游戏业大佬探讨:AI如何改变游戏编程?程序员招聘标准彻底变天

从全民“养龙虾”的热潮，到GDC大会上激增的AI议题，AI应用近期成为整个游戏圈最关注的话题。相比于美术、动作生成、AI NPC等诸多领域的应用实践，编程一直被视为AI的理想应用领域。

有研究指出，优秀程序员日均产出常为100–150行高质量代码；根据行业调研和腾讯内部数据，‌以代码编写为主要工作的程序员，日均有效新增代码通常在100–200行之间——AI编程工具的落地，正在悄然弥补效率不高的明显短板。

如海外的Claud code，国内也有腾讯对外开放的CodeBuddy等工具推出，编程正以前所未有的速度被AI重塑，高效、稳定地完成大量过去需要初中级程序员耗费大量时间、精力才能完成的工作。

当然，AI在编程领域扮演的角色，从来不是替代者，而是“赋能者”。AI编程现阶段的价值在于，替代初级程序员和经验不足者的部分工作，将他们从重复、基础的编码任务中解放出来，也在无形中进一步拉高了头部程序员的价值。

去年Unity大会上，腾讯天美客户端主程余煜谈及Vibe Coding的现状时表示：“AI的兴起需要很多专家来赋能，让我们这些35+的大龄工程师又迎来了职业第二春。”AI时代的程序员更需要具备与AI协作、驾驭AI解决复杂问题的更高阶能力，因此经验丰富的头部程序员变得更加重要。

近期，《EVE Online》开发商CCP Games高管、《Rust》开发商Facepunch Studios的创始人Garry Newman等多位从业者在接受外媒采访时提到，AI正在加速当下的游戏编程效率，但仍然离不开经验丰富程序员的判断力。

与此同时，专注于企业级AI编程助手与AI智能体的明星初创公司Augment Code发布了自己的招聘公告。他们强调，当 AI Agents能够承担99%的实现工作时，程序员招聘逻辑正在迎来一场系统性重构。

AI编程扮演“辅助”角色，开发者判断力仍是主导

《EVE Online》开发商CCP Games的游戏工程总监 Kristinn Þór Sigurbergsson表示，该公司正在“广泛使用 AI 工具开展代码相关的工作”。但他补充道：“AI的实用性很大程度上取决于手头的任务”。

对于这家冰岛工作室来说，AI模型的吸引力之一在于，它们可以帮助开发者快速掌握“庞大且成熟的代码库”，如他们已有23年历史的MMO的代码库。

Sigurbergsson 解释道：“使用 Cursor 或 Claude Code等工具打开项目，可以让你迅速上手。它们在代码库导航、总结和跨文件逻辑追踪方面尤其强大。”但他补充说，AI可以用于调试，但直接要求给出解决方案时“收效甚微”。

他还指出：“AI给出的建议常常是屏蔽某条日志记录，偶尔这样做是对的，但多数情况下并非如此，仍然需要经验丰富的判断力。”

CCP 负责人表示，使用AI后最大的不同在于，开发人员花费更多时间在规划和审查阶段，减少了代码编写的时间。“一个有趣的现象是，团队在规划阶段往往更大胆，”他说道。“「犯错的成本」降低了，因为迭代实现起来更快。这使得精力更多地投入到设计思维，而非敲代码。”

CCP开发者也在《EVE Online》中使用 AI 来测试功能或行为。Sigurbergsson 表示，这些“很少是可以直接用于生产的代码，目的也不是如此——但它作为一种沟通和探索工具非常有效”。

但他表示，最大的变化体现在非生产代码方面，AI在该领域实现了“变革性”影响。

“我们经常需要编写一些小型脚本来生成数据、调查问题或自动执行一次性任务，”Sigurbergsson说：“这种情况下，我们更关心输出结果，而不是代码的优雅程度。编写脚本与手动工作的价值主张已经发生了巨大变化：以前可能需要半天才能完成的事情，现在几分钟就能搞定。”

独立游戏界元老、 Positech公司的Cliff Harris同样对AI着迷，他形容使用Anthropic的Claude编程“改变了人生”。

“过去一年，我对C++晦涩算法和优化方法的了解，比过去十五年加起来都多，”他在外媒采访中提到：“1981年我11岁就开始编程，至今已有45年的开发经验。我发现，仅仅借助Claude交流想法、查找bug就非常有用。任何不使用TOP级的最新大语言模型（ LLM）编程的人，都是在自缚双手。”

《Rust》《Garry's Mod》的开发商Facepunch Studios的创始人Garry Newman也表示，AI可以让他的工作更轻松。他指出，使用ChatGPT 或类似的工具向他解释某些事情，而不是使用 Google搜索，是“编程的一次进化”。

“如果我想重构代码，不需要花10分钟把同样的代码复制粘贴到30个不同的文件中；我只需要花5分钟和Claude争论一下，让它替我完成。”

Newman补充道，他不担心AI会取代像他这样的程序员，反而认为这项技术让他的工作能力更强。

“有人担心AI会让任何人都能胜任我的工作，但我并不这么认为。它让我成为了一名更优秀的程序员，让我工作效率更高。我从中学到了东西。也正因为有了它，我才成为了一名更优秀的程序员，”他解释道。“我并不担心，反而很兴奋。”

同样地，Mode 7 的 Paul Kilduff-Taylor也认为AI在编程中扮演着“辅助角色”。他表示：“我接触过许多经验丰富的程序员都使用AI快速查找资料、获取提示，当前‘推理’模型幻觉程度很低，在这方面很有效。将AI定位为‘辅助角色’，如提供优化或调试建议、快速查询文档或作为咨询工具，变得越来越普遍。”

“幻觉”引发普遍担忧，AI编程仍然无法取代程序员

虽然许多开发者都对AI在编写代码方面的帮助印象深刻，但也有人对此表示担忧，或者认为这项技术存在严重局限性。

Kilduff-Taylor也承认，AI的出现让开发一款游戏“从未如此容易”，但这项技术在输出方面存在一些局限性。最重要的原因是，人类创造事物的方式与AI不同。

“在不熟悉且无法控制的结构中处理自己不理解的代码，扩展性极差，而且目前商用AI系统还无法涵盖像整个Unity项目这样庞大内容的上下文窗口。”他说道：“这就是很多‘哇，AI做出游戏’的例子通常使用非常轻量级的框架，或者最终只是简单原型项目的原因。”

Stray Bombay的 Chet Faliszek 也对完全理解最终成果表示担忧，他一直以来都是对AI炒作直言不讳的批评者。

“它能帮你编写一些小型、独立的系统吗？当然可以。代码就是代码，你通常不需要重新发明轮子，”这位Valve老员工说道。“但举个例子，我在学习Godot的同时也在重新学习C#——我想要的不仅仅是一个我看不懂的最终成果。我想理解并亲手实现它，这样我才能明白它的优势所在。在这个过程中，你会学到一些零碎的知识，让你思考：‘等等，如果我这样造成损害，那就意味着我可以改进它，或者提供这类升级选项’。”

前Rebellion员工 、Kythera AI 的技术总监Bram Ridder 也表达了类似的担忧。他表示，虽然他曾用生成式AI生成过基本的“样板”代码，但他通常会避免使用生成式AI，“因为它会剥夺你理解和学习的机会。它是一个有用的工具，但任何人都不应该依赖它。”

开发者们对AI输出内容的准确性普遍感到担忧。至少目前来看，生成式AI模型容易出现“幻觉”，即自信地呈现错误信息。

“我使用AI，更多是为了就我知识范围之外的特定问题进行头脑风暴，”Huey Games 的高级程序员 Adam Grimley 说。“即便如此，我通常也会对它们的答案持保留态度，并会对照论文、人工撰写的博客和教程反复核对。这是一个非常缓慢的过程，通常只有在我觉得已经用尽了其他所有方法后才会使用。”

曾任Bithell Games和Roll7的首席程序员、资深技术总监 Alex Darby补充道：“我上次使用 AI 时，发现AI编程工具非常无用且令人沮丧；所谓感觉到速度提升不过是‘它可以无限快速地打字，但至少有 10-15% 的时间会生成无意义的内容’。”

“当我意识到它不可靠，而且不能信任它生成的代码时，我最终花费了大量时间阅读、验证和纠正代码，这还不如一开始就自己敲代码来得快。”

《Fallen London》开发商Failbetter Games的高级程序员 Hannah Rose 表达了同样的担忧，她质疑像 Copilot 这类从 Stack Overflow或YouTube 教程中提取代码段落的模型的价值。

“直接从公共代码库中复制大段代码用于你的项目，可以节省你手动编写代码的时间，但即便在最好的情况下，你仍然会花费一些时间来审查这些代码。而且大多数情况下，你最终要么需要修改它，要么干脆把它全部删除，”她说道。“这是在节省敲代码时间和耗费思考时间之间做权衡。我很少觉得敲代码速度是我工作效率的主要限制因素。”

Subset Games的Matthew Davis将AI描述为“完全不可靠的编程工具”，除了自动完成功能之外，它还“不能被指望能制造出可靠且可用的东西”。

“如果让它生成更长的解决方案，我最终花在调试上的时间，必然比我自己敲代码所花费的时间还要多。”他继续说道。“而且，创建一个你并不完全理解的大型代码库，会使长期技术债务呈指数级增长。就目前而言，AI充其量只是一个效率低下、成本极高的工具。”

除了对准确性的担忧之外，其他开发者还对生成的代码的性质以及人工智能如何迫使他们改变工作方式感到担忧。

Failbetter 的后端 Web 开发人员 Jem Frisby 将大多数 AI 生成的代码描述为“垃圾”。在她看来，问题不在于技术本身，而在于如何确定其运行的优先级。

“它的架构很糟糕，很脆弱，而且完全不考虑性能，”她解释说。“更糟糕的是，它强迫你去适应它；你必须接受它提供的功能，然后想办法让它与你已有的内容适配。软件开发是一项协作工作，没有人喜欢和那种‘要么听我的，要么滚蛋’的人一起工作。”

Huey Games 的首席技术官 John Ogden表示，虽然AI在功能层面“有一定用处”，但在架构层面却行不通，“它并不能完全取代程序员。”他认为在主机游戏开发领域就能看到AI的不足，这是因为主机游戏的封闭性造成的。“AI在这方面的训练非常有限。”

他眼中最坏的情况是，开发者利用AI创建了大量需要人工调试的代码。“任何与某个系统打交道一段时间的程序员都会对该系统有一个心智模型，尤其是那些参与编写该系统的程序员，” Ogden说。

“但一大堆AI代码会破坏这一切。AI不会在半夜突然意识到系统的某个方面出了问题，也不会在晚上思考是否有更好的实现方法。你实际上已经在研发过程中剔除了通用智能的所有相关部分。”

对AI用于编程表示担忧的人当中，也有声音人认为未来这项技术或许能像鼓吹它的人所说的那样发挥作用——但首先要克服一些重大障碍。

Alex Darby认为，要让AI生成的代码在公司范围内发挥作用，唯一的办法就是围绕它构建整个工作流程。“我认为科技公司更有能力利用这种方法，因为它们大多采用‘大规模自动化测试和持续交付’的流程，”他说道。

“这需要采用不同的软件架构方法，相应地，任何一段代码往往更具模块化和独立性，以便于测试。因此，编写代码所需的上下文信息就更少了。”

与此同时，Mode 7 的 Kilduff-Taylor 认为，AI在游戏编程领域广泛应用的主要障碍是上下文信息。

“AI可能非常愚蠢，也可能出人意料地强大：一方面是‘随机鹦鹉学舌’式愚蠢的自动补全功能，另一方面是物理学领域的重大新发现，两者之间存在着巨大差异，”他说道。“上下文、框架和辅助系统是关键所在。”

他总结道：“在游戏领域，我们还没有合适的框架来解决这个问题。有人认为这是无法克服的。就我个人而言，我没有足够的洞察力来对此做出有效的判断，尤其是从长远发展方面来看。”

AI原生程序员招聘新标准：比起编程能力更看重判断力

随着程序员开始与功能日益强大的AI代理协同工作，其工作性质正在发生转变。AI时代的程序员该具备什么样的能力，Augment在招聘过程中率先提出了新标准。

Augment认为，目前程序员花在编写代码本身的时间正在减少，花在决定应该构建什么、设计能够在生产环境中稳定运行的系统、协调代理以及使团队围绕明确的目标达成一致上的时间增加了。

编程能力仍然很重要，但越来越多的时候，AI可以帮上忙。现在对程序员而言更重要的是判断力：选择正确的问题、做出合理的架构决策，以及引导人类和代理朝着有意义的结果前进的能力。

Augment认为，在AI原生工程中，人的角色正在从作者转变为架构师和编辑。你要定义意图，做出设计和权衡决策，设定规则，关注用户体验，并成为质量的最后一道防线。因此，他们认为AI时代的工程师需要具备六项关键能力。

1.产品及成果判断力

我们是否在构建正确的东西？

随着代码生产成本的降低，最昂贵的错误莫过于开发出错误的产品。程序员越来越需要在开发开始前深入研究用户问题、消除歧义，并在实施开始之前定义明确的结果。最有价值的程序员并非编写代码最多的人，而是确保团队解决正确问题的人。

2. 系统与架构判断

这能在生产环境中经受住考验吗？

代理可以生成可运行的代码，但它们在判断周围系统是否可靠方面却远不如人类。架构判断仍然需要理解长期的权衡取舍、实际运行情况以及规模化过程中出现的潜在风险。“它能用”很容易，“它在生产环境中能持续有效”则困难得多。

3. 代理杠杆

你能否将AI转化为实际的工程吞吐量吗？

精通AI的程序员并非仅仅将代理作为辅助工具。他们会精心设计问题，引导它们能够高效执行，并在代理偏离方向时进行引导，验证其产生的结果。可以把它看作是委派——只不过你的下属速度极快，偶尔会自信地犯错。

4. 沟通与协作

你能否清晰地表达意图并跨视角进行协作？

随着项目实施速度加快，越来越多的工作转向澄清问题、权衡利弊，以及整合团队不同成员的意见。程序员越来越需要清晰地沟通、认真倾听并迅速建立共识。最快的团队不是编写代码最快的团队，而是最快理清思路的团队。

5.所有权与领导力

你是否注重结果，而不仅仅是任务？

优秀的程序员会对最终结果负责，而不仅仅是他们负责的代码部分。当遇到阻碍项目进展的问题时——无论是构建缓慢、工作流程不清晰，还是系统间存在缺陷，他们都会主动介入并解决问题，即使这超出了他们的职责范围。拥有所有权，意味着排除一切阻碍团队取得成果的因素。

6.学习速度和实验心态

你能否跟上工具的发展速度？

我们今天使用的工具，不会是三个月后使用的工具。在这个行业里，优秀的程序员会不断进行实验，快速改变工作流程，并在更好的方法出现时放弃旧的方法。实验并非一时兴起，现在是工作的一部分。

Augment认为，只有当一个框架能够改变你的招聘方式时，它才有意义。下一步是将这些维度转化为可观察的信号，即可以在面试过程中评估的行为。例如，候选人能否迅速澄清一个含糊不清的问题？他们能否在生产环境中出现架构风险之前就识别出来？他们能否有效地指导和验证AI生成的作品？

基于此，Augment确定了四种主要招聘方向，作为他们近期招聘工作的核心。

其一，AI原生系统工程师：具备卓越的架构判断力和深厚的架构直觉。负责确保基础架构稳固，以便各部门能够在其上快速发展。

其二，AI原生产品工程师：拥有卓越的产品品位和用户同理心。专注于定义正确的问题，并不断迭代以实现真正重要的成果。

其三，AI原生应用AI工程师：深入理解模型及其有效构建方式。负责提升代理和工作流程的能力。

其四，AI原生初级专业人士：学习速度高于一切。那些以代理为首要原则成长起来，能够随着工具和工作流程的变化快速适应的工程师。

每个职位描述对六个维度赋予的权重都不同，并且每个职位现在都有一个围绕该职位最重要的信号构建的面试流程。

Augment认为，重新思考招聘的一个附带的好处是，它迫使其明确表达自己的工程价值观。这六个维度不仅影响招聘，还影响Augment对绩效、成长和职业发展的看法。如果判断力、影响力和学习速度最重要，那么这些能力应该无处不在，而不仅仅是在面试中。