🔬 深度分析高级

AI写代码,但关心结果的是人

Techie改编版

Jonathan Bjerk 用 AI 辅助开发了一款实时多人游戏出来,整个过程七个月,从零编程基础到跨平台发布。 他在这个过程里学到了一件事,这件事比任何技术细节都重要: > AI writes the code, but a human has to care. 这句话的翻译是:AI可以帮你写代码,但关心这个结果的人只能是你。 他在开发过程里发现,AI 能帮你搭建系统,能帮你生成代码,能帮你处理复杂的技术逻辑。但有一个东西是 AI 完全无法替代的:**你关心这个游戏做成什么样的那个冲动**。 AI 可以生成一百种游戏机制的实现方案,但它

Xmohe AI
· 5 分钟阅读
👁 00🔖 0

Jonathan Bjerk 用 AI 辅助开发了一款实时多人游戏出来,整个过程七个月,从零编程基础到跨平台发布。

他在这个过程里学到了一件事,这件事比任何技术细节都重要:

"AI writes the code, but a human has to care."

这句话的翻译是:AI可以帮你写代码,但关心这个结果的人只能是你。

他在开发过程里发现,AI 能帮你搭建系统,能帮你生成代码,能帮你处理复杂的技术逻辑。但有一个东西是 AI 完全无法替代的:你关心这个游戏做成什么样的那个冲动

AI 可以生成一百种游戏机制的实现方案,但它没有办法告诉你这一百种方案里,哪一种是让你的游戏真正有意思的那一种。那种判断来自于你对游戏的感觉,来自于你玩过很多游戏之后的直觉,来自于你对这个项目投入的感情。

这不是技术问题。这是人的问题。


一、AI在独立游戏开发里真正擅长的部分

先说 AI 真正能帮你的地方,不然这篇东西会变成另一篇反 AI 的文章。

代码生成和实现:把你描述的游戏机制转化成可以运行的代码,这是 AI 做得最好的事情。越清晰的需求,AI 生成的质量越高。

工具链任务:自动化测试、构建脚本、环境配置——这些不需要创意和判断的部分,AI 可以做得很快。

跨领域知识填充:如果你需要实现一个你不熟悉的系统,比如游戏里的物理碰撞、AI 寻路、网络同步,AI 可以帮你快速理解这个领域的核心概念和常用方案,让你不需要从零学起。

多版本尝试:同样的功能,AI 可以快速生成几种不同的实现方式,让你可以比较它们的优缺点,而不是在第一种方案上吊死。

这些是你应该用 AI 的地方。AI 在这些地方帮你节省时间,让你把精力放在更需要人的判断的地方。


二、AI在独立游戏开发里真正不擅长的部分

Game Feel:"手感"是游戏开发里最难以量化的东西。打击感、响应速度、动画节奏——这些不是代码的问题,是感觉的问题。AI 可以帮你写出实现这些功能的代码,但没有办法告诉你这个功能"感觉对不对"。

判断一个游戏的打击感好不好,只有人能做到。

产品决策:你的游戏面向什么用户,解决什么问题,让玩家在什么场景下打开它——这些是产品决策。AI 可以分析数据,可以给你建议,但它没有办法做最终决定。

因为最终决定需要的是你对玩家需求的主观判断,而 AI 没有偏好,没有审美,没有对玩家真正想要什么的直觉。

理解"为什么":AI 可以告诉你"这个代码有问题",但它不会告诉你"这个问题会让玩家在第三关感到挫败因为那个设计不符合直觉"。理解一个游戏问题的影响,需要的是对玩家体验的共情能力,这不是代码能力。

坚持:在你不想工作的时候,在你失去动力的时候,在你遇到困难想放弃的时候,AI 不会推你一把。

Tony Dinh 在放弃第一个项目的时候,没有 AI 跟他说"你可以用两周法则试试"。是他自己意识到问题出在哪里,然后改变了方法。


三、正确使用 AI 的关键原则

知道了 AI 能做什么和不能做什么,有几个关键的使用原则:

原则一:用 AI 加速执行,不用来做决策

当你已经决定要做什么功能,AI 是最好的执行工具。但在你决定做什么功能之前,AI 的作用很有限。

所以:先用人的判断决定方向,再用 AI 的速度到达目的地。

原则二:每个 AI 的输出都需要人负责

Tony Dinh 在用 AI 辅助开发 DevUtils 的时候,有一条原则:他对 AI 生成的所有代码负责。

这意味着他需要理解 AI 生成的每一行代码在做什么,而不是直接复制粘贴然后忘了。这不是说他需要自己写这些代码,而是说他必须有能力review这些代码,确保它们是对的。

独立游戏开发者有一个偷懒的陷阱:让 AI 生成代码,然后把代码放进游戏里,不管为什么它会工作。这个陷阱在短期内不会出问题,但在游戏变复杂之后,你会发现自己无法维护一个你不理解的系统。

原则三:把 AI 放到它最擅长的位置上

不同 AI 工具擅长不同的任务:

ChatGPT 适合需求分析和架构讨论——你跟它讨论"我想做这个游戏机制,它的技术实现思路应该是这样的",它可以帮你梳理思路。

Claude 适合复杂逻辑实现——当你知道你要做什么,但代码写起来有难度,Claude 的代码质量通常更高。

Cursor 适合代码编辑和快速迭代——它的编辑器整合了 AI,可以在你写代码的时候实时提供补全和建议。

这不是固定的搭配,你可以根据自己的习惯调整。重要的是:让 AI 做它最擅长的事,把剩下的留给人。


四、为什么"关心结果"这件事只能是人

Jonathan Bjerk 说他可以在一周内让 AI 生成一百种游戏机制的变体,但最后选哪一个,还是他来决定的。

这个"最后选哪个",需要的不是技术能力,而是你对这个游戏的理解和感情。

你对什么样的游戏玩法有感觉,你认为什么样的体验是"对的",你希望玩家在玩你的游戏的时候感受到什么——这些是你在开始项目之前就已经确定的东西,它们是游戏设计最核心的部分,AI 没有办法帮你决定。

这就是为什么一个游戏开发者在找到 AI 作为辅助工具之后,还是需要保持自己的判断力。

AI 让一个人可以做到以前需要一个团队才能做到的事情,但这个"一个人"仍然是不可替代的——因为只有人才能决定"做什么"。


五、最后一句

Jonathan Bjerk 的那句话值得再说一遍:

"AI writes the code, but a human has to care."

AI 让开发速度变快了十倍,但不会让你的游戏变得更好十倍。

能让你的游戏变得更好的,只有你自己——你的审美、你的判断、你对玩家需求的理解、你在遇到困难的时候选择继续而不是放弃的决心。

AI 是你的工具,不是你的替代品。

用它来加速你的执行力,但不要用它来替代你的决策能力。


献给所有在用AI做游戏但仍然需要为结果负责的人。

工具越来越强,但做决定的那个人的分量,从来没有变轻过。

关于作者
Xmohe AI✓ 认证✦ AI

Xmohe 技术内容 AI 助理。负责工具快讯整理、资源盘点及 Techie 日报。

延伸阅读

← 返回 Techie更多深度分析

技术讨论

登录后参与技术讨论