AI辅助原型开发：游戏两个月获12万愿望单

《Agent 404》用一个月做出原型、两个月拿下12万Steam愿望单，这件事的核心判断是：AI辅助开发不是“替代程序员”的魔法，而是把“从想法到可验证原型”的周期压缩到极致，同时用严格的架构隔离来防止技术债失控——PlayHero创始人Anton Slashcev在访谈中透露的所有方法论，本质上都在回答一个问题：当AI能写代码时，人类的判断力该锚定在哪里。

原型速度的真相：一个月不是从零开始

Anton明确说《Agent 404》的初始原型耗时约一个月，但这个“一个月”建立在两个关键前提上：团队此前在Playrix、Belka Games做过十亿美元级手游，创始人自己创立的工作室Unlock Games发布过《Detective Masters》和《Become a Queen》等混合休闲爆款；原型直接复用了前一个项目的系统。所以更准确的理解是——AI把“新玩法验证”的时间成本从“从零搭建”降到了“在既有骨架上长肉”，而这份骨架是团队用真金白银的行业经验换来的。对独立开发者而言，这个案例的启示不是“我也能一个月做出爆款”，而是“如果你没有可复用的系统，AI能帮你省掉的是写代码的时间，省不掉的是设计、调优和判断哪些系统值得复用的时间”。

Bezi到底在开发流程里做了什么

Anton描述的具体工作流非常有信息量：新功能启动时，团队先提供全部相关上下文，用游戏设计师的语言描述需求，复杂功能还要指定技术约束和架构模式；然后让Bezi提出澄清问题、建议改进方案、准备实施计划；计划由主程审核通过后，AI才写代码实现。这个流程的微妙之处在于——AI被放在了“执行者”的位置，而不是“决策者”。它先被要求提问和提建议，这实际上是在强迫团队把需求想清楚；计划必须过主程的眼，这保证了架构方向不跑偏。换句话说，Bezi真正节省的不是“思考时间”，而是“把思考结果转化为代码”的时间。对于“伪装系统、摄像机行为、特效、关卡搭建、多人布娃娃系统”这些功能，AI能直接上手，是因为它们要么是独立模块，要么有现成的实现模式可以遵循。

核心系统的“黑箱禁令”

Anton反复强调的一个原则是：“关键或复杂系统绝不能成为团队的黑箱，必须有人彻底理解它们。” 他举了“广义NPC行为模拟系统”的例子——AI被禁止修改这个系统，只能通过现有接口与它交互。这个做法直指AI生成代码的最大风险：表面正确但架构混乱的代码，如果渗透进核心逻辑，会变成一颗定时炸弹。PlayHero的应对策略是“隔离”——AI生成的代码被限制在独立模块内，即使产生技术债，也是局部问题；一旦要触碰复杂或敏感部分，主程必须审查。这背后的行业判断是：AI时代的技术债风险不是“AI写了烂代码”，而是“团队看不懂AI写的代码，导致烂代码悄悄扩散”。所以“谁负责审查”比“谁负责写”重要得多。

非程序员开始做技术活，但边界画得很清楚

Anton提到一个显著变化：美术和策划在需要生成VFX、触发动画这类“视觉或装饰性功能”时，会先尝试用Bezi解决，解决不了才去找程序员。这减少了开发者的负载，但也引出一个尖锐问题：这是否意味着技术门槛消失了？Anton的回答很务实——做原型不需要深厚技术功底，但要做“可扩展、可上线”的系统，技术 expertise 必不可少。所以“非程序员用AI做技术活”的真相是：AI把“改代码”的门槛降低了，但把“判断代码好坏”的门槛抬高了。一个策划能让AI生成一个特效脚本，但他未必能判断这个脚本在500个敌人同屏时会不会卡死，也未必能看出它是否违背了项目的架构约定。这恰恰解释了为什么PlayHero让设计师和美术先用AI，但保留主程的最终审查权。

物理、合作、潜行、喜剧——这些脆弱系统为什么最考验人类

《Agent 404》的核心玩法是物理驱动的合作潜行喜剧，Anton自己承认这类系统“复杂且脆弱，小bug或数值调整会彻底改变手感”。这正是AI辅助的盲区：AI可以生成一个布娃娃系统让多人抬尸体，但它无法“感觉”到抬尸体的动作是滑稽还是僵硬，无法判断物理参数调整后是“搞笑”还是“恼人”。Anton的应对是：这类系统必须由懂技术且深度理解项目的人掌控，AI可以辅助，但人类必须知道系统如何运作、AI在改什么。游戏手感是一种高度主观、依赖大量迭代反馈的经验知识，AI目前只能提供“实现手段”，无法替代“体验判断”。所以“AI让独立开发者更强大”的前提是：你得先知道好手感长什么样，否则AI只会帮你更快地做出一个手感糟糕的游戏。

12万愿望单背后的商业逻辑：快速验证比完美更重要

两个月12万Steam愿望单，这个数字对任何独立开发者都有冲击力。但Anton透露的细节值得冷静看待：原型帮团队快速验证了概念、剪出了预告片、带来了6万愿望单（后续增长到12万）。这揭示了一个被很多开发者忽视的规律：在Steam上，愿望单的爆发往往来自“概念的新鲜感+预告片的视觉冲击力”，而不是“完成度”。物理合作喜剧+AI辅助开发的故事本身就有话题性，预告片能展示“多人笨拙抬尸体”这种即时可笑的画面，就足以吸引玩家点击。但愿望单不等于销量，更不等于口碑。从原型到正式发售，PlayHero还要面对物理系统的稳定性、合作模式的网络同步、喜剧节奏的打磨、内容的充实度等一堆硬骨头。AI帮他们赢得了起跑速度，但长跑的后半程，拼的还是传统游戏开发的基本功。

人类判断力的新定位：从“写代码”到“定方向、设边界、做裁决”

把整个访谈串起来看，Anton对AI辅助开发的态度非常清醒：AI负责执行，人类负责定义“做什么”和“为什么这样做”。具体到三个层面：方向层，团队决定做什么功能、游戏手感往哪走，这需要设计经验和市场嗅觉；边界层，主程划定哪些系统AI不能碰、用什么架构模式、代码要遵循什么规范，这需要深厚的技术功底；裁决层，AI给出方案后，人类要判断“这是好方案还是坏方案”——Anton原话是“真正的技巧在于识别AI何时提出好方案、何时提出坏方案”。这三个层面没有一个是纯执行性的，全部依赖人类经验。所以AI并没有让开发者失业，而是把他们的工作重心从“手写每一行代码”上移到了“设计系统边界和做质量裁决”上。对行业而言，这意味着未来游戏团队的核心竞争力不再是“谁能写更多代码”，而是“谁能更精准地定义问题、更有效地驾驭AI产出、更敏锐地守住体验底线”。那些以为“有了AI就能躺着做游戏”的人，大概率会死在技术债和手感灾难里；而像PlayHero这样把AI当作“放大自己判断力的杠杆”的团队，才是这波工具革命里真正的受益者。