零基础用AI开发太空射击游戏：12版迭代3000行代码全记录

从贪吃蛇到太空射击：两个零基础玩家的AI游戏开发之旅

两个完全不懂编程的普通人，仅凭向AI描述需求，就做出了一款包含打怪升级、Boss战和武器系统的太空射击游戏。这不是科幻故事，而是B站UP主松松和朋友阿鹏的真实经历。

他们的起点极其简单——用一句话让AI生成了一个贪吃蛇游戏。这个轻松的成功让他们信心爆棚，决定挑战一个更有野心的项目：一款名为"宇宙飞船探险"的太空射击游戏。

游戏设定与玩法设计

游戏背景设定在2148年，人类发现了外星信标，玩家作为飞行员意外坠入"遗忘星带"。这里的陨石被纳米机器人控制，玩家需要驾驶战机存活下来，收集能量并激活三座信标。

核心玩法包括：

• 躲避与射击：躲开星球炮台的攻击，消灭陨石小怪物
• 资源收集：击杀敌人获取能量晶体和武器配件
• 信标激活：收集足够资源后点亮信标，触发Boss战
• 武器解锁：依次解锁激光和离子炮（范围攻击），逐步增强火力

整个游戏设计了三个阶段，每个阶段对应一座信标和一个Boss，通关需要击败所有三个Boss。

AI开发游戏的完整过程：12版迭代实录

纯对话驱动的零基础开发模式

整个开发流程极其"原始"：向AI发送需求描述，AI生成代码，复制粘贴到记事本，将后缀改为HTML，保存运行。没有IDE，没有版本管理，没有调试工具——就是最朴素的复制粘贴。

这种方式之所以可行，得益于HTML5在2014年正式标准化后所建立的完整浏览器游戏运行时环境。HTML5内置的Canvas API负责图形渲染，Web Audio API处理音效，JavaScript引擎执行游戏逻辑，使得浏览器本身就是一个无需安装任何额外软件的游戏平台。将所有代码集中在单个HTML文件中，对AI辅助开发而言有独特优势：AI可以一次性输出完整代码，用户无需理解文件依赖关系，复制粘贴即可运行。然而随着代码量增长到数千行，这种单文件架构也埋下了隐患——浏览器JavaScript引擎在处理复杂游戏逻辑时会面临性能瓶颈，这正是后续频繁出现卡死Bug的技术根源之一。

前前后后经历了12个大版本迭代，最终代码量达到3000多行。所有代码都是通过"提需求→AI生成→复制粘贴→测试反馈"这个循环完成的。

功能逐步叠加的迭代路径

从他们的描述中可以看到一个清晰的功能迭代路径：

1. 基础版本：简单的飞船移动和射击
2. 加入血量系统和等级机制
3. 扩大地图，添加行星障碍物
4. 加入装备栏系统
5. 更换飞机外观，添加无人机攻击
6. 调整武器伤害平衡和Boss强度

这一迭代路径背后，是AI代码生成能力的具体体现。以GPT-4、Claude等主流大语言模型为例，它们在训练阶段摄入了GitHub上数十亿行开源代码，使模型能够理解自然语言需求与代码实现之间的映射关系。当用户描述"飞船被击中后血量减少"时，模型会在其参数空间中检索相似的游戏逻辑模式，生成对应的JavaScript事件监听和状态管理代码。这一过程被称为"程序合成"（Program Synthesis），是AI领域的经典研究方向。值得注意的是，AI生成的代码并非真正"理解"游戏逻辑，而是基于统计模式的预测输出——这也解释了为何12次迭代中会出现各种荒诞Bug。

用自然语言描述Bug让AI修复

开发过程中遇到了大量问题：游戏玩到一半直接卡死、不明物体满屏乱飞等各种离谱Bug。但他们找到了一种独特的解决方式——用自然语言向AI描述问题现象，让AI逐行排查并修复代码。

这种"描述式调试"与传统软件开发中的调试实践形成了鲜明对比。传统调试要求开发者使用断点调试器逐行追踪代码执行状态，通过Chrome DevTools等工具实时查看变量值和调用堆栈，需要深厚的技术背景。而描述式调试本质上是将问题定位的认知负担转移给了AI，在学术界对应"自然语言程序修复"（Natural Language Program Repair）这一研究方向。2023年发表的多项研究表明，当Bug描述包含具体的触发条件（如"击败第二个Boss后卡死"）和异常表现（如"屏幕冻结但音效仍在播放"）时，AI的修复准确率会显著高于仅提供错误信息的情况——这与该案例中"越具体描述Bug表现，修复成功率越高"的实践经验高度吻合。

虽然这种方式效率不高，但对于不懂代码的人来说，能够用"游戏玩到一半卡死了"这样的描述让AI定位并修复问题，本身就是AI编程能力的一个有力证明。

AI辅助编程的能力边界与实用价值

真正降低了游戏开发门槛

这个案例最有价值的地方不在于游戏本身的质量，而在于它展示了AI如何将游戏开发的门槛从"需要学习编程语言"降低到"能清楚描述需求