
Simon Willison 用 Claude Code 迭代 12 个大版本做出可玩的浏览器 RTS《Battle Drones》:一句「让它好玩得多」触发上千局模拟对战调平衡
一句话结论
一个几乎不懂游戏开发的资深工程师,靠 321 次编码智能体提交、几乎不看代码,只做试玩和方向判断,把一个无聊的原型迭代成有 3D 模型、动态配乐、AI 对手性格、声音联机和在线对战的 RTS;关键在于让智能体自己跑大量模拟试玩、用数据调平衡。
背景与理念
作者想在手机上玩一款《命令与征服》风格的即时战略游戏,于是从 7 月开始用编码智能体从零做起。他坦言自己几乎不懂游戏开发,也很少写 TypeScript,这正好可以测试编码智能体在他的工程经验帮不上忙的领域能做到什么程度。
他原本的看法是:编码智能体能做出「看起来像游戏」的东西,但做不出真正好玩的游戏。这个项目在一定程度上推翻了他自己的判断。
具体做法
v1 用 Claude Fable 5 起步,提示词是先做 MVP 设计并向他提问。他在 Claude Code for Web 的环境变量里放了 OpenAI API 密钥,让 Claude 调用 OpenAI 的图像生成接口画素材,早期用的是 Phaser 2D 框架。
v3 换到 Opus 5.5 后,他让模型「大幅改进这个游戏」,并用最新的 GPT 图像接口重画素材、增加兵种和地形。游戏看起来像样了,但依然不好玩。
v4 是转折点:他只在手机上写了一句「这个游戏还不够好玩,让它好玩得多」,在 Ultracode 模式下运行。这个模式会运行「动态工作流」,也就是用一段 JavaScript 脚本同时编排很多子智能体;任务从晚上跑到第二天上午,期间 Claude 跑了上千局模拟试玩,用结果重新平衡兵种并加入新机制。
之后他开始给出更具体的设计。v5 一句话移植到 Three.js 并由 Claude 用代码建出所有 3D 模型;v8 写了最长的一段提示词设计「群岛」地图,用规则逼玩家用运输机投送步兵,并要求「先研究再批评这个设计,达成一致后再动手」;v10 加入巨型机甲 Goliath 和让两个大模型通过工具接口对战的「智能体对战」模式。
v12 把他之前的实验复用过来,让两台相邻设备通过麦克风和扬声器的音频信号同步游戏状态;后来因为高频声音让家人头疼,又让 Claude 写了一个无状态的 WebSocket 中继服务器部署在 Fly.io 上。
关键数据/例子
整个项目经历 12 个大版本、321 次主要由 Claude Code 完成的提交;游戏包含 9 种建筑、7 种地面载具、6 种空中载具和 3 种步兵,6 张地图覆盖 5 种地形。
按 Claude 自己写的发布说明,v4 在 1200 局普通难度的 AI 对 AI 测试中,打到 25 分钟仍未分胜负的比例从 14% 降到 0.9%,落后 800 以上资源的一方翻盘获胜的比例从 24% 升到 46%。
在线中继服务器跑在单个 Fly.io shared-cpu-1x 实例上,可缩容到零,作者估算即使一直在线也不超过每月 2.19 美元。
一个工程细节:为了让回放和联机保持确定性,Claude 不得不用自定义实现替换 Math.sin()、Math.cos() 等函数,因为 Chrome 和 Safari 返回的数值有极细微的差别,会导致回放不同步。
创新点
第一,用大量自动模拟试玩代替人工调平衡。「好玩」这种主观目标被转换成可量化的对局指标,智能体自己测、自己改。
第二,智能体顺手为自己造工具。作者提到带宽测量工具、模型浏览器、对战调试工具都是随手让 Claude 做的,「工具几乎是免费的」。
第三,人的角色从写代码转成试玩、提出设计约束和把关方向。
可否复用
- 给创意类任务设计可量化的代理指标,让智能体批量模拟、按数据迭代。比如对局时长、翻盘率、关卡完成率。
- 复杂设计先让智能体「研究并批评方案」,达成一致后再写代码。
- 需要回放或联机的项目,从一开始就要求确定性模拟引擎。跨浏览器的浮点差异会导致不同步。
- 注意成本。作者提醒 Ultracode 这类多智能体模式非常耗 token,但能用一条提示词解决复杂问题。