跳至内容

08 AI 协作工作流

所属专题:小岛物语 · Godot 游戏开发

这个项目的实质是一次“AI 分工开发”的实践:一个 Agent 当策划和验收,另一个 Agent 当程序员,人类用户当制作人。本文记录这套流程具体怎么运转,以及中途做过的调整。

8.1 角色

角色由谁担任做什么不做什么
制作人用户提需求,在关键分歧上拍板,试听试看不写代码
策划 / 美术总监 / 验收Claude调研、写规格、生成和挑选素材、写任务书、跑测试、看图、读 diff、写下一批问题原则上不写游戏代码(Batch G 例外)
实现Codex(通过 codex-delegate)按任务书写代码、测试、工具脚本,交付实现说明不改规格、不改被保护的文件

这次这样分,是因为验收时既要问“这段寻路能不能跑”,也要问“这座桥看起来像不像桥”。让一个角色先定标准、再看结果,另一个专心写实现,比较容易发现两者之间的落差;不是所有项目都得用两个 Agent。

用户需要拍板的几个地方:

  • 拆成小批次(流程层面);
  • 走路动画用 klein(美术方案);
  • BGM 四个时段都用 MIDI 版(听感);
  • Codex 额度用完后由 Claude 自己上(资源)。

8.2 从“一次性交付”到“小批次”

v1 是整包交给 Codex 的:一份完整的 DESIGN.md,加一份任务书,Codex 连续工作约 42 分钟,交付了全部代码、数据、测试和截图模式。

v1 验收发现了一串视觉问题。用户随即提出:

我觉得你是不是需要给到 codex-delegate 的任务稍微拆一下,然后他干完一个你验收一个这样的,而不是一次性全部给他,最后再验收。

之后所有工作都改成小批次:

批次规模内容
A2 个问题抠图残留、灯光偏绿
B3 个问题桥的方向、土路、海岸线
C3–4 个问题桥栏杆、HUD、商店面板、动物语导出
D3 个任务走路帧处理、帧播放、测试截图
E / E-fix1 个功能 + 修复TTS 配音;代理、音量、截图稳定性
F / F-fix1 个功能 + 修复BGM;存档隔离、夜曲静音
G1 个功能演示视频(Claude 实现)

小批次的好处在后面几批很明显:

  • 每批改动范围小,git diff 一眼能看完,越界改动很容易发现;
  • 问题在出现的那一批就被抓住,不会叠加到最后;
  • 用户能在中间插入新需求(走路、配音、BGM、视频),不用等“全部做完”。

8.3 任务书怎么写

每批任务书只写 2–4 个具体问题,每个问题包括现象、要求、边界,最后是完成标准。Batch B 的任务书节选:

Batch A 验收通过:栅栏抠图干净,夜灯暖色。下面是 Batch B:地图与地面观感。
只改地图生成、地面渲染和桥,其他系统(对话、商店、存档等)不要动。

## B1. 桥的方向不对
截图 03_river_bridge、12_night 里,两座桥的木板是顺着河流方向铺的,看起来像漂在河里的木筏。要求:
- 桥横跨河面。河是南北向,桥就是东西向……
- 寻路:桥格可以走,桥两侧的河水格仍然不能走。保留或补充一条测试,断言河两岸只能经过桥格互通。
……
## 完成标准
- 重新运行地图脚本后 data/npcs.json 和 data/items.json 不变,用 git diff --stat data/ 确认;
- 所有物件不能落在水上或路中间,所有门都能寻路到达;
- tests/run_tests.gd 全部通过,截图模式重跑后,亲自看 03_river_bridge、17_island_overview、01;
- 最后的回复里给出测试命令的实际输出,以及你改了哪些文件。

几个要点:

  1. 开头先说上一批的验收结论。 让实现方知道哪些已经确认,不要再动。
  2. 现象引用具体截图文件名。 “截图 03_river_bridge 里木板顺着河流方向铺”比“桥不好看”有用得多。
  3. 要求写成可检验的形式。 “土路面积不超过陆地的 15%”“视觉水陆边界偏差不超过约半格”,验收时可以直接测量。
  4. 明确边界。 “其他系统不要动”“只允许 map.json 变化”。
  5. 要求测试随功能一起交付。 每个问题都附带“补一条测试断言……”。
  6. 要求交付实际输出。 不接受“测试通过”四个字,要原始输出和改动文件清单。

修复类任务书(E-fix、F-fix)还会先给出验收方的诊断,并要求实现方先判断问题属于哪一类(比如“测试隔离问题”还是“游戏 bug”),再决定改哪里。

上面节选的是当批交给实现方的任务书;它说明了要看哪张图、保护哪些文件,不代替验收结果。

8.4 当时那版插件怎样派工

这些是本项目使用那一版插件时的观察,不是今天各版本的操作保证。实现批次接续同一会话(--resume-last --write),任务书仍需交代边界,不能指望会话自己记得。后台派发时不在外面套超时器,因为监控进程也可能被一并终止。

状态页只露出很短的进度,任务日志更有用:它能核对已经发出的命令、退出状态和实现方写出的说明,不是对完整思考过程的记录。E-fix 遇到容量不足时要先确认这一批没有完成,再重新派发。

8.5 验收循环

           ┌───────────────────────────────────────────────┐
           ▼                                               │
  写任务书(2–4 个问题 + 完成标准)                          │
           │                                               │
           ▼                                               │
  Codex 实现(后台),我盯任务日志                           │
           │                                               │
           ▼                                               │
  读 Codex 的交付报告                                       │
           │                                               │
           ▼                                               │
  自己跑:导入 → 冒烟 → 测试 → 截图                          │
           │                                               │
           ▼                                               │
  亲眼看截图 / 检查图 / 试听;读 git diff                     │
           │                                               │
     ┌─────┴─────┐                                         │
     ▼           ▼                                         │
   通过       有问题 ──► 写进下一批(或 fix 批)任务书 ──────┘
     │
     ▼
  git add -A(暂存作为基线,不 commit),向用户汇报

几条执行细节:

  • 不和 Codex 同时跑引擎。 v1 验收时一次 --import 崩溃(0xC0000005),原因就是和 Codex 同时导入同一个工程。
  • 只暂存,不提交。 每批验收通过后 git add -A,下一批的 git diff 就只显示新改动。commit 留给用户决定。全部批次完成后,用户要求上传远程仓库,才做了第一次提交并推送到 Gitee。
  • 验收结论用用户能看懂的话汇报。 只说改了什么、效果如何、还有什么需要用户决定,不贴测试日志。

8.6 什么时候策划方自己动手

原则上策划方不写游戏代码,但有几类工作一直是策划方自己做的:

  • 调研和规格:DESIGN.md、各批任务书;
  • 素材生成和挑选:ComfyUI 出图、选图,klein 改图、选帧(实现方只写处理脚本);
  • 接口探测:TTS 接口的参数、UA、代理问题都是先摸清楚再写进任务书;
  • 对比实验:走路动画的三种模型对比、ACE-Step 的 AI 曲候选和试听页;
  • 最后一批:Codex 额度用完后,Batch G 的导演脚本、录制工具和测试都是 Claude 自己写的,验收流程照旧。

8.7 经验教训

  1. 这次小批次更合适。 v1 一次交完,验收才看见桥、岸线和商店面板都有问题。分批后,下一张任务书可以直接引用刚看过的那张图。
  2. 任务书的质量决定实现质量。 引用截图文件名、给可测量的标准、划清边界,比任何“请认真实现”都有效。
  3. 实现方报告“通过”不等于真的通过。 本项目所有被发现的问题,在实现方的报告里都是“通过”。验收方必须自己跑、自己看。
  4. 两个 Agent 的运行环境差异本身就是测试资源。 Codex 的隔离环境和验收方的真实环境不同,正是这个差异暴露了测试读真实存档的问题。
  5. 人做关键选择。 走路动画方案、BGM 风格这类主观判断,给用户准备好对比材料(对比图、试听页),让用户拍板。
  6. 配置记得住选择,不能替你保管原件。 要换一张图,原候选还在,才可以改清单重跑后处理;否则要重新准备模型、生成并挑图。换声还依赖对应服务,重渲染音乐需要音色库。哪些成品留了、哪些候选没归档,见已知问题与后续方向。

本文写作中使用了 AI 辅助。文字采用 CC BY-NC-SA 4.0 许可。

最后更新于