20天用AI做独立游戏实战：Godot+Cursor全流程复盘

一个大胆的实验：20天用AI做一款完整游戏

网上经常有人问：AI到底能不能独立完成一个完整的项目？我们也常刷到一些"AI做游戏"的演示视频，但说实话，大多只是一个场景加一个能跑能砍的角色，离真正可玩的完整游戏还差得远。

一位拥有近20年游戏行业经验的独立开发者Mr.梦德，决定做一个更直接的实验：从立项、程序、美术、UI、音效到最终打包发布，尽可能全部交给AI完成，自己只负责提需求、做判断、拆任务和整合结果。目标是在20天内做出一款真正能下载、能安装、能正常游玩的完整独立游戏。

这个实验的结果，既令人振奋，也充满了值得深思的教训。

技术选型：为什么选Godot + Cursor？

游戏引擎的选择：Godot胜出

作者选择了开源引擎Godot（戈多），而非更主流的Unreal或Unity。原因有三：

• Godot开源且上手门槛低
• UE和Unity体量庞大，学习成本高
• 目前这两个引擎与AI编程工具的配合还不够成熟

为什么Godot特别适合AI协作？ Godot是一款完全开源、MIT协议授权的跨平台游戏引擎，由Juan Linietsky和Ariel Manzur于2014年正式开源，不收取任何版税或订阅费用。它使用自研的GDScript脚本语言（语法类似Python），同时也支持C#和C++。Godot的场景系统以节点树为核心，每个游戏对象都是节点的组合——这种设计天然适合AI理解和操作，因为节点结构本质上是可以用文本精确描述的树形数据。AI可以通过读写场景文件直接操控游戏结构，而不需要像Unity那样依赖复杂的编辑器GUI交互，这是它在AI辅助开发场景下胜出的核心原因。

Cursor + MCP插件：让AI直接操控游戏工程

代码编写方面，作者选择了Cursor作为主力AI编程工具。有人可能会问：写代码哪个AI不能写，为什么非要用Cursor？

Cursor是基于VS Code深度改造的AI原生代码编辑器，内置了对Claude、GPT-4等大模型的深度集成，支持多文件上下文理解和代码库级别的问答。而MCP（Model Context Protocol）是Anthropic于2024年底推出的开放协议标准，旨在让AI模型能够通过标准化接口调用外部工具和服务。在Godot开发场景中，MCP插件充当了AI与引擎之间的"翻译层"——它将Godot的编辑器操作（如创建节点、导入资源、修改场景树）封装成AI可调用的工具函数。

关键在于：用Godot做游戏不只是写代码，还需要搭建场景、导入图片、设置节点、连接资源等大量繁琐操作。使用Cursor配合MCP插件后，AI可以直接控制Godot项目——就像一双无形的手伸进了你的工程目录，不仅能写代码，还能自动完成新建场景、导入节点、配置资源等所有杂活。这意味着AI不再只是"建议你怎么做"，而是能直接"动手做"，将原本需要开发者在编辑器中手动完成的数十步操作压缩为一条自然语言指令。

举个例子：以前新建一个场景，需要手动创建场景文件、编写脚本、拖入素材、新建子节点、绑定资源。现在只需要告诉AI："建一个场景，背景用某张图，启动时播放某段音乐"，AI就能一步到位搞定。这种效率提升是质的飞跃。

从创意到原型：30分钟跑通核心玩法

游戏的灵感来自一个Game Jam的主题"世界线"。Game Jam是一种限时游戏开发竞赛，参与者需要在规定时间内（通常48小时到一个月不等）围绕给定主题从零开发一款游戏。这种强制约束反而与AI辅助开发的工作流高度契合——AI擅长快速生成可运行的原型，而Game Jam的时间压力天然过滤掉了"无限打磨"的冲动，为实验提供了明确的完成标准和时间边界，避免了"AI做游戏"实验常见的范围蔓延问题。

作者最初想到了妈祖庇佑船员的概念——玩家控制视线扫视大海，在注视范围内庇佑船只。他把这个想法交给AI，让其生成一段可本地执行的原型代码，20秒后第一个可执行原型就跑起来了。

虽然原型非常粗糙，但它已经具备了最重要的东西：一个能被看到、能被验证的核心玩法。此时距离比赛开始还不到半小时。

经过进一步迭代，作者将设定调整为：一个被强塞了土地公职位的高中生，一边上课一边"摸鱼"，用一块带神力的玉牌庇佑一方水土。玩家需要在两个维度间切换——用玉牌探查下界帮助需要救助的人，同时还要注意老师的目光，被逮到摸鱼会受到严厉惩罚。这个"双重扣题"的设计让游戏既有趣味性又有紧张感。

美术制作：最花时间也最花钱的环节

GPT Image 2担当美术主力

美术素材基本全部交给GPT Image 2完成。GPT Image 2（即gpt-image-1，OpenAI于2025年发布）是OpenAI推出的新一代图像生成模型，相比DALL-E系列在文字渲染、细节一致性和风格控制方面有显著提升，尤其擅长处理复杂的构图指令和保持多张图片之间的风格统一性。在游戏开发场景中，风格一致性至关重要——角色、道具、背景必须看起来出自同一套美术语言，否则游戏会显得割裂。GPT Image 2通过在同一对话上下文中保持风格记忆，能够生成一整套视觉语言统一的素材。作者也提到Gemini的图像生成模型（Imagen系列）同样具备竞争力，但这次统一使用了GPT Image 2来保持风格一致性——实际使用时建议用小批量测试来选择最适合目标风格的模型。

踩坑提醒：别给AI笼统的美术指令

这里有一个重要的经验教训：不能笼统地告诉AI"我在做什么游戏，帮我画个素材"。这样要么画不出来，要么画出来的东西和预期完全不同，纯粹浪费token和费用。

正确的做法是提供具体的参考方向。作者因为游戏是神话主题，参考了传统神话动画片的风格，最终生成了一套以石雕质感为基础的美术素材。和传统游戏开发一样，美术依然是最耗时、最烧钱的环节——这次大部分时间和费用也都花在了这个部分。

完成度打磨：AI参与度最低的阶段

当主要结构搭建完成、美术风格确立之后，游戏看起来似乎已经接近完成，但实际上还需要大量的完成度打磨工作：

• 哪些地方需要加操作反馈？
• 哪些地方需要加视觉特效？
• 如何引导玩家视线和注意力？
• 提示信息会不会显得混乱？
• 如何在开发成本和完成度之间取得平衡？

这个阶段AI的参与度最低，完全依赖开发者自己的判断和审美。这也印证了游戏设计领域的一个共识：所谓"游戏感