AI做完游戏,自己先玩了一遍,还找出了bug

这个窗口的标题栏写着四个字：Agent Playtest – View only。

里面是一个叫 Circuit Craftsman 的小游戏。玩法像接水管：旋转导线，把电接到灯泡上。

正在玩的不是人。

玩到第三关，它停下，冒出一句话：

Agent：“Power reaches the right bulb, but it stays dark.”电到了正确的灯泡，但灯是黑的。

这句话不是吐槽。这是一份精确到不能再精确的 bug 报告——它知道自己把电路接对了，所以问题只可能出在判定上，不在连接上。

然后画面切了一下。它把线重新接了一遍，灯泡亮了。

5 秒里发生的事：报错、改代码、重玩、通过。窗口左上角那句 View only，说明你只是旁观者

我把这段看了三遍。不是因为它有多炫，是因为我突然发现：我们聊了两年的"AI 写代码"，一直在聊它能不能写对。

可没人认真聊过——它怎么知道自己写错了。

这个窗口，就是这个问题的答案。

而且它不是哪个大厂的内测演示。它是一个开源项目，叫 OhMyGame，团队叫 WhiteTowerAI，8 月 11 号上线，现在 1014 个 star，Apache 2.0，今天早上刚发了 beta.4.13。

一个人，一张画布，一整个工作室（本文配图由 AI 生成）

01 它不是"一句话生成游戏"

先把预期降下来，也把预期抬上去。

这类工具我试过不少。"一句话生成一个游戏"的产品，第一次用都会 wow，第二次就开始发现所有东西长一个样。

OhMyGame 的起点确实也是一句话：

“What are we making today?” 然后它开始打：一个解谜游戏，旋转导线点亮小灯泡

区别在于这句话之后它干的活。

它不直接甩给你一个能跑的东西。它先写设计文档，再排画板，再出概念图，再绑 3D 骨骼，再写代码，然后自己打开游戏玩一遍，发现问题就改，改完再玩，最后发布成一个任何人都能点开就玩的链接。

设计文档、美术、3D、代码、试玩、发布——五六个工具的活，被塞进了一个应用里。

所以它对自己的定义不是"生成器"，是"工作室"。你的、一个人的、工作室。

02 "都在画布上"是个技术决定，不是界面决定

这是我翻源码时最意外的一段。

它的核心卖点是"一切都在画布上"——设计文档、概念图、视频、3D 模型并排放在同一块画板上。听起来像个 UI 设计选择，为了好看。

看到它的项目目录，我才知道不是：

canvas/  index.json  boards/<board-id>.json  documents/<document-id>.md  tables/<table-id>.json  assets.json  schemas/*.schema.jsonassets/

画板是 JSON，设计文档是 Markdown，素材是磁盘上的文件，每个目录还配了 schema。

这意味着什么？Agent 不需要学任何新接口。它用它最擅长的能力——读写文件——就能改你的画布。

你在界面上拖一个节点，落盘是同一条 JSON；Agent 在 JSON 里加一个节点，你界面上立刻看到。两边读写的是同一批文件，没有"给 AI 准备的专用通道"这回事。

这才是它敢让 Agent 干活的底层原因：不是给 AI 造了个工具，是把它放到和你同一张桌子上，桌上摆的是同一种文件。

同一张草图，往右长出三个东西：更精的图、一段视频、一个绑好骨骼的 3D 模型

这个"往下长"的过程在真实录屏里是这样的：

一个 Animate 3D 节点。角色在走，左下角的下拉框能换动作——四秒里它换了一次

这些生成结果不是躺在文件夹里的图，它们直接进共享素材库，游戏代码里能引用。中间没有"导出、再导入"这一步。

有个限制特别能说明它的成熟度：一个文本或文档节点，最多连 14 个引用节点。不是随便连。

为什么要有上限？因为连二十个参考进去，模型就抓不住重点了。这种数字不是设计出来的，是踩坑踩出来的。

03 它到底怎么"玩"你的游戏

这是全文我最想讲的一段。

左边是游戏，右边是它看到的东西。椅子空着，因为玩的人不在这儿

开头那个"Agent 在玩"的窗口，技术上是一个叫 game_use 的工具。文档里写得很实，我挑几条你感受一下：

只有五个动作：open、inspect、act、capture、close它开的是一个隐藏窗口，独立分区、开沙箱、关掉 Node 集成截图会从设备像素换算成 CSS 像素，保证"它看到的坐标"和"它点的坐标"是同一个截图作为 JPEG 交给模型，每次请求都重发，所以刻意压小同时最多开 4 个，单次操作 30 秒超时

它还会换着尺寸玩——同一款游戏，桌面尺寸一遍，手机尺寸再来一遍：

左边两栏是同一个游戏的两个尺寸，右边那栏是它边玩边写的记录

到这里，故事如果只讲一半，就成了又一篇"AI 太强了"。

所以我要把另一半也讲了。它的 README 里有一行 HTML 注释，作者写完没删：

目前试玩还是开环的：Agent 先规划一批输入，执行完再看结果，还没有实时反应能力。

翻译一下：它不是盯着屏幕、看见怪冲过来就闪。它是先想好"我按住右键两秒，再按空格"，一口气执行完，然后回头看截图，判断发生了什么。

它是一个会写测试报告、但闭着眼睛按手柄的测试员。

这算缺陷吗？算。动作密集的游戏它测不出手感，快节奏的 Boss 战它过不去。

但我觉得这行注释是整个项目里最值钱的东西。因为它同时说明了三件事：

第一，作者知道边界在哪，而且没打算藏。一行给开发者看的注释，读者根本不会注意到，他本可以删掉。

第二，这条边界是延迟问题，不是智商问题。实时反应要求模型在几十毫秒内做决策，现在的成本和速度都撑不住。这是工程现实，不是能力天花板。

第三，也是最重要的：它没有假装自己验证过。

文档里还有一句更硬的。大意是：接上一个编辑器的 MCP，不等于你能验证游戏。

这句话其实是在划清界限——市面上很多工具把"我能连上你的引擎"说成"我能帮你测试"，那是两件事。它还老老实实写了：Godot 和 Unity 的项目现在压根拿不到这个工具；画面是不是空白，它只能靠亮度和透明度方差去猜，是启发式，不是真的看懂。

一个工具最可信的时候，不是它说自己能干什么，是它主动告诉你哪里不行。

04 三款游戏，三种"对"

光说流程没用，看成片。

这是实时渲染的，不是播片。剑贴着鼻子过来，屏幕中间浮出一个圆环和一个 Space——躲

另外两款，类型完全不同：

海岛建造：一个漂浮码头上的工坊，带升级面板和资源数值

卡牌构筑 Roguelike：哥特风战斗，手牌、能量、格挡全都在

这里说个我自己的判断：AI 生成"一个能跑的东西"，已经不稀奇了。稀奇的是三种类型都能跑到"看起来像成品"这条线。

因为不同品类对"做对了"的定义完全不一样。互动电影的"对"，是节奏和打击感；建造游戏的"对"，是数值不能崩；卡牌游戏的"对"，是组合要有深度。

能同时碰到这三条线，说明它不是靠某个模板凑出来的——它真的在按你说的做东西。

05 门槛：它不卖会员，它要你的钥匙

桌上只有手柄和一杯冷掉的咖啡。剩下的东西都在屏幕里

它自己不带模型，一个都不带。

你得自己接：40 多家服务商，Anthropic、OpenAI、Google、DeepSeek、通义千问、Kimi、智谱 GLM、MiniMax 都在名单上；也可以直接登录你已经在付的订阅；图片、视频、3D 要另外接对应的服务商。

这套设计的好处很实在：不按次收点数，密钥只存在本地的守护进程里，不进 Agent 的工作区、不进你的游戏、也不进渲染进程；做出来的东西归你，能导出 ZIP 搬到另一台电脑。

坏处同样实在：你得先有一把钥匙。

对一个没配过 API 的人来说，第一道坎不是"怎么做游戏"，是"怎么把模型连上"。这件事它做得已经算友好了（能扫码登录、能复用你本机装好的 Claude Code 或 Codex），但对完全的小白，仍然是要卡一下的地方。

还有一句得说：它现在是 Beta。Windows 版没做代码签名，装的时候会弹警告；Godot 和 Unity 的试玩还没接；文档里到处是还在改的痕迹。

这不是缺点介绍，这是实话介绍。你自己判断能不能接受。

06 最后：被拿走的是执行，留下的是判断

回到开头那个窗口。

我一开始以为它的价值是"能试玩"。后来觉得不是。

真正的变化是：做游戏这件事，第一次可以被拆成两层——执行和判断。然后执行那一层，被拿走了。

画面、模型、绑骨骼、写代码、跑一遍看有没有 bug，全是执行。这些它都干得了，而且不慢。

剩下全是判断：这个关卡好不好玩，这个角色丑不丑，这个手感对不对，这个 bug 值不值得修。

这些它替你答不了。它只能告诉你："电到了，灯是黑的。"

剩下那一下，还得你自己来。

门是亮的，里面是黑的。这句话对做游戏也成立

项目介绍里有句很朴素的话：你的一人游戏工作室。

我一开始当它是口号。现在觉得是描述——一个人的工作室里，本来就该有六双手。以前你得招五个朋友，现在你不用了。

但你还是得知道，你想做的那款游戏，到底哪里好玩。

这件事，1972 年做出《Pong》的人在想，2026 年用 AI 做游戏的人还在想。

项目地址，Apache 2.0：

https://github.com/WhiteTowerAI/ohmygame

如果现在给你一个周末和一个能替你干活的 Agent，你想做的那款游戏，一句话说得清吗？评论区说说，点赞最高的那个，我下一篇把它写成分镜提案。