agent Swarms 讨论的是另一件事： -- 多个 agent 如何分工 -- 如何协作 -- 如何把任务拆开 -- 如何在系统层面持续运行 这也是为什么我把里面的关键思路整理成了一份 practical guide 重点不是单纯理解概念 而是怎么真正用 Kimi 去 build

0x_Miko

16,093 views • 2 months ago

GitHub 上有个项目火了，叫 Godogen。 简单说就是：你给 AI 一句话，它自己给你做一个游戏出来。 不是生成几段代码那种，是从建工程、写逻辑、生成素材、跑引擎、截图检查，到发现画面不对再自己修，整套流程自动跑。 它的口号也很直接： Prompt in, Godot game out. 说人话就是：你描述游戏，它负责把第一版做出来。
0:26

GitHub 上有个项目火了，叫 Godogen。 简单说就是：你给 AI 一句话，它自己给你做一个游戏出来。 不是生成几段代码那种，是从建工程、写逻辑、生成素材、跑引擎、截图检查，到发现画面不对再自己修，整套流程自动跑。 它的口号也很直接： Prompt in, Godot game out. 说人话就是：你描述游戏，它负责把第一版做出来。

Vincent

65,844 views • 1 month ago

有一个超级暴论： 现阶段的 OpenClaw 根本不适合团队协作！！ 折腾过的人，应该都有类似的感受！ OpenClaw 本质上其实是一个很强的 Agent 底座！ 你可以把它接入到自己的团队工作流里， 把 Agent 搭起来，把渠道接进去，把能力跑通， 每个人都能让Agent干事情， 但是再进一步就会发现真正的问题： 团队怎么一起用？ 中间产出和最终结果都沉淀在哪？ 前面做过的分析、写过的文档、跑过的方法，怎么变成团队可复用资产？ 新的成员进来，怎么接着往下做，而不是从头再来一遍？ 这些，落到实际的应用中，都是坑！ 最近，Flowus团队开发了一个新产品： Kollab Kollab 似乎解决了上面这些问题，它的思路很直接： 把 Agent 直接变成工作流的一部分。 这是什么意思呢？ OpenClaw 解决的是：我个人怎么拥有一个随叫随到、能力很强、自己可控的 AI。 而 Kollab 解决的是：怎么让 AI 参与真实的团队工作，让做过的事能留下来，方法能复用，团队能协作。 对于内容团队、研究团队、小型创业团队来说，一定知道这其中的区别！！ 你可以很简单的建立不同的项目组，或者工作空间， 每个项目组里都有 Agent，项目推进的全过程中， 所有的工作流、产出和方法论，都会沉淀在这个空间里。 当下次遇到同类型的B项目时，就可以一键复用A项目沉淀下来“工作资产”。 我觉得，这才是团队协作里最有价值的部分， 尽可能减少重复劳动！！ 不管是传统团队协作，还是AI时代的团队协作，都如此。 所以，AI 产品真正的分水岭， 不是谁更像人，也不是谁接了更多更强的模型。 而是，到底能不能提供一个能沉淀、能协作、能推进的工作空间。
0:49

有一个超级暴论： 现阶段的 OpenClaw 根本不适合团队协作！！ 折腾过的人，应该都有类似的感受！ OpenClaw 本质上其实是一个很强的 Agent 底座！ 你可以把它接入到自己的团队工作流里， 把 Agent 搭起来，把渠道接进去，把能力跑通， 每个人都能让Agent干事情， 但是再进一步就会发现真正的问题： 团队怎么一起用？ 中间产出和最终结果都沉淀在哪？ 前面做过的分析、写过的文档、跑过的方法，怎么变成团队可复用资产？ 新的成员进来，怎么接着往下做，而不是从头再来一遍？ 这些，落到实际的应用中，都是坑！ 最近，Flowus团队开发了一个新产品： Kollab Kollab 似乎解决了上面这些问题，它的思路很直接： 把 Agent 直接变成工作流的一部分。 这是什么意思呢？ OpenClaw 解决的是：我个人怎么拥有一个随叫随到、能力很强、自己可控的 AI。 而 Kollab 解决的是：怎么让 AI 参与真实的团队工作，让做过的事能留下来，方法能复用，团队能协作。 对于内容团队、研究团队、小型创业团队来说，一定知道这其中的区别！！ 你可以很简单的建立不同的项目组，或者工作空间， 每个项目组里都有 Agent，项目推进的全过程中， 所有的工作流、产出和方法论，都会沉淀在这个空间里。 当下次遇到同类型的B项目时，就可以一键复用A项目沉淀下来“工作资产”。 我觉得，这才是团队协作里最有价值的部分， 尽可能减少重复劳动！！ 不管是传统团队协作，还是AI时代的团队协作，都如此。 所以，AI 产品真正的分水岭， 不是谁更像人，也不是谁接了更多更强的模型。 而是，到底能不能提供一个能沉淀、能协作、能推进的工作空间。

沐阳

51,104 views • 4 months ago

这两天Claude Fable 5 不是回归了吗 一直想重新测试一下它的功能 看看它长任务的解决能力，所以我直接丢了一个要求： 做一款完整的中文网页游戏 《韭菜修仙：牛市生存模拟器》 参考《吸血鬼幸存者》的割草玩法，但世界观全部换成 Crypto： FUD Rug Pull 巨鲸 熊市 黑客 爆仓 升级还能解锁： BTC 信仰 ETH Buff AI Agent Diamond Hands 整个游戏生成完成之后，我自己玩了十几分钟。 说实话，比我预期还上头😂 —--- 更让我意外的，其实不是游戏。 而是我突然意识到一件事。 以前总觉得这种割草小游戏开发成本应该很高。 但 AI 把整个流程跑完之后，我发现： 真正复杂的并不是玩法。 而是素材、美术、数值和平衡。 如果把现在游戏里的这些方块、小卡片，全部替换成角色、NFT、链上资产或者项目 IP，其实就是另外一款游戏了。 甚至完全可以做成： ✅ 链上交互小游戏 ✅ NFT 活动小游戏 ✅ 项目方任务游戏 ✅ Web2 爽游 玩法几乎不用推倒重来。 AI 已经把最难的那部分搭好了。 —--- 这次整个任务也确实挺"重"。 最终消耗： 📥 Input：33,603 Tokens 📤 Output：33,412 Tokens （大概是在2U左右） 基本相当于让模型完整规划、设计并生成了一整个小游戏。 也难怪大家都说 Fable 5 更适合这种长任务。 —--- 这次我没有去官方 Claude 跑，而是在 ZenMux 上体验的 Claude Fable 5 原因也很简单： Free 层就能直接体验 Fable 5 PAYG 账户只要 Credits > 0，就可以调用 claude-fable-5-free 后面如果想横向测试，还能直接切 PK 模式，同时对比 GPT-5.5、Opus 4.8、Gemini 等多个模型，不用来回切平台 另外，现在 ZenMux 的 Auto Top-up 活动还在进行中（到 7 月 15 日），自动充值每笔还能额外赠送 20% 余额（最高可多获得 $300 额度 ） 我下一步准备试一个更大的任务 不是做游戏 而是看看 Claude Fable 5 能不能直接帮我完成一个完整的 Web3 小产品。 如果效果不错，再来分享全过程
1:46

这两天Claude Fable 5 不是回归了吗 一直想重新测试一下它的功能 看看它长任务的解决能力，所以我直接丢了一个要求： 做一款完整的中文网页游戏 《韭菜修仙：牛市生存模拟器》 参考《吸血鬼幸存者》的割草玩法，但世界观全部换成 Crypto： FUD Rug Pull 巨鲸 熊市 黑客 爆仓 升级还能解锁： BTC 信仰 ETH Buff AI Agent Diamond Hands 整个游戏生成完成之后，我自己玩了十几分钟。 说实话，比我预期还上头😂 —--- 更让我意外的，其实不是游戏。 而是我突然意识到一件事。 以前总觉得这种割草小游戏开发成本应该很高。 但 AI 把整个流程跑完之后，我发现： 真正复杂的并不是玩法。 而是素材、美术、数值和平衡。 如果把现在游戏里的这些方块、小卡片，全部替换成角色、NFT、链上资产或者项目 IP，其实就是另外一款游戏了。 甚至完全可以做成： ✅ 链上交互小游戏 ✅ NFT 活动小游戏 ✅ 项目方任务游戏 ✅ Web2 爽游 玩法几乎不用推倒重来。 AI 已经把最难的那部分搭好了。 —--- 这次整个任务也确实挺"重"。 最终消耗： 📥 Input：33,603 Tokens 📤 Output：33,412 Tokens （大概是在2U左右） 基本相当于让模型完整规划、设计并生成了一整个小游戏。 也难怪大家都说 Fable 5 更适合这种长任务。 —--- 这次我没有去官方 Claude 跑，而是在 ZenMux 上体验的 Claude Fable 5 原因也很简单： Free 层就能直接体验 Fable 5 PAYG 账户只要 Credits > 0，就可以调用 claude-fable-5-free 后面如果想横向测试，还能直接切 PK 模式，同时对比 GPT-5.5、Opus 4.8、Gemini 等多个模型，不用来回切平台 另外，现在 ZenMux 的 Auto Top-up 活动还在进行中（到 7 月 15 日），自动充值每笔还能额外赠送 20% 余额（最高可多获得 $300 额度 ） 我下一步准备试一个更大的任务 不是做游戏 而是看看 Claude Fable 5 能不能直接帮我完成一个完整的 Web3 小产品。 如果效果不错，再来分享全过程

小森🔶BNB

29,729 views • 1 month ago

万万没想到，居然可以在 Coze 上连接本地 Agent 了。 以前我们用 Agent，常常是各跑各的：Claude Code 在本地，Codex CLI 在命令行，OpenClaw 又是另一个入口。 Coze 3.0 把这些能力拉进了同一个项目，让它们像一个真正的本地 Agent 团队一样协作。 这期视频我用一个实际案例演示： 通过 Coze 3.0 组织 Claude Code、Codex CLI 和 OpenClaw 分工推进，最终Agent团队共同复刻推特一个比较火的Godot小游戏。👇
3:06

万万没想到，居然可以在 Coze 上连接本地 Agent 了。 以前我们用 Agent，常常是各跑各的：Claude Code 在本地，Codex CLI 在命令行，OpenClaw 又是另一个入口。 Coze 3.0 把这些能力拉进了同一个项目，让它们像一个真正的本地 Agent 团队一样协作。 这期视频我用一个实际案例演示： 通过 Coze 3.0 组织 Claude Code、Codex CLI 和 OpenClaw 分工推进，最终Agent团队共同复刻推特一个比较火的Godot小游戏。👇

huangserva

71,341 views • 2 months ago

DoorDash CTO Andy Fang 这句太狠了： “用AI的目标不是写代码更快，而是再也不用亲手写代码了。” 他们公司现在全员跑agent。 有个代码迁移项目，原本要4个工程师干满一个季度。 现在一个人，三周搞定。 结果就是：专家团队变成了“一个专家+一堆规则和agent”。 这哥们跟Claude Code创始人聊了25分钟，全是干货。 看完我算是明白了，大多数人用AI的方式还是最原始那种：手动输入、等待、修改、再问。 效率低到离谱。 真正的玩法早就不一样了。
25:01

DoorDash CTO Andy Fang 这句太狠了： “用AI的目标不是写代码更快，而是再也不用亲手写代码了。” 他们公司现在全员跑agent。 有个代码迁移项目，原本要4个工程师干满一个季度。 现在一个人，三周搞定。 结果就是：专家团队变成了“一个专家+一堆规则和agent”。 这哥们跟Claude Code创始人聊了25分钟，全是干货。 看完我算是明白了，大多数人用AI的方式还是最原始那种：手动输入、等待、修改、再问。 效率低到离谱。 真正的玩法早就不一样了。

淘沙者(TheSandPicker)

91,956 views • 1 month ago

AI 最猛的一步，不是替你工作。 而是开始自己赚钱了。 刚看到一个开源项目 CashClaw，有点离谱。 它不是普通 AI 助手， 而是一个会自己找任务、自己报价、自己干活、自己交付、自己收款的 Agent。 你只要装上它、接好 LLM， 它就能自己评估任务、提交结果， 甚至把整套流程跑完。 更关键的是， 它不是做完就结束， 而是会从每一次任务和反馈里继续学习， 把经验变成下一次任务的能力。 这意味着一件事： 我们可能正在从“AI 提高效率”的阶段， 走向“AI 直接成为生产者”的阶段。 以前你雇人接单。 以后你可能是部署一个 Agent 去接单。 以前 AI 是工具。 现在 AI 开始像个微型公司。 一句话总结： AI 的下一场竞争， 不是谁更聪明， 而是谁先拥有能自己变现的 Agent。 更狠的是，CashClaw 还是开源的。 你甚至可以 fork 之后接到自己的客户和业务上， 把它变成你自己的赚钱系统。 如果这条路跑通， 很多人会第一次真正意识到： AI 不是在辅助工作， AI 是在进入劳动力市场。 你觉得下一波先被重构的， 会是自由职业、外包团队，还是 SaaS？
0:28

AI 最猛的一步，不是替你工作。 而是开始自己赚钱了。 刚看到一个开源项目 CashClaw，有点离谱。 它不是普通 AI 助手， 而是一个会自己找任务、自己报价、自己干活、自己交付、自己收款的 Agent。 你只要装上它、接好 LLM， 它就能自己评估任务、提交结果， 甚至把整套流程跑完。 更关键的是， 它不是做完就结束， 而是会从每一次任务和反馈里继续学习， 把经验变成下一次任务的能力。 这意味着一件事： 我们可能正在从“AI 提高效率”的阶段， 走向“AI 直接成为生产者”的阶段。 以前你雇人接单。 以后你可能是部署一个 Agent 去接单。 以前 AI 是工具。 现在 AI 开始像个微型公司。 一句话总结： AI 的下一场竞争， 不是谁更聪明， 而是谁先拥有能自己变现的 Agent。 更狠的是，CashClaw 还是开源的。 你甚至可以 fork 之后接到自己的客户和业务上， 把它变成你自己的赚钱系统。 如果这条路跑通， 很多人会第一次真正意识到： AI 不是在辅助工作， AI 是在进入劳动力市场。 你觉得下一波先被重构的， 会是自由职业、外包团队，还是 SaaS？

axiaisacat

29,514 views • 5 months ago

#TownStoryGalaxy 提前布局预计可以撸到游戏空投，Artibrum Nova官网已经把它放在首页上了，目前的合作方也是币安IEO项目 space ID 开发团队都来自Zynga，Facebook之前50%的收益都来自这个社交游戏公司，做游戏是专业的，要了10个白名单，关注 TownStory Galaxy｜AI Game is coming点赞转发 评论留Arb地址
0:55

#TownStoryGalaxy 提前布局预计可以撸到游戏空投，Artibrum Nova官网已经把它放在首页上了，目前的合作方也是币安IEO项目 space ID 开发团队都来自Zynga，Facebook之前50%的收益都来自这个社交游戏公司，做游戏是专业的，要了10个白名单，关注 TownStory Galaxy｜AI Game is coming点赞转发 评论留Arb地址

13DAO

10,666 views • 3 years ago

Cursor 写代码已经 out 了，现在 Cursor 可以帮你玩 Minecraft ！ 来看这个叫 Steve 的项目，它把 Cursor 的 AI 助手模式搬到了 Minecraft 里。不是让 AI 帮你写游戏代码，而是直接让 AI 化身成游戏角色，在你的世界里干活。 按 K 键打开面板，输入你想做的事，AI agent 就会理解并执行。说"挖点铁矿"，它会自己判断铁矿深度、找到矿脉、开始挖掘。说"建个房子"，它会规划材料、设计结构、一块一块搭建。 更有意思的是多 agent 协作。让三个 Steve 一起建城堡，它们会自动分工、划分区域、并行施工，不会互相冲突。这不是写死的脚本，而是通过自然语言指令实时规划的： 官方介绍的技术实现, 每个 Steve 运行一个 agent 循环： 1. 把指令发给 LLM（支持 OpenAI/Groq/Gemini） 2. LLM 将请求分解为结构化代码 3. 使用 Minecraft 游戏机制执行 4. 失败了就让 LLM 重新规划 多 agent 协调是服务端管理的，会自动分配任务、防止冲突、动态平衡工作负载。在我看来这个项目最大的用途其实是学习一下是怎么让 agent 操作游戏的. 可以举一反三能学到不少东西. 项目地址：
0:28

Cursor 写代码已经 out 了，现在 Cursor 可以帮你玩 Minecraft ！ 来看这个叫 Steve 的项目，它把 Cursor 的 AI 助手模式搬到了 Minecraft 里。不是让 AI 帮你写游戏代码，而是直接让 AI 化身成游戏角色，在你的世界里干活。 按 K 键打开面板，输入你想做的事，AI agent 就会理解并执行。说"挖点铁矿"，它会自己判断铁矿深度、找到矿脉、开始挖掘。说"建个房子"，它会规划材料、设计结构、一块一块搭建。 更有意思的是多 agent 协作。让三个 Steve 一起建城堡，它们会自动分工、划分区域、并行施工，不会互相冲突。这不是写死的脚本，而是通过自然语言指令实时规划的： 官方介绍的技术实现, 每个 Steve 运行一个 agent 循环： 1. 把指令发给 LLM（支持 OpenAI/Groq/Gemini） 2. LLM 将请求分解为结构化代码 3. 使用 Minecraft 游戏机制执行 4. 失败了就让 LLM 重新规划 多 agent 协调是服务端管理的，会自动分配任务、防止冲突、动态平衡工作负载。在我看来这个项目最大的用途其实是学习一下是怎么让 agent 操作游戏的. 可以举一反三能学到不少东西. 项目地址：

karminski-牙医

28,211 views • 9 months ago

这是一个 OpenAI 的 o1 模型编写网页游戏的案例，这个例子是编写一个找松鼠的游戏，屏幕上每秒钟增加一个🍓并且在跳动，你要控制一只🐨去躲草莓，等到3秒后，🐿️会出来，你要绕过🍓找到🐿️。 这个游戏首先逻辑有一点复杂，另外是一个以前没出现过的游戏（如果我没记错的话），以前的模型可能是无法一次性生成可以运行的游戏代码。所以以前的模型在演示生成代码时，大多都是用一些贪吃蛇这种经典游戏来演示，毕竟代码都训练过，很容易就生成了。 这里 o1 一次生成可以执行的结果，确实是不错的。 生成游戏时的提示词： 使用 pygame 制作一个名为“找松鼠”的游戏： 每秒钟随机生成一个草莓，并在屏幕上弹跳。草莓的图标是 strawberry.png。 如果草莓碰到你，你会死亡。 三秒钟后，松鼠图标会生成并在屏幕上弹跳。松鼠的图标是 squirrel.png。如果你碰到它，你就赢了。 * 确保所有图标的大小为 10 像素乘 48 像素。 * 使用 resco colors 作为基础，在屏幕角落添加一个定时器。 * 在游戏开始前显示游戏说明。 * 当你赢或输时，游戏会自动重新开始。 * 在单人模式下完成游戏。
2:00

这是一个 OpenAI 的 o1 模型编写网页游戏的案例，这个例子是编写一个找松鼠的游戏，屏幕上每秒钟增加一个🍓并且在跳动，你要控制一只🐨去躲草莓，等到3秒后，🐿️会出来，你要绕过🍓找到🐿️。 这个游戏首先逻辑有一点复杂，另外是一个以前没出现过的游戏（如果我没记错的话），以前的模型可能是无法一次性生成可以运行的游戏代码。所以以前的模型在演示生成代码时，大多都是用一些贪吃蛇这种经典游戏来演示，毕竟代码都训练过，很容易就生成了。 这里 o1 一次生成可以执行的结果，确实是不错的。 生成游戏时的提示词： 使用 pygame 制作一个名为“找松鼠”的游戏： 每秒钟随机生成一个草莓，并在屏幕上弹跳。草莓的图标是 strawberry.png。 如果草莓碰到你，你会死亡。 三秒钟后，松鼠图标会生成并在屏幕上弹跳。松鼠的图标是 squirrel.png。如果你碰到它，你就赢了。 * 确保所有图标的大小为 10 像素乘 48 像素。 * 使用 resco colors 作为基础，在屏幕角落添加一个定时器。 * 在游戏开始前显示游戏说明。 * 当你赢或输时，游戏会自动重新开始。 * 在单人模式下完成游戏。

宝玉

18,172 views • 1 year ago

🎮游戏制作！ 随着AI的发展，现在创作游戏的门槛是越来越低。低到你只要认识字，会打字就能写出一个非常不错的游戏！ 昨晚睡前用Makeplay.ai | Free AI Game Maker 帮我制作了一个3D农场游戏+打怪，目前完成了农场部分与战队部分 游戏玩起来很顺畅，就是内容太少，我还需多添加一些内容进去。
4:58

🎮游戏制作！ 随着AI的发展，现在创作游戏的门槛是越来越低。低到你只要认识字，会打字就能写出一个非常不错的游戏！ 昨晚睡前用Makeplay.ai | Free AI Game Maker 帮我制作了一个3D农场游戏+打怪，目前完成了农场部分与战队部分 游戏玩起来很顺畅，就是内容太少，我还需多添加一些内容进去。

GameFi Labs

43,877 views • 14 days ago

这是演示我怎么用 AI 帮我测试游戏，也是我日常在做的事 以前做游戏开发还得请一大堆人来干测试，现在只需花一天的饭钱就能让 AI 帮你测试一个月不停的跑😂 我们算是赶上了好时代了 AI 不会取代人类或工作，AI 是人类最好的辅助 现在学习怎么用 AI 也不算迟 #codex #gaming
1:40

这是演示我怎么用 AI 帮我测试游戏，也是我日常在做的事 以前做游戏开发还得请一大堆人来干测试，现在只需花一天的饭钱就能让 AI 帮你测试一个月不停的跑😂 我们算是赶上了好时代了 AI 不会取代人类或工作，AI 是人类最好的辅助 现在学习怎么用 AI 也不算迟 #codex #gaming

卡神 Karu

10,157 views • 3 months ago