Spellcaster想用AI把“做游戏”这件事，还给每一个普通人

AI写游戏代码，这件事从2025年起就不再新鲜。

输入一句“做一个横版跳跃游戏”，通用代码智能体很快就能写出角色移动、碰撞检测、计分和胜负条件。页面能打开，角色也能动，看上去一个游戏已经诞生。但真正玩上几分钟，问题才开始出现：生成的平台高于角色的跳跃极限，怪物有动画却没有攻击判定，障碍物的速度和刷新频率叠在一起，组成了一条无法通过的“必死路”。

最棘手的地方在于，这些问题往往不会让代码报错。程序能够运行，游戏却不能成立。这是AI游戏生成的“可玩性黑洞”：代码、规则、数值、地图、素材与玩家行为没有被当作一个整体考虑。每个局部都似乎说得通，组合起来却未必能玩。

01. 为什么“代码能跑”远远不够

许多AI游戏生成工具，本质上仍在做“自然语言到代码”的单步翻译。只要语法正确、依赖完整、页面能够启动，任务就接近完成。但游戏不是一张静态页面，而是一套持续响应玩家行为的交互系统。

一次跳跃能否落上平台，取决于速度、重力、跳跃高度和平台间距；一场战斗是否公平，取决于敌我血量、攻击频率、弹道速度、场景空间和玩家反应时间。这里没有一个孤立参数能够决定结果。AI要生成真正可玩的游戏，就必须理解这些约束如何相互作用，还要在运行中验证自己的判断。

02. 同样是AI做游戏，区别不只在生成速度

与普通代码Agent相比，Spellcaster的差异不只是多写了几段提示词，也不是简单地把几个模型串在一起。两者首先面对的就不是同一种任务：普通Agent关心代码有没有完成要求，Spellcaster关心玩家能不能把这局游戏玩下去。

两者对“完成”的定义也不同。页面成功启动，对代码Agent来说可能已经接近交付，但在Spellcaster中，平台是否跳得上去、敌人能否造成伤害、地图有没有必死路，仍然需要继续检查。发现问题后，系统会判断它出在规则、关卡、素材、数值还是实现环节，再回到对应位置修改。

一个交付代码，一个交付可以继续试玩和迭代的游戏原型——这才是两条路线最核心的差别。

△从基础代码生成结果到主题化可玩版本

03. 一个玩法念头，15分钟值不值得做

在一次坦克游戏原型测试中，最初的要求很直接：做一款足够爽的坦克大战，普通炮弹不够，我希望坦克能够发射核弹。

如果按照传统原型流程，这个想法首先要被拆成地图、移动、碰撞、敌人、弹道、伤害和特效，再等待程序与美术逐项搭建。真正看到爆炸范围、敌人反馈和地图节奏时，往往已经过去数天。如果还要协调多人排期，时间可能更长。

Spellcaster先生成坦克移动、敌人、地图和攻击规则，再把核弹效果加入现有战斗。约15分钟后，第一个可以操作的版本已经能够开火和结算伤害。随后，测试者又提出“地图每局随机生成”，“被摧毁的墙隔一段时间自动恢复”等要求，原型继续沿着同一个想法迭代。

这个版本当然不是可以直接商业发行的成品，却已经回答了原型阶段最重要的问题：核弹加入坦克大战以后，到底是真的爽，还是只在描述里听起来很爽。对独立开发者而言，Spellcaster压缩的不只是写代码的时间，也让一个想法在大规模制作开始前就能先玩一遍。

△核弹坦克爆炸实机画面

04. Spellcaster的答案：让六个Agent组成制作闭环

为了让一段自然语言真正变成游戏，Spellcaster把制作过程拆给六个分工不同的Agent。它们不是同时对着同一份代码各说各话，而是沿着“先创造、再试玩、后修复”的顺序协作。

Rule Agent负责把想法变成可执行的规则，例如将“坦克发射核弹”落实为攻击方式、伤害范围、冷却时间和胜负条件。Level Agent把规则放进具体关卡，安排地图、敌人、障碍和通关路径。Asset Agent则处理角色、场景、特效和界面等视觉内容。

游戏启动以后，Playability Agent会检查核心路径能不能走通，例如角色能否到达终点、玩家是否会落入必败局面；Simulation Agent通过模拟运行观察难度、数值和反馈是否合理。发现问题后，Repair Agent读取检查结果，判断应该修改规则、关卡、素材还是实现代码，再把任务送回对应环节。

六个Agent组成的不是一条生成完就结束的流水线，而是能够反复试玩、定位和修改的闭环。它的价值不在于Agent的数量，而在于创作、验证和修复被放进了同一条制作管线。

△Spellcaster六Agent创作与验证闭环

常规小游戏在15分钟左右即可完成生成，但Spellcaster的作用不只是生成游戏，有时也会把意外转化为新的玩法。一次坦克游戏生成中，AI没有让坦克按常规发射炮弹，而是让它挥动炮管近身肉搏。这个结果虽偏离了常见设计，但经过验证，整套攻击机制在规则与交互上能够成立，游戏也可以正常推进。Spellcaster并没有把它当作bug修掉，而是保留了这个意外产生的机制，形成一种新的玩法。

当AI不再只是复现已有设计，而是在规则约束中不断生成和验证时，也可能走出一条人类没有预先设计过的玩法路径。创作入口也不一定是完整策划：一组可爱的萌宠图片可以变成消消乐；一句关于加班、DDL和老板的吐槽，也能变成“社畜鸟”躲避职场障碍的小游戏。游戏UGC的门槛，正在从会不会开发转向有没有一个值得玩的念头。

△从日常灵感到一个可以玩的AI游戏

05. 从生成内容到生成世界：世界模型是Spellcaster的下一站

过去的AIGC更擅长生成一张图片、一段视频或一份文本，内容交付之后，生成过程也随之结束。但游戏不是一次性的内容，它必须随着玩家的操作不断变化。

现阶段，Spellcaster先把创作者的想法转化为代码和美术素材，再交给游戏引擎运行。团队下一阶段要推进的世界模型路线，则希望跨过这层传统生产链：模型理解眼前的画面、角色关系和玩家刚刚做出的选择，并直接生成游戏的下一幕。

对创作者来说，未来需要描述的可能不再是每一条规则、每一个关卡，而是“我想创造一个怎样的世界”。至于这个世界如何持续回应玩家，将由世界模型在互动过程中实时生成。

让这一步成为可能的，是团队在智能体和世界模型方向的长期积累。Spellcaster背后的DarwinMind（杭州达迩文智能）长期布局多智能体系统与世界模型方向，核心成员来自浙江大学、南京大学和澳大利亚国立大学，联合创始人中包括多位浙江大学博士生导师，长期从事世界模型、多模态大模型和智能体系统研究。

感兴趣的读者可通过官方通道报名体验：https://www.spellcaster.world/releaseplan