6 天，15 万行：一个人用 AI 写 游戏 ，怎么让它不失控

先摆数字。一个 LLM 驱动 NPC 的武侠游戏项目，我一个人，加一个 AI：

• 6 天（首次提交到现在）
• 437 次提交
• 15 万行代码
• 快 80 条编号决策，每条带理由、带日期

听起来像是来吹牛的。但这篇恰恰不打算聊"AI 写代码有多快"——快是最无聊的部分，今天谁开个 AI 都能快。我想聊反过来的事：怎么让这 15 万行，在第 7 天、第 30 天、第 90 天之后，还敢改。

因为 AI 写代码的项目，最典型的死法是这样的：前三天激情产出五万行，第七天发现没人看得懂——包括三天前的自己，第十天含泪推倒重来，发帖控诉"AI 生成的代码根本没法维护"。

代码挺冤的。错的不是它，是流程。

下面是我们这六天里立起来、并且真的救过命的几条规矩，全部真实踩坑记录，无虚构。

先交代在做的是什么

首先是名字，我暂时先定下的：《人间众生录》，因为最开始的脑洞确实就是希望做一个AI驱动运行一整个游戏世界。

《人间众生录》：开放世界武侠 RPG，每个有名字的 NPC 都有一份"人生履历"——属性从履历推导，经历可以被传授、抢走、弄丢；重要 NPC 接大模型，有记忆，会记得你撒过的谎，并且三个月后用这条谎对付你（设计上是这么希望的）。

底层一句话：模型是外挂大脑，不是操作系统。 LLM 想说什么随便它，但它说的任何话想变成游戏里的实际动作，都必须先过一层裁决。规则脑兜底，没网没 key 照样能玩。

细节后面每篇展开，今天只聊流程。

真正的瓶颈，早就不是"写代码"了

AI 把"把想法变成代码"的成本打到接近零之后，事情就变得很微妙了。

你想要的越模糊，它给你得越快。一句"帮我做个技能系统"，十秒钟后你收获五百行看起来很对的代码——然后你花一下午发现它对的部分你用不上，用得上的部分它没写。

所以现在的瓶颈其实挪了位置：

1. 说清楚你要什么（规格）
2. 知道它做没做对（验收）

这两头没有工程手段兜着，AI 就是把垃圾生产得更快而已。我们全程在跟这两件事搏斗，下面是几条真的立住的规矩。

一、文档写得比代码还狠，但代码说了算

这个项目有 96 份文档。所有代码开工前先有规格，所有文档打架时有一张总纲当裁判。

但真正救命的是反过来的那条：文档跟代码对不上时，代码是老大，然后回头把文档改了。

文档不是宪法，是地图。地图画错了改地图，不是把河填了。这句话写进了维护约定，还配了个链接检查脚本——文档搬家必须全量过一遍相对链接，退出码不是 0 谁也别想合。

没有这条，第六天的你会拥有 96 份互相矛盾的文档，和一个再也不敢相信任何文档的自己。

二、拍板的事，全部编号

项目里有个一直追加的决策清单，快 80 条了。听起来像官僚主义？确实是。但属于救命的那种官僚主义。

举两个真事。

一个公式的较劲。 设计文档写 NPC 记忆衰减是 exp(-Δt / halfLife)。实现的时候发现不对——这是时间常数的语义，不是半衰期。参数叫 halfLife，就该真的半衰，于是实现改成了 exp(-Δt · ln2 / halfLife)，然后回文档里写清楚为什么和原稿不一样。

这事要是不登记会怎样？三周后某个会话读到代码，觉得"这跟文档不一样啊"，热心地"修正"回去——一个安安静静的语义 bug 就诞生了，还没有任何人知道该怪谁。

一次口径变更。 决策 76：修炼速率不做"调低数值"这种一次性手术，改成速率数据化——以后调平衡只改 JSON，不碰代码。理由、日期、影响面，全部记录在案。

编号的意义不是仪式感，是让"当初为什么这么干"变成一次查询而不是一次考古。AI 时代这条更狠：三个月后你换个 AI 会话来改代码，它没有你的记忆，但它读得懂决策清单。

三、批次切小，三件套一起交

最近做完的建筑与粮仓系统，切成了 B1 到 B6 六批，14 次提交。B1 只做"建筑是一种单位，有耐久"，B5 才做到"箱子碎了就打不开"，B6 建筑才真正进世界。

每一批交三样东西：过测试的代码、更新过的文档、一份自审记录。

B3 的自审标题就很诚实："删掉没人读的 ProducingStructures"——上一批的我给这一批的我埋了个没人用的类，自审的时候当场拆掉。

批次多大合适？判断标准就一条：这批里犯的错，下一批开始前能不能被自审抓出来。 能，尺寸就对了；不能，说明切太大了。

四、验收这事，别相信人，相信机器

CI 里跑的不只是编译加测试：

• 编译警告即错误——警告这东西，忍第一条就会忍第一百条
• 测试覆盖率门槛 80%
• lwcheck：全部 JSON 内容（技能、物品、委托）全量校验，写错了明确告诉你错在第几行，不跟你玩"哪里错了自己想"
• 无头服务端自检，必须恰好拒掉 1 条越权指令

最后这条值得多说一句。为什么是"恰好一条"，不是"至少一条"？

因为"至少拒一条"挡不住另一个极端：安全机制写嗨了，把所有指令全拒了，NPC 集体闭麦，游戏变成行为艺术。"恰好一条"同时抓住两种死法——该拦的没拦，和不该拦的全拦。

对 AI 写的代码，机器验收不是什么最佳实践，是唯一稳定的验收方。人会累、会想当然、会看漏，CI 不会，而且它不计较你凌晨三点提交了什么。

五、神秘行为不过夜

三个我们亲手抓出来的怪事。

修为永远不涨。 修炼系统里修为按整数累计，每帧取整——增量不足 1 的部分全部蒸发。玩家打坐一晚上，境界纹丝不动，非常禅。修法是改成小数累计。这个 bug 最阴的地方是它不报错、不崩溃，只是安静地躺在那里违背设计意图，像个卧底。

52 条测试从没跑过。 LLM 网关是 Node/TS 写的，52 条测试从写出来那天起就没进过 CI——CI 只跑 C#。后来盘点才发现：它们手工跑是绿的，过得很好，只是没有任何人保证它们一直过得很好。当天补进 CI。

文档说一个数，代码说另一个数。 逐步排查登记成缺陷票，逐条拍板该信谁，信完回写文档。

规矩就一句话：任何"看起来不对但说不清为什么"的东西，要么当场解释并记录，要么立票带证据（文件行号都得给）。"先这样，回头再说"不允许活过当晚。 因为在 AI 产量下，"回头再说"的意思是"永远不会再说了"。

我们也欠着债

诚实时间。这套流程跑出来的不是净土，是个债写得明明白白的工地：

• 单文件 300 行上限，5 个生产文件已经超了（立了票）
• 有几组同层循环依赖，排进重构批次了
• 最要命的：真实大模型到现在还没接通过，全链路是用打桩的脚本客户端测的

最后一条是故意的。先把"上下文 → 提示词 → 解析 → 裁决 → 应用 → 记忆"整条管道用确定性桩件跑透，先确认咱家水管不漏，再研究水质。桩件的好处是"模型说什么"变成可控变量，测试不再靠玄学。

但风险也明明白白：真模型一接进来，上面所有确定性假设都得重新对账。那是后面批次的事，也是这个系列接下来几篇的主题。

可以抄走的清单

1. 文档即规格，代码是唯一事实——冲突时信代码，然后回写文档
2. 拍板全部编号——"当初为什么这么干"必须可查询，不能靠回忆
3. 批次切小——代码、文档、自审三件套一起交
4. 机器守验收线——警告即错误、覆盖率门槛、数据全量校验，外加"恰好拒绝一次"这种活性断言
5. 神秘行为不过夜——要么解释，要么立票
6. 桩件先行——外部依赖先打桩测透管道，再接真水

这个系列还会写什么

这篇只是开胃菜，流程是骨架，真正有意思的肉还在后面。

后面大致会聊三块：怎么拦着大模型别对游戏世界指手画脚；没有 API Key、甚至断网的时候，这些 NPC 怎么照常过日子；以及一个更现实的问题——每次玩家开口都在烧钱，这笔账怎么算才不会把项目烧死。

有些内容我还欠着实现，边做边写，节奏大概是双周一篇。想看的可以关注一下，更新了就能刷到。

最后

《人间众生录》还在垂直切片阶段。骨架立住了，但离"好玩"还差大量内容——而内容恰恰是这套流程里最不"AI"的部分：写一个属性推导器只要一批，给 NPC 写一段可信的人生，慢得多。

如果你对这个方向好奇——技术侧的，或者单纯想看看一个"NPC 记得你撒过的谎"的世界长什么样——评论区聊，或私信。

顺手一提：本项目里有一套数据驱动的"技能 JSON"的内核，我把它单独摘出来开源了——skill-dsl。方法表、沙箱表达式、注册期校验，24 个测试，去掉了所有项目私货，任何项目都能直接拿走。想找个参考实现，或者打算自己搭一套类似的，可以拿去用。