AI做游戏，关键竟不是提示词
一个 AI，真能做出包含 2048 个星系、超过 1 万颗程序化行星的太空游戏吗？OpenAI 9 月 4 日公开了 Void Explorer 的开发过程：玩家能从远处恒星一路飞到行星、穿过大气层、着陆、下船步行，再重新起飞。

最值得收藏的结论是：复杂 Agent 项目里，提示词不是第一生产力，“让 AI 看见系统状态”才是。

作者先给体验约束，而不是罗列代码任务：所有看见的恒星都要可到达；靠近行星时不能切成独立关卡；太空到地面的旅程必须连续。Astra 再提出 TypeScript、Vite、Three.js 架构，先用 WebGL2 做出可玩版本，之后保留模拟系统，把渲染迁移到 WebGPU。地形生成放进 Web Workers，单元测试交给 Vitest，浏览器交互用 Playwright 回归。

真正拉开效率差距的是“可观测性”。游戏专门暴露一个 JavaScript 调试接口，让 Agent 读取当前目标、飞行模式、相机、地形是否就绪，以及 draw call、三角形数、排队任务等指标；还预设轨道飞行、大气下降、海岸着陆等固定场景。这样 AI 不必每次从宇宙另一端飞回来，而能稳定复现：截图看画面、状态量查逻辑、性能计数找瓶颈，修改后再跑同一测试。

这套方法不只适合游戏。做网页、数据产品或自动化工具，也可以照着搭四件套：①可重复的最小场景；②结构化状态出口；③关键性能计数器；④端到端回归测试。人负责判断“体验对不对”，Agent 负责复现、定位、修改和验证。

别只问“提示词怎么写”，先问：我的软件给 AI 留了多少可检查的证据？

官方 AIAgent 游戏开发 Codex