本来想让 AI 帮忙记桌游积分,最后却用 Agent 搓了个 App,还开源了

我本来只想让朋友少按几次计算器，最后却做出了一个 App。代码、图片、多人测试，连介绍视频，都由 Agent 替我执行完成。而我推进这些工作，全程只在 Agent 的聊天框里做一件事：和它聊天。

第一版大约一小时就能运行，接下来却又磨了几天。 最让我意外的，是它连测试用的“朋友”都能自己凑齐，却会在手机上的一个输入框前反复绕圈。也正是这些顺利和不顺利，让我慢慢看清：当实现变得容易，人还有哪些事值得花时间。

开源项目：https://github.com/Snowdar/weizhuo。附开发记录、问题复盘与经验沉淀，文中有成品演示和声音对比。

事情的起因是这样的。

国庆下大雨，闲着无聊，之前不怎么玩牌的朋友，竟然叫我一起玩炸金花，说想博弈一下心态。

那肯定得记分，输赢有了记录，才能回头看看心态怎么变，也借此体会人为什么容易上头、为什么要远离赌博。可我一看，他们竟然拿着手机计算器，手动加加减减地记分。

给我惊呆了。

算术倒不难，难的是过程。炸金花是一个典型的按回合持续记分的游戏：谁看了牌，谁跟了多少，谁又加了多少，现在轮到谁，一局里有一串连续动作。只留下最后一个总数，中间算错了，连回头核对都费劲。

麻将里常见的是一局结束后结算，炸金花却得一路跟着记。新手还要边玩边问规则，大家既要解释，又要推进流程。我找过记分器，有的收费，有的有广告，有的要全桌下载，更关键的是，能加减分，也未必适合这套玩法。

拿着计算器玩了几局，规则竟然都还没统一，也没人能完整讲明白。边玩边问，问着问着，又发现大家理解得不一样。

这时我想到手机上的语音助手。AI 会多轮对话，能接着前面的话聊，让它听着我们说话、顺便记下来，似乎很合适。

一试才发现，一桌人聊天，和一个人对着手机说话，差得远了。

几个人的声音混在一起，它要听、理解，再回答，桌上的人却不会整齐地等它。“我要跟”和“我已经跟了”，还得对应到正确的人和回合。新手自己没弄明白，又要先解释给 AI 听。

更要命的是，大家还得安安静静等它回复，确认没问题了，才能进行下一步。这还没玩完一局，朋友们就已经不耐烦了。

我本来想省下解释的麻烦，结果多了一个要解释的对象。

这时我突然冒出个念头：现在 Agent 都能写软件了，要不直接让它帮我搓一个？

玩家在手机上点自己的操作，全桌同步看进度，就不用让 AI 在一旁听着猜了。大家连着同一个 Wi-Fi，建个共享房间，扫码进来，应该就能玩。

01　一小时能跑，关掉网页却找不回自己

这个工具后来叫围桌。一台设备建房间，朋友连上同一个 Wi-Fi，扫码加入，各自操作，全桌共享积分和进度。

朋友负责把炸金花的规则弄明白，我来想程序怎么组织，再和 Agent 聊怎么做。第一版就有大厅、房间和游戏流程，不过界面很简单，基本就是文字、表格和按钮。

大约一小时，一个能运行的版本就有了。

早期文字与表格界面，图为这一阶段迭代中的真实测试截图，还没有后来的固定牌桌。

这速度确实让人兴奋。可把网页关掉再打开，我就发现了一件尴尬的事：怎么找不到自己的位置了？

系统根本不知道，回来的是刚才那个人。开发时我关心怎么建房、怎么行动、怎么结算，却漏了一个再日常不过的动作：退出以后再回来。

于是补上身份恢复和参与过的房间入口。既然已经做了，也把德州和自由记分加进来，覆盖更多玩法。

不实际用一下，我还真没想到这一点。脑子里觉得流程挺完整，拿到手里一试，连退出再回来都没考虑。好在现在改起来快，发现漏了什么，就能接着补。

后来几版大概是这么改过来的：

先跑通：大厅、房间、炸金花，随后补身份恢复，扩展到德州和自由记分。

再收拢画面：长网页改成固定牌桌，记录与操作按需打开。

再加声音：有人漏看自己的回合，用播报提醒。

再做减法：有人嫌花哨，补简约视图，放大按钮。

最后磨设备：键盘、声音、横竖屏、不同终端，反复验证。

列出来没几行，实际做的时候，有些地方快得出乎意料，有些小问题却能卡上好久。

02　它连测试用的“朋友”都能自己凑齐

第一版能记分，却很快变成一条长网页。玩家状态、当前行动、奖池、按钮和记录都摊在上面。想看看刚才发生了什么，要划；轮到自己，找按钮还要划。

聚会本来是为了玩，结果大家得先学会找东西。

第二版我就想，干脆把牌桌固定在屏幕里，再加个全屏模式。玩家和轮到谁一直看得见，记录、设置、操作要用时再弹出来，不用全挤在一页。这样也更像大家围着一张桌子玩。

后来逐步完善的牌桌界面。玩家与行动集中显示，记录和操作按需打开。

背景、图标、筹码素材怎么办？Agent 调用生图工具生成，再调整尺寸、压缩、放进界面。积分和流程仍由程序实时显示。我原先担心一个人顾不过来的素材工作，也能一起往前做了。

到了测试，它又让我意外了一次。

它用 Computer Use，也就是操作电脑和浏览器的能力，打开多个独立玩家页面：一个建房，另外两个加入，轮流行动，再检查其他人的页面有没有同步。

以前我得自己来回切，或者找朋友配合。现在，Agent 连测试用的“朋友”都能自己凑齐。

这就省事多了。我不用自己切来切去，也不用为了测一下同步，先把朋友叫齐。后来连演示视频，也是它操作页面、模拟对局，再录制和剪辑的。

但它能做出一张漂亮牌桌，不代表朋友就喜欢。

后面有人反馈，自由记分有点花里胡哨。想想也对：德州有座位和回合，自由记分有时只是几个人互相记一笔。于是保留牌桌，同时补了简约视图，操作按钮也放大，方便手指直接点。

同一个自由记分房间，左边简约，右边保留牌桌氛围，共用积分与记录。

朋友是来玩的，不是来参观我做了多少功能的。

现在加点东西太容易了，不合适再改也快。可这又让我容易越做越多。朋友一说嫌花哨，我才又想起来：大家用着省事，比我多做几个功能更要紧。

03　一句声音提醒，怎么还用上了语音大模型

声音是第三版加的，比简约视图还早。这个得单独聊聊，原本只是想让它提醒一句轮到谁，结果后面折腾出了不少东西。

屏幕能显示轮到谁，却不能保证那个人看见。尤其出去郊游，大家边聊边玩，很容易漏掉动作。让房主设备念一句“轮到几号”，总比一直盯着屏幕自然。

提醒很快有了，可系统音色机械、老成，听多了，甚至有点不想玩了。

于是我让 Agent 试了 Kokoro、VITS、Qwen 等 TTS，也就是把文字转成语音的模型。VITS 确实能装进手机，在本地把文字念出来，不过音色听下来还差点意思。Qwen 的 Serena 听着不错，Mac 试听模型却约 2.3 GB，为了记分把它塞进手机，代价又太大。

那提前录好，手机只播放呢？编号、动作、金额一直变，整句话录不完。把“一号”“加注”“一千二百八十分”分别生成再拼，又会出现停顿、语气不连贯，甚至吞字。

我提了个想法：先把完整句子念自然，再对齐文字和声音，从里面取需要的片段。 比如从“二号玩家获得六十分”里取连贯的“获得六十分”，尽量保留原本连着说话的感觉。

Agent 去实现、做试听、调整切点。轻的字头不能当成静音删掉，数字和“分”尽量连着留。后来我又用别的 Agent 产品里的 GLM 5.3 Flash 模型交叉分析，发现一些原始素材本身就拖得异常长，得重新生成。

下面三组先听差别。旧版用短片段拼接，优化版重新合成完整句子，没有靠加速缩短录音。固定提醒可以整句保留；金额、编号不断变化的播报，仍需要切片组合，这三组试听不能代表所有动态拼接的效果。

<轮到一号玩家行动：优化前后对比>

<二号玩家加注1280分>

每组先旧版、后优化版：轮到一号、轮到二号、二号玩家加注 1280 分。

片段切好，还得知道它们组合以后有没有问题。一条条听，很快就顾不过来。

那就再找个能听音频的模型来查。我让 Agent 用语音大模型 dots3-note-prev：先不告诉它这句应该说什么，让它听完写下来，再对照有没有吞字、拖音，拼接的地方顺不顺。它找出过片段混进后续数字起音的问题，追查下去，是对齐时把逗号也当成了需要发音的内容。

检查也从最初抽查的 36 条，扩到了 482 条完整播报，包括 419 条事件文案和 63 条扑克流程专项，最终都通过了模型的盲转写和音色对照检查。另外，4,391 个编号、金额和动作组合都能正常组句。这两个数字说的是不同的事：一句话拼得出来，不代表听着就自然。

我提个办法，它做出来，再找另一个模型来查，查出问题接着改。以前这些都得自己一项项做，现在连检查也能让它张罗了。

不过，模型说过关，我自己一听，几个数字的衔接还是不顺，有的整句音调也不对。于是又回去重录，尽量把金额和“分”连着保留，重新检查最终拼出来的整句话，才有了上面这一轮结果。手机上还出过跳音、提示铃盖住语音的问题。模型已经替我查了很多，但最后好不好听，还得拿耳朵听；这批新素材也还要重新打包到手机上验证。

最后留下三个方案、四个音色供选择：“清晰”用系统语音；“松朗”“悦然”用本地 VITS 模型合成整句；“暖语”组合 Serena 预制片段，不把 Qwen 大模型装进手机。

系统方案省空间，手机现场合成得等一等，提前录好的播放快，却又要处理拼接。想好听、想马上出声，还想安装包小，没那么容易全占。所以最后留了几种，让人按自己的设备和喜好选。

04　它说修好了，我拿手机一试，还是不对

能自己模拟多人，又能调用模型查音频，听起来已经很强了。偏偏让我反复花时间的，是手机上的一个输入框。

点金额框，键盘闪出来又退回去；有时卡片顶到上面，下面空出一大片；按钮明明有地方，却挤成两行。

我的要求很朴素：操作区在键盘上方，能输入、能提交。它改布局、检查、打包，说这次应该对了，我拿手机一试，还是不对。

模拟器没能稳定复现，iPhone 镜像也不能完整还原我手指点下去的过程。它看到的证据，和我看到的失败现场，不总是一回事。

我说“还是不对”，它便沿着已有的解释继续找。一轮又一轮，改动越来越多，却未必靠近原因。

后来补现场、查版本、看日志，才发现问题各不相同：有一版安装包带了旧网页；有一次手机白屏，干净模拟器却能启动，是手机留下的旧音色设置触发了异常。另一些问题，GLM 5.3 Flash 提出了网页和原生窗口同时调整位置、互相拉扯的可能，还要按这个方向修改后再验证。

准备重录演示时，我又指出记录区偏位、玩家卡片没有贴住桌沿。查下去，背景和卡片竟然按不同的区域定位，全屏后自然错开。统一基准再检查，短横屏的卡片里还藏着被裁掉的按钮。

当时的问题界面：按钮偏位、设置页控件溢出、给分弹层裁切。

这些问题让我逐渐理解，为什么一小时能跑，后面还要几天。

外框放得下，里面的按钮未必放得下；两人桌正常，十人桌可能遮挡；同一台手机，横竖屏、普通与全屏也可能不同。Mac 的窗口与网络、iPhone 的键盘与前后台、安卓的机型与权限，又各有自己的问题。

它确实能构建多个终端的安装包。但一套代码装进不同设备以后，仍然得分别看、分别试。

从 Python 服务到桌面包，再到手机 App，本来都是为了方便使用。朋友想玩，不能先学配置环境，出去聚会也未必带电脑。可方便朋友的这一步，把更多设备上的细节带到了开发面前。

那几天，从 iPhone build 30、桌面和安卓 build 38，一直改到 iPhone build 46，小到音色选择框，大到网络切换后重启、重新扫码，都还在调整。源码改好了，手机里是否装着新版，也要核对。

一旦 Agent 无法自己验证，时间就重新落到人身上：连接设备、安装、操作、截图、描述，再等下一版。

到后来，我已经不急着催它“再修一下”了。我更想先弄明白：它看到的，跟我手机上出现的，到底是不是同一个问题？ 不然再改几轮，也可能还在原地打转。

05　最后做出来的围桌，能用来干什么

说了这些折腾，成品也该摆出来看看。

围桌用于线下桌游的共享记分和流程提示。一台电脑或手机启动服务，其他人连上同一个 Wi-Fi 或热点，扫码用浏览器加入。不必人人安装，也不依赖互联网和云服务。

它目前覆盖三种玩法：

炸金花：看牌、闷注、跟注、弃牌、比牌和结算，跟着回合推进。

德州：盲注、全下、主池与边池分配，也提醒发牌步骤。

自由记分：给分、请求收取、多人交换，支持负分和可选奖池，简约或牌桌视图都能用。

房间与身份能恢复，积分和记录同步；收取需要对方确认，房主能撤回错误动作，规则可以编辑和收藏。房主设备负责播报，连续消息逐条播放，避免全桌手机一起响。

下面是 Agent 录制、剪辑的演示：从启动服务、进入大厅，到德州里的 All-in、弃牌和结算。两位玩家的竖屏画面并排放着，可以看到操作如何同步，也能听到行动提醒。

视频约 56 秒，含介绍旁白和游戏对局测试效果

手机界面一览：启动、服务、大厅、两种自由记分视图、炸金花、德州、规则与记录

要注意的是，真实进行桌游时，实体牌仍由人发，胜负由人判断，围桌只负责记分和提示。

现在该项目已经开源，地址已附在文章开头，除了可以直接用 Python 启动网页服务外，端侧也做了一些 build 流程，支持 Mac、Windows、iPhone 和安卓的安装包构建；其中，iPhone 管理较严，需自行签名，构建方法已整理在 README。如果不会构建，召唤 Agent 教你即可。

06　做完之后，我反而更清楚自己该干什么了

回头看，最初那个“让 AI 听大家说话”的想法没有走通，换成“让 AI 帮我做一个工具”，反而做出来了。

朋友用的时候，哪管背后是什么模型。轮到我了，我点一下；没看屏幕，听见提醒再来操作，就够了。我跟 Agent 可以聊来聊去，没必要让朋友记个分也跟着聊半天。

做完围桌，我再想自己爱玩的小游戏、想看的监测仪表，或者按自己的习惯整理东西、记账的小工具，就觉得这些都可以试着搓一个。以前找软件，得看别人做了什么；现在也能从“我想怎么用”出发，做个适合自己的。

但实现容易之后，我并没有少做决定。

自由记分要不要牌桌？声音好听一点，值不值得多等？一个功能已经能用，还要不要继续加？尤其加东西太方便，我更容易忘了，朋友只是想顺手记个分。

TTS 尤其让我体会到，同样是“加个功能”，难度能差很多。把声音播出来是一回事，让数字连读自然、几句话听着像同一个人，又是另一回事。这里已经碰到语音模型本身的能力了，不能指望多改几行代码，就把所有问题都修好。

这次我选的是整句合成、按上下文取片段，再检查最终组合。要是还想更好，或许得换模型、准备更合适的数据，甚至微调，让模型更适合这种播报。但那又是另一份投入了，围桌需要做到哪一步，得由我来拿主意。Agent 能把一个方向展开到成千上万次检查，方向选得不好，也能沿着它折腾很久。

键盘那几天也让我长了个记性。它说完成，我很容易就信了，可背后到底改了哪里，又碰了哪些旧功能，我未必知道。这样一路补下去，项目变成“鸡窝”真不是吓唬人。我就碰到过，修个输入框，最后连 App 都进不去了。

所以后来我会追着问：这次动了哪里？原来的功能查过没有？是在模拟器里看着正常，还是手机上也试过了？隔一段还得让它讲讲程序现在怎么组织，免得我只知道又修了几个按钮，里面已经绕成一团。

有些关系也得早点定好。比如换个外观，不能换一套记分规则；卡片和背景的位置，得按同一张桌子算。不同设备的键盘和声音怎么处理，也得分清。

这些东西在截图里看不出来，下一次改起来顺不顺，却很有关系。早点给它一套成熟的布局和跨端方案，可能比等它修乱了，再陪它来回找问题省事得多。

而且，我自己能用，跟别人轻轻松松就能用，中间还隔着不少事。

围桌现在在同一个 Wi-Fi 下就能玩。如果想让相隔很远的人也能进房间，就得考虑云端服务、数据库存储、域名，以及后续的费用和维护；面向国内提供互联网服务，还要按业务和部署情况处理备案等手续。想改成小程序，大家不用下载安装，入口更方便了，也还有平台适配、审核和备案要做。

即使只做本地 App，也不是打出安装包就能随便发。Windows、Mac 可以走直接下载，仍得考虑签名和安装提示。iPhone 自己连接电脑做开发测试可以用免费账号，但要通过 App Store 或 TestFlight 分发，就要加入付费的 Apple Developer Program，再按渠道走签名、提交和审核流程。代码写得再快，这些事也不会跟着消失。

这次围桌就是先搓出网页版，再一路做成 App。最后确实能用了，但网页里看着正常的东西，到了手机上，键盘、布局、声音又得重新折腾。开始时觉得“能跑就行”，后来才发现，光是让朋友方便地用起来，就有不少活。

再看秒哒、Lovable，以及 Eazo，我大概能理解这类产品在忙什么了：把设计、数据库、登录、预览、发布这些环节接好，让用户从一个想法走到能用的成品时，少自己折腾几道。各家具体能做到什么程度，还得实际试。但做完围桌，我能理解这种需求了，毕竟很多人只想要一个能用的工具，并不想顺便学一遍怎么开发和上线。

这也让我更愿意给它找现成、成熟的办法，而不是每次都从头试。踩过的坑也记下来，不然换次任务、隔几天再改，又得把前因后果重新讲一遍。围桌现在除了代码，还攒了不少这种记录，下次接着做时都用得上。

和朋友聊起 Agent 现在能做到什么，有的还不相信它已经这么强，有的在试却使不上劲，有的会用却不知道做什么，也有的已经拿它做了不少事。我能理解这种差别。只听别人讲，很难知道自己能拿它做什么；亲手做完围桌，才知道哪些活能交出去，哪些判断还得自己来。

现在再碰到自己熟悉的小麻烦，我会多想一下：要不要让 Agent 试着搓个工具？不一定多大，能让几个朋友省点事就行。写代码、做素材这些活它能接过去，我就有时间多想想到底怎么用，做多了还是做少了，再拿到手里试试。

围桌的地址放在前面了，有需要可以试试。我想要的其实很简单：大家扫码进来，顺手把分记了，该谁行动有个提醒，剩下的时间继续跟朋友玩。