用TS打造火柴人沙盒游戏：输入网址即可爆破任意网页

一个周末，一款“摧毁任意网站”的火柴人游戏

一位开发者在 Reddit 上分享了自己利用周末完成的个人项目：一款火柴人破坏沙盒游戏。它的核心玩法颇具创意——玩家可以输入任意网站 URL，把那个网页变成游戏关卡，然后用各种武器把页面上的一切砸得粉碎。

作者自称是经典网络动画系列《Animator Vs. Animation》的忠实粉丝，这款游戏正是他“梦想中的火柴人沙盒”的实现。相比炫技式的 Demo，这个项目更像是一次完整的工程实践，涵盖了渲染引擎、多人联机到部署的全链路。

技术栈：纯 TypeScript 自研引擎

作为一名 TypeScript 开发者，作者选择了一条相对硬核的路线——没有依赖现成的游戏引擎，而是用原生 TS 搭建了引擎与渲染器，底层基于简单的 Canvas 2D 完成绘制。这种做法虽然增加了工作量，但也让他对渲染流程、物理表现和特效拥有完全的掌控力。

在联机方面，游戏使用了 Cloudflare Durable Objects（DOs） 来管理房间和游戏状态同步。作者提到自己此前就有使用 DOs 的经验，因此将其作为处理实时多人状态的首选方案。Durable Objects 天然适合维护有状态的会话，用来承载房间逻辑和玩家数据的一致性，是个合理的选择。

部署层面，整个游戏托管在 Cloudflare Workers 上，作者评价其“便宜又快”。他也坦言 Workers 运行时经常会在 NPM 包兼容性上踩坑，但由于这个项目依赖的第三方包很少，实际运行相当顺畅。此外，他还透露在像素艺术渲染、特效（FX）等方面做了一些“小技巧”，显示出对细节的打磨。

Cloudflare Durable Objects 是 Cloudflare Workers 平台提供的一种有状态计算原语。传统的 Serverless 函数是无状态的，每次请求都是独立实例，难以维护共享状态。Durable Objects 通过为每个"对象"分配全球唯一 ID，并保证同一 ID 的所有请求路由到同一个实例上，从而实现强一致性的状态存储——这与普通分布式缓存的最终一致性有本质区别。每个 Durable Object 内置了持久化存储（类似 KV），同时支持 WebSocket 连接的管理。对于多人游戏而言，一个房间对应一个 DO 实例，所有玩家的连接都汇聚到这个单点，天然解决了房间内状态同步的竞态问题，无需额外引入 Redis 或消息队列。其局限在于单个 DO 实例的计算资源有上限，适合中小规模的实时会话，而非万人同服的大型游戏。

Claude Opus 5.5 如何参与开发

这个项目的另一个看点，是作者详细记录了自己如何借助 Claude Opus 5.5 完成开发。他的用法并非“让 AI 写出整个游戏”，而是把 AI 当成贯穿全流程的协作者。

架构头脑风暴

作者在动手前就有清晰的构想，Claude 的作用是帮他把想法转化为具体的实现计划，并在架构设计和技术取舍（technical compromises）上提供参考。对于一个需要兼顾引擎、联机、部署的项目，这类前期规划往往比写代码本身更关键。

保持设计模式一致性

在具体实现阶段，他用 Claude 来维持代码中设计模式的一致性。不过他也诚实地指出，这次需要“比预期更多地引导（steer）Opus 5.5”，AI 并非一次到位。这个细节很有价值——它提醒我们，即便是强大的模型，在复杂工程项目中依然需要开发者持续校正方向，而不是全盘托管。

艺术与特效的实时调优

一个有意思的用法是，作者还借助 Claude 执行艺术层面的决策——实时调整特效和粒子效果，直到达到自己满意的视觉表现。这说明 AI 协作已经延伸到了偏主观、偏审美的调参环节，而不仅限于纯逻辑代码。

Claude Opus 5.5 是 Anthropic 于 2025 年发布的旗舰推理模型，在代码生成、长上下文理解和复杂指令遵循方面较前代有显著提升，尤其在多文件工程代码的连贯性维护上表现突出。值得注意的是，作者使用的是"Opus 5.5"而非更轻量的 Sonnet 或 Haiku 系列，这一选择本身说明他预判项目架构复杂度需要更强的推理能力——同时他也诚实地记录了该模型在长周期工程任务中仍需频繁引导的局限。这与业界对大模型的普遍观察一致：模型能力越强，单次产出质量越高，但在跨越多个开发周期、需要维持整体设计一致性的任务中，人工校正依然不可或缺。

这个项目给独立开发者的启示

从工程角度看，这是一个典型的“小团队/单人 + AI 协作”高效交付的样本。作者在一个周末内完成了包含自研渲染引擎和多人联机的完整游戏，靠的是清晰的前期构想、熟悉的技术栈（TS + Cloudflare 生态），以及对 AI 协作边界的准确认知。

值得关注的几点经验：一是把 AI 用在规划和保持一致性上，而非盲目生成；二是对 AI 产出保持必要的“引导”和批判，承认它需要人工校正；三是选择自己熟悉且轻量的基础设施（Cloudflare Workers + DOs），降低兼容性与运维负担。

对于想做类似副项目的开发者而言，这个案例的参考价值在于：创意玩法 + 成熟云服务 + AI 辅助开发的组合，正在显著压缩从想法到可玩成品的时间成本。

注：以上信息来自作者在 Reddit 上的自述，部分技术细节（如像素渲染技巧）作者并未完全展开。