游戏还没发售,已有人用AI复刻出山寨版疯狂变现

一个游戏还没正式发售，另一个平台上，已经有人玩上了它的山寨版。

今年 3 月，开发者 Freya Holmér 把自己做的一个游戏原型发到了网上。视频只有 50 秒，玩法也很直观，有点像俄罗斯方块，但放下一块方块，整块棋盘就会旋转。

她还在探索这个点子，类似的版本就陆续出现了，有的甚至进了手机应用商店。

其中一个版本叫 Rotris。制作它的 Charlie Greenman 承认，自己看到了 Freya 展示的玩法，给 AI 提了几次要求，花了大约一天，就做出了自己的版本。

看着一段演示，把里面的玩法重新做出来。这件事的速度，已经很难让人忽视了。

AI 刚开始会写代码的时候，大家还会围观它做个网页、写段小程序。现在，人们已经在拿它重做熟悉的游戏和软件，有些尝试，还做成了生意。

Pieter Levels 就借助 AI，做了一个浏览器里的飞行游戏，叫 fly.pieter.com。

他玩微软飞行模拟器时，嫌加载和更新等得太久，想做一个能快速打开、直接飞起来的版本。于是，他挑出自己想要的飞行体验，一边让 AI 帮忙开发，一边把过程发到 X 上。

Levels 报告，项目开始开发 17 天，就达到了 100 万美元的年化收入规模。也就是把当时的收入速度，按一年折算。

曾经，AI 横空出世时，大家想象的是：一个人借助 AI，把熟悉的体验做成一个更轻的产品，再获得商业收入。

现在，这条路，已经被人走通了。

当然，他后来也把这款游戏归进了赚过钱、但难以持续的项目。做出产品以后，玩家为什么还愿意回来，生意怎样继续，仍然要接着做。

但从想做一件事，到真的有一个东西能拿给别人用，中间那段路，正在被 AI 缩短。

无独有偶，REA 最近登上 GitHub 热榜，已经收获超过 23 万个 Star。

REA 爆火初期的 Star 增长曲线。

REA 的全名是 Reverse Engineer Anything，逆向一切。它配套的技能，会教编程助手怎样使用研究程序的工具，去弄清楚一个软件的功能是如何实现的。

用普通人的话讲，你看中一个软件里的功能，就可以让 AI 去研究，再帮你做一个适合自己需求的版本。

过去，这类工作需要人自己熟悉一套专业工具，再一点点读程序。REA 把这些工具接给 AI，让编程助手可以继续往里研究。

这股重做软件的浪潮里，还有一个更大的尝试。

开发者 Brandon Thomas 借助 Claude，把目标放到了 Adobe 全家桶上。

Photoshop、Illustrator、Premiere Pro、Lightroom、After Effects、InDesign、Acrobat，这些熟悉的产品，都有了对应的开源项目。图片编辑、矢量绘图、视频剪辑、排版和 PDF 处理，一口气铺开了七个方向。

FilmCraft 的视频剪辑界面，下方是多轨时间线。

其中的 PhotoCraft，重新做出了图层、蒙版、调色等图片编辑能力。这些软件还在早期，专业工作里的一些细节仍要继续完善，但一个人已经能借助 AI，组织起这样一组产品的开发。

PhotoCraft 的图片编辑界面，右侧是调色和图层面板。

ArtCraft 的桌面编辑器免费开放，另外提供收费的 AI 图片和视频生成服务。工具让用户先用起来，收费服务接住下一步的需求，也给了我们一种商业上的参考。

而用 REA 研究具体软件功能的尝试，在社交媒体上也已经出现了不少。

经常分享 AI 编程经验的开发者宝玉，也用 REA 研究了 Claude Slides 的编辑器，再用 Claude Code 整理重写，把相近的编辑能力接进了自己的 BaoCut 产品。

选中内容、调整格式，再把修改意见送回对话，让 AI 继续处理。一个已有产品，就这样增加了一块自己需要的能力。

Simon 聊 AI 则拿 Screen Studio 做了尝试。这个录屏软件有个很讨喜的效果，录完以后，画面会自动跟着鼠标放大，观众更容易看清你点了哪里。

他用 REA 研究自动缩放的处理方式，再让 Claude Code 写一个自己的版本。按他的说法，大约半小时，就出了第一版样片。

这些尝试有的盯住一个编辑器，有的盯住录屏里的自动放大。原来藏在成熟软件里的一个细节，现在可以被单独研究，再做进自己的工具。

为了验证 REA 的效果，我也用自己电脑上的 Pixelmator Pro，做了一次小尝试。

它是一款 Mac 图片编辑软件。我先挑了两张图片混合这一项功能，想把它做成一个独立的小应用。

我先把下面这段安装指令发给 AI。

https://github.com/morluto/rea 安装这个项目，告诉我怎么用。

然后，我就静静等待，让 AI 自己完成技能和配套程序的安装。

安装好后，操作流程比我想象的还要简单。我就直接把想复刻的软件告诉 AI，让它帮我研究怎么复刻，并告诉它，要利用 REA 这个技能。

需求可以像这样说，研究 Pixelmator Pro 的图片混合功能，先做一个能导入两张图片、切换混合方式、调整透明程度，并导出结果的 Mac 小应用。

后面研究程序、写代码、编译和检查结果的工作，由编程助手继续完成。我不用先学会反编译，也没有自己一行一行写代码。

最后做出来的工具叫 Layer Lab。放进两张图，选普通混合、正片叠底或滤色，调一调上层的透明程度，就能看预览、导出图片。

短短十几分钟，AI 就自动帮我做出了这部分功能，并且打包成了一个可以正常运行的程序，就差发布了。

我还可以继续给 AI 提需求，让它自己检查、优化。而整个过程，不需要我懂任何代码。

这个过程让我感触很深。

一个以前要先懂开发、懂工具，才能动手尝试的事情，现在可以先从把需求说清楚开始。技术工作仍然存在，但 AI 已经能接过其中很大一部分。

再往前看几年，这样的事情有多难？

2019 年，玩家团队完成了《超级马里奥 64》的反编译，把游戏里的程序一点点重建成可以阅读的代码，花了约两年。

《超级马里奥 64》后续 PC 移植版的运行画面。

2021 年，《塞尔达传说：时之笛》的一项完整代码重建也告完成。几十个人参与，前后同样用了近两年。

《塞尔达传说：时之笛》的游戏画面。

他们追求的是重建整款游戏的代码。我这次先做一个小功能，范围小得多。但过去需要专业人员长期处理的那些研究、编写和检查工作，今天已经有越来越多环节能交给 AI。

曾经让很多人连尝试都不敢开始的门槛，正在变低。

你做设计，想要一个符合自己习惯的图片工具，可以开始跟 AI 讨论。你做内容，发现录屏里少了一个顺手的功能，也可以试着把它做出来。一个懂自己工作、知道哪里麻烦的人，多了一种把经验变成产品的办法。

这件事让我越来越觉得，行业之间的边界，会随着工具的变化重新划分。

以前做软件，要找开发；做视觉，要找设计；写推广，要找文案。不同的人把各自的一段接起来，才能把一件事往前推。

现在，一个人已经可以借助 AI，参与更多环节。把需求写清楚，让 AI 帮忙研究和开发；做出版本，再让 AI 协助整理素材、制作内容、分析反馈。原来分散在几个岗位上的工作，可以围绕同一个目标组织起来。

对于关注 OPC 的朋友，这种变化尤其值得亲自试一试。

你熟悉一个行业，知道哪些人遇到什么问题，就可以更早做出一个工具或服务，拿去解决那件事。有了结果，再谈改进、交付和收费，机会也就变得具体了。

我越来越相信，未来，一个人借助 AI，就有机会把一家小公司的工作链条组织起来。开发、设计、内容、运营，可以有一组 AI 帮你接着往下做。

你来确定方向，理解用户，检查结果，再决定下一步。

一个人的判断，加上一组能持续执行任务的 AI，可以让原来需要一个团队才能启动的事情，更早开始运转。

从一个游戏玩法被快速重做，到专业软件里的功能变成自己的小工具，这些变化已经出现在我们眼前。

你心里也许一直有个想法，只是每次想动手，都会被一句“我不会”劝退。

现在，可以把它拿出来，先让 AI 帮你做出一个能试的版本。

别用过去的“我不会”，给未来的自己设限。

我是大欢，会继续在这里分享 AI 的真实实操，以及一个人把想法做成产品的过程。

如果这篇对你有帮助，欢迎点个赞，也可以关注“大欢聊OPC”。我们下篇继续聊。