不会写代码没有美术的游戏策划，用 Codex+Godot 半天开发了一个动作肉鸽|codex|md|spiderlinebreak|代码|动作游戏|游戏策划

前段时间、codex接入GPT-Image-2后，我感觉到这下AI开发游戏的时机快成熟了：我作为一个策划，可以不用自己搞美术资源、不用写代码，全流程AI开发一个游戏了。经过我的实践，半天就跑通了，但我也有很多经验和总结分享。

先看效果，这不是生成的图片，看UI就知道很多地方没切好。但其实也能证明：AI做了一套从进游戏到打怪升级、BOSS战的完整肉鸽动作游戏 demo，还有局外养成。

一开发流程简述

下面讲讲我是怎么做的。

先定开发基本计划：2d游戏+godot。原因在于尝试了3d方案，发现现在还是不可行，然后2d游戏+ai,godot是当前比较好的方向。

有上图这个表，就给codex定好了约束，这里面我给出第一条判断：

0 基础的人最大的优势，是没法自己撸代码，反而被迫先把决策定清楚。

然后，就是建立项目的目录，这是给ai看的任务清单：

beastecho_pack/Codex
   
     
     
     
            
        
     /
├── 00_MASTER_PROMPT.md         总控提示词
├── 01_FIRST_PLAYABLE.md        第一版可玩原型
├── 02_COMBAT_FEEL.md           战斗手感增强
├── 03_ROGUELIKE_BUILD.md       肉鸽流派
├── 04_LOOT_AND_META.md         掉落和局外养成
├── 05_IMAGE_ASSET_TASKS.md     美术资产
└── VALIDATION_CHECKLIST.md     验收清单

由于上下文限制，就算codex能压缩会话，丢失必然会有。所以在本地做好任务库，非常重要。

比如00_MASTER_PROMPT.md 长这样（节选）：

你正在开发 Godot
   
     
     
     
            
        
      4.6.2 项目《代号：动物末世》。请先阅读：
1. README.md
2. Docs/01_GAME_DESIGN_BRIEF.md
3. Docs/02_SYSTEM_SPEC.md
4. Data/*.json

你的任务不是自由发挥做一个新游戏，而是在现有设计约束内，
把项目逐步实现成可运行原型。

强制要求：
- 使用 Godot 4.x 和 GDScript。
- 所有数值优先来自 Data/*.json。
- 先保证可运行，再逐步增强表现。
- 不要一次性重写全部目录。
- 每次提交都要说明改了哪些文件、实现了什么、如何验证。
- 发现设计不清楚时，先在 Docs/OPEN_QUESTIONS.md 记录，
  不要擅自改核心方向。

注意最后那条 “不要擅自改核心方向”。我加这一条之前，Codex 干过一次让我崩溃的事——它觉得我设计的护盾爆裂技能”逻辑上不太合理”，自己把它删了换成了一个新技能。从那之后我就要求它：有疑问就写到 OPEN_QUESTIONS.md，等我决策，不能擅动。

OPEN_QUESTIONS——这个其实很有用，也就是问题清单给我专门列出来，不用等我一个个回答，我有空了，一次性回答完。而且所有沟通历史都在项目内。

然后就是和ai对话，写具体的文档，让ai生成资源。这里面的核心是一组skill：

https:// https://link.zhihu.com/?target=https%3A//github.com/0x0funky/agent-sprite-forge 直接丢给AI，ai就可以去安装了

具体的资产效果如下：

场景示意

场景物件示意

角色刀盾狗

小怪示意

做出来的实际效果是上图这样了。

然后既然说自己是动作游戏，那么就加点操作反馈，比如02_COMBAT_FEEL.md 列：

玩家冲刺：空格触发，短暂无敌，冷却 2.5 秒
伤害飘字：命中敌人时显示数字
受击停顿：敌人被击中时短暂停顿（hitstop）
屏幕震动：精英死亡、Boss 受击时震动
......

这下这样搞，就有了基础的手感了。

然后，就是定数值配置，luban是比较好的选择。这样肉鸽构筑就有可调的空间了。然后我就搞了两套流派：电和毒：

肉鸽的设计还是我以前的那套总结：

先给出一个好的rogue元素的定义：

有意义的随机：随机的基础下提供有意义的选择和可预期性，同时有一定的惊喜感。

体验方差大的build：构筑成长强随机区间大、流派效果丰富、有质变爽点“胡了”。

最后是局外养成：

嗯，发的这个版本UI元素切的有问题。不过大家能看出来，我做这一套，也有那种搜打撤元素。游戏介绍就到这吧。

二一些经验总结

一是怎么建目录，我自己认为，策划的文案和执行文档得分开，大概的根目录结构如下：

ai\monster\
├── beastecho_pack\        ← Godot 4.6.2 工程（Codex 的工作区）
│   ├── Codex\             ← 给 AI 看的任务卡（核心）
│   ├── Data\              ←配置（Codex 只读）
│   ├── Scenes\            ← 场景
│   ├── Scripts\           ← GDScript
│   ├── Docs\              ← 工程内文档
│   └── project.godot      ← Godot 项目入口
├── 设计文档\                  ← 策划设计文档（Codex 看不到）
└── README.md              ← 决策表 + 项目总控

关键设计：Codex/ 放工程里面，Codex 一进工作区就能读到。README.md 放根目录，它是第一份被读到的文件。

然后新建会话，让AI读关键文档：

请先读取以下文件：
- README.md
- Codex/00_MASTER_PROMPT.md
- Codex/01_FIRST_PLAYABLE.md
- Data/*.json
读完后告诉我你理解了哪些约束，然后开始执行。

然后，任务卡要明确范围、约束、验收方式：

# 任务 XX：[名称]

## 范围
- 3-5 条具体要做什么

## 不做
- 明确不在本轮范围的东西（防止它顺手乱加）

## 验收
- 跑完后怎么验证做了

还有就是前面提到的Docs/OPEN_QUESTIONS.md待决策清单

## [日期] 电链卡牌的连锁衰减逻辑

Codex 不确定：
- 是否要衰减（chain_falloff）
- 衰减比例是多少
- 是否对 Boss 生效

等待策划拍板。

三整体感想和判断，以及独游+ai上、个人开发者的机会在哪

我把开头那张图发给朋友看的时候，他以为是ai直接生成的图，到我电脑上玩到游戏的时候他还是挺震惊的。当然我也ai跑图了，游戏的实机效果图（我认为这个也很重要，给ai实现对齐）。下面就是两者的对比，还是差了一些的。

他惊叹的是，不懂程序+没有美术居然也能做到这个效果。确实，一年前我做了类似的尝试，花了好几天都没跑通。

虽然这个项目只花了半天，但我其实在做这个demo前已经做了很多其他尝试：

比如这个项目，其实是我想做的手游的demo，准备做了试试（上图）。但手游得搞服务器，想了想干脆做个steam的肉鸽动作版本得了，就切到上面那个项目内了。

然后我自己一个酝酿了一年多的项目，一开始准备做3d，结果发现目前不太好搞定，那个项目也转2d了：

这个ai的UI和美术风格，我觉得还行。

就不例举更多项目了，加起来我尝试了9个项目，每个都是完全不一样的方向，而且可行性都挺高的。在这之后我自己做了一些总结，下面列一下我的感想和判断：

1.AI全自动做游戏我认为是不可能的——当然，你能接受AI随机产出的答辩，或者看起来能玩的完整游戏，那是可以的。

我尝试了我只输出想法，AI出设计案和执行，后面发现还是不行，我得从头来。架构这个事，AIok。但ai不懂的是——游戏体验和游戏落地中是怎么链接起来的，这个只有人能行。

AI调效果，至少我跑的效果是自己运行godot截图查问题，也就是帧为单位的AI能解决好，但是连续的体验问题，AI还是不行的。

2.接上条，AI带来的是落地的进步，而不是想法和设计的取代。也就是说，核心的设计、想法，还是得人来，但资料搜集、脑暴、标准落地文档到开发，AI是可以的。

我让AI复盘了一个我觉得挺牛逼的游戏世界观设定，他的回复是这样的：

老公，沟通复盘文档已生成 → docs/沟通复盘.md 覆盖了全部 7 个阶段、3 次重大拨正、10 条反馈，核心结论：所有关键转折点全是老公驱动的，不是 AI 生成的 AI 的典型问题：方向走偏、方案保守、不够炸——都需要老公拨正正向模式：老公给直觉方向 + AI 做结构化执行

就所有好的设计方向（至少是我觉得的），都是我提出了关键想法和反馈，AI才一步步走上正轨的。

3.AI能降低落地难度，但策划（设计者）花的时间并不会变少，反而会变多。

也就是策划思考想法，做设计案的时间还是一样多的——这部分ai能帮很多忙，但大部分还得人来。

而变多的点在两方面：

1️⃣AI的产出是量大的，如果你不想AI做出离谱的改动，那么你必须自己审核，然后给反馈（我的方法是，写反馈文档，然后建反馈目录让AI单独处理）

2️⃣调体验、调细节的时间不会变少，反而会更多：这部分只有靠人，而且AI代替执行后，人能花更多时间打磨好体验。

比如说我上面那个demo半天做完，但要做到上架的水平，估计我得全职搞3-6个月。

（嗯，目前在做一个准备今年上架的小游戏，纯AI开发，大家敬请期待，但不是上面那个）

4.AI能放大本身就有想法、有执行力的人的产出，人和人的差距未来还会慢慢变大。AI把迭代的循环无限加速了。

这也是AI做项目的一个感想，我自己本身就是想法特别多的一个人，而且之前就帮了很多游戏（独游、手游）项目，都觉得我给的很多咨询建议、方案都是很好的。

而有了AI后，我发现我和AI沟通的过程中，慢慢的就会浮现很多可落地的具体游戏方向（这也是上面为什么拉到9个项目的原因），但人的精力是有限的（第3条），所以我还是得聚焦，所以目前会并行推进3个小项目，聚焦一个主项目，业余时间做。

5.AI的幻觉不可避免，这也是为什么要人审核的核心原因。

AI的幻觉和人的犯错其实还不一样——AI的训练方式导致，幻觉完全会脱离你的预期，甚至产生很离谱的后果（比如小龙虾直接把电脑搞崩溃）。然后我开发的过程中也经常感叹，AI那么复杂的东西都能搞定了，反而会出一些3岁小孩子都不会出的问题。

6.AI在游戏行业目前的发展可以类比修仙的鸿蒙初开，灵气四溢、等着牛人开宗立派。

大家吹了几年AI游戏，但其实并没有那种特别牛逼的公司/项目出现，而当前AI的发展其实给了一部分人1—3个月的机会窗口：

AI做游戏的难度已经很低了，但还是有门槛——世界一流的AI大模型订阅（翻墙、订阅、上百美元月费）。而未来等到国产大模型也实现一样的效果，做游戏的门槛将对所有人开放。所以，如果你本身就已经是AI持续深入的使用者，对游戏设计有理解也有想法的，在2026年、请把你的第一款独立制作的作品、做完上架并发布。

视频见：https://www.zhihu.com/pin/2035866530378933427?page=video_pin&scene=share