一个人加一群 AI Agent，如何做出一个要上架 Steam 的武侠游戏

独立游戏制作人 Nenly（B 站 / 全平台账号「Nelly 同学」）在 WaytoAGI 社区直播中，完整拆解了他用 AI 全链路开发一款武侠题材动作 Roguelite 游戏的过程。从策划、编码、美术、动画到音乐，他一个人完成了 80 门武功、200 多件道具、50 多个敌人的内容量，游戏已提交 Steam 审核。本文适合想用 AI 做游戏、或对「一人公司」式 AI 工作流感兴趣的开发者阅读。

项目概况：两个半月，一个人，一款 4A 游戏

▶ 10:14 · 看这一节

Nenly 此前是 AI 博主，做过 SD WebUI / ComfyUI 生图教程，也做过 AI 偶像团体 MV。今年他给自己定了一个新身份——独立游戏制作人。他开发的是一款武侠题材的动作类 Roguelite 游戏，对标《吸血鬼幸存者》《土豆兄弟》：玩家在小竞技场面对四面八方涌来的敌人，通过击败敌人获得经验升级，购买武功秘籍和道具，搭建自己的 build 通关。

截至分享日，游戏已开发约两个半月，内容量包括 80 门左右不同形态的武功（外功、内功、轻功）、200 多件道具、50 多个敌人，单个地图有 20 个成型关卡。整个团队只有 Nenly 一个活人，其余美术、动画、音乐、代码工作全部由 AI 模型或 Agent 完成。

游戏项目内容量统计

他给这个项目起了个名字叫「4A 游戏」。最初他以为 4A 是指用 AI 做 Coding、美术、动画、音乐四类工具，但真正做完一轮后他修正了定义：「4A 是 A lot of time、A lot of effort、A lot of patience，最后再加上 AI。」他认为 AI 并不能帮人摆脱时间、努力和耐心，但能改变资源组织方式——以前凑齐这些资源需要一个庞大公司，现在个人加上 AI 就能撬动。

策划与编码：先对齐需求，再让 AI 写代码

▶ 16:27 · 看这一节

Nenly 强调，用 Coding Agent 开始项目前，前期调研至关重要。他的做法分两步：先让 AI 调研制作人自己，再让 AI 调研竞品。

第一步，他会让 AI 用设问的方式梳理他的制作意图——对标谁、想让玩家体会到哪些爽点。AI 会给出详尽问单，他只需要做选择题或开放式作答，再把答案输出给 Agent 做整合思考。第二步，他会让 AI 全面拆解目标竞品的公开数值和系统。以《土豆兄弟》为例，网上有大量公开 wiki 和攻略站，AI 思考约 12 分钟后就能输出一份完整分析报告，包括每波怪物类型、HP、击杀数经济基线等。这些报告会归档到设计文档中，后续做系统设计时作为上下文输入。

工具选型上，他基于完全开源免费的 Godot 引擎开发，理由是 Godot 对 2D 游戏友好、源代码开放、文档可查，Agent 很容易接管。编码环节他用双模型分工：Codex 负责全局框架搭建和目录规划，Claude 负责具体功能编码（如战斗系统、UI），两个模型的 Harness 框架完全镜像映射，互相参考。基于调研结果，AI 花 20 到 30 分钟就能生成一个基础玩法原型——有标题页、选人门派页、战斗界面，但所有素材都是几何图形占位，因为此时还没输入任何美术素材。

早期游戏玩法原型界面

美术：像素风遮瑕，同图生成保一致

▶ 24:31 · 看这一节

美术是 Nenly 花费最多心思的部分。他首先为游戏锚定风格——选定《歧路旅人》同款 HD2D 像素风。选择像素风有一个实用考量：「像素风这个类目，它所呈现出来的视觉形态，可以起到一种遮瑕的作用」，能掩盖 AI 生成素材的细节瑕疵。

HD2D像素风参考样张

角色设计分两步：先用自然语言描述生成概念图，再做风格迁移适配像素风。他特别强调一个一致性技巧：「建立一致性的最好的方式，是把所有你想要一致的东西放到同一张图片里面去出。」比如 30 到 40 个技能图标，如果一张张生成，无论 prompt 多规整都会有风格参差；但一次性塞进同一张图生成，风格天然统一。这是他做这个项目「最最最最大的感触」。

素材处理上，AI 生图模型无法原生输出透明 Alpha 通道，他会严格锚定生成白色背景素材，再拖入 Photoshop 抠图。像素风角色边缘有硬黑描边，抠图比较轻松，再用 PS 的修边去边功能砍掉一轮边缘即可。

UI 是美术环节最耗时、最掉头发的部分。AI 生成的整张 UI 图没有交互性，需要让模型拆成 UI 素材表，再在 PS 中合成完整设计稿。他让 Agent 写了一个 PS 脚本，把每个元素单独导出为 PNG，同时生成一份 JSON 格式的 manifest 文件，记录每个图层的坐标、透明度、混合模式、宽高等信息，以此对接游戏引擎。场景处理同理：生成的完整场景图要拆解为地形、建筑、前景等独立图层，才能实现人物走到山下面被遮挡的层级效果，避免直接用整图做背景导致画面扁平。

动画：放弃 Sprite 表直出，拥抱 AI 生视频

▶ 39:11 · 看这一节

2D 游戏主流动画方案是 Sprite Animation——把每一帧画面画出来，组接成连续播放的动态效果。Nenly 一开始尝试让 AI 生图模型直接生成 Sprite 表（spritesheet），结果发现「形似神不似」：AI 能理解一排角色站在那里，但不能理解左右脚交替的动画逻辑，会出现连续两帧都是左脚的情况，帧与帧之间没有运动连贯性。

直接生成Sprite序列表的方案缺陷

他最终采用的成熟流程是：先把角色素材放到纯绿色背景上，用 C-Dance 生成包含 4 到 5 个动作的 5 到 6 秒视频，再导入 AE 抠绿幕，导出逐帧 MOV 文件，最后让 Agent 拼成 Sprite Atlas 大图导入引擎。选择视频载体是因为「视频这个载体天然就具有运动上的连贯性和一致性」。他建议一个动作组（待机、奔跑、拔剑等）放进同一段视频生成，省积分且效率更高。

Sprite动画成熟生成流程

技能特效则采用程序化方案：使用开源社区分享的 Godot Shader（着色器），让 AI 把 Shader 源代码封装成可视化调参面板——范围大小、刀光粗糙度、颜色、消散速度都变成滑块，无代码基础也能调节。碰撞盒（Hitbox）不需要手动绘制，AI 会根据 Sprite 素材自动生成，制作人只需验证打击手感。

音频：Suno 做 BGM，C-Dance 原生音效是意外之喜

▶ 51:28 · 看这一节

音乐用 Suno 生成，10 分钟以内就能做出一首战斗 BGM。他给游戏配乐的建议是：提示词里刻意弱化主旋律，因为 AI 生成的音乐常有鲜明 Lead 音色跳动，会干扰玩家操作。另一个技巧是提取满意 BGM 的核心动机，用 cover 或 sampler 功能基于同一段主旋律做 remix，让战斗 BGM、Boss 战音乐、结算音乐风格统一——「三段遵循同一个调式、同一段动机，天然就有音频系统上的一致性」。

音效用 ElevenLabs 生成或从 AI 音效库检索。但他特别分享了一个「意外之喜」：C-Dance 生成视频时自带音频，且与动作高度贴合。「你在别的地方去找音效，还要思考它跟画面贴不贴，但 C-Dance 直出的音效让你的烦恼立减 80%。」这也是他选择用 MOV 格式导出动画的原因——同时承载音频与动作匹配。角色语音目前用 ElevenLabs TTS，平调内容效果可接受，高情绪内容仍有提升空间，因此首发版本暂未加入语音。

游戏角色AI语音效果展示

AI全链路游戏开发工作流

核心认知：AI 烧 token，人烧判断

▶ 58:51 · 看这一节

Nenly 透露，整个项目 Codex 加 Claude 上个月合计消耗不到 300 元，且不完全是花在这个项目上。真正的成本是制作人自己的精力：「它可能帮我 20 分钟就做好了几十个技能草案，但我可能要花一天两天去测试它、看它到底行不行。」他总结道：「AI 不能代替人的一件事情是判断。」从玩法方向到单道具数值、技能搭配，所有决策都需要制作人亲自验证打磨。

他给想用 AI 做游戏的人的建议是：如果只是做原型 demo，可以让 AI 大量产出；但如果目标是让玩家沉浸其中，就要反复自问「做出来的东西真的爽吗」。AI 填平了跨领域的技术门槛——原本需要 5 到 10 年专业积累的编码、美术、动画技能，现在可以快速产出 60 到 70 分的基础内容，但系统管理者（制作人）的角色依然不可替代。

现场问答

Q：AI 直出素材后需要人工处理吗？ 需要。AI 生图模型不能原生输出透明通道，需要锚定白色背景生成，再在 PS 中抠图。像素风因为有硬描边，抠图相对轻松。

Q：UI 部分怎么处理？ AI 生成的整张 UI 图没有交互性，需要拆成独立元素。用 PS 脚本导出每个元素为 PNG，同时生成 JSON manifest 记录坐标信息，才能让 Coding Agent 落实到游戏引擎中。

Q：Hitbox 需要手动画吗？ 不需要。AI 会根据每个 Sprite 素材自动生成碰撞盒，制作人只需确认打击手感。

Q：特效会随攻击范围变化吗？ 会。伤害范围本身是代码里的变量（如圆形区域的半径），让刀光特效的半径参数与伤害半径建立关联即可。

Q：字体怎么处理？ 大标题字体烘焙成 PNG 素材；可变文本（道具名、效果描述）直接把字体文件交给 Agent，在项目里引用即可。

Q：Clo3D 能解决游戏美术吗？ 不能。Clo3D 适合做现代感网页或 App 的产品原型，但游戏美术是构成体验的一部分，目前仍需额外工作。

要点回顾

• 前期调研至关重要：先让 AI 设问对齐制作人意图，再让 AI 全量拆解竞品公开数值，12 分钟即可输出完整报告。
• 工具组合：Godot 引擎 + Codex 搭框架 + Claude 写具体功能，双模型 Harness 镜像映射。
• 美术一致性：把所有想要风格统一的素材放进同一张图生成，天然规避风格参差。
• 素材处理：锚定白色背景生成，PS 抠图，脚本导出 PNG + JSON manifest 对接引擎。
• 动画管线：放弃 AI 直出 Sprite 表，改用 C-Dance 生成绿幕视频 → AE 抠像 → 导出 MOV → AI 拼 Atlas 图集。
• 特效方案：开源 Shader + AI 封装可视化调参面板，无代码基础可调。
• 音频策略：Suno 生成 BGM，统一核心动机做多版本 remix；C-Dance 原生音效与动作高度贴合，直接截取使用。
• 成本认知：AI token 消耗不足 300 元/月，真正的成本是制作人验证玩法、打磨内容的精力。
• 4A 定义：A lot of time、A lot of effort、A lot of patience + AI，而非四类 AI 工具。