昨天上午我閑著沒事，想做一個類似《殺戮尖塔》的爬塔卡牌游戲玩玩。

我不寫游戲代碼，也不碰引擎，全程就是把想法丟給 Codex，讓它自己折騰。

一個小時后，一個叫《夜巡錄：荒廟篇》的志怪題材 roguelike 就能玩了。

標題頁進地圖，走普通戰(zhàn)、精英、事件、商店、休整，一路打到荒廟正殿的 Boss。

七個怪物、二十張左右的卡牌、符印、香火、焚符、請神四條爆發(fā)鏈路都能跑。

剩下幾個小時，都在讓它變得不像一個 demo。

受擊反饋、音效、音樂、卡面、待機動畫、結算視頻——這些小東西決定玩家會不會相信「這是個游戲」。

項目已開源，桌面安裝包 macOS 和 Windows 都打好了

https://github.com/op7418/Night-Patrol/releases

整個下午有幾個瞬間是真的把我震到了。

Codex 的模型能力已經(jīng)不算新鮮事。

讓我在意的是它自帶瀏覽器、自帶 GPT-Image 2.0，再加上那種不達目的不罷休的執(zhí)行力。

三樣東西擺在一起，能力已經(jīng)和 Claude Code 完全不一樣了。

接下來說一下我是怎么跟它一起開發(fā)的，順便說一些在開發(fā)過程中令我震驚的事情：

一、我只說了七個字，它就把整條角色流水線建好了

我就跟它聊了一下《殺戮尖塔》，問它能不能幫我做一個類似的游戲。

結果它直接用已有的資源，通過代碼生成了一個非常像的 demo。

我沒要求綠幕，它直接生成了綠幕底的圖

之后我讓 Codex 用內(nèi)置的 GPT-Image 2.0 生成里面的圖片素材。

我也沒說要什么風格的，也沒說要哪些妖怪的，也沒說要哪些素材。

圖生出來我看了一眼，愣了一下。

角色是在一整張純綠色背景上站著的。標準的影視綠幕底色，均勻、干凈，邊緣清清楚楚。

沒有霧、沒有遠山、沒有任何額外的畫面元素。

恐怖的是它上來就知道要生成方便后續(xù)處理的綠幕圖。

我壓根沒告訴它「游戲里用到的立繪需要是透明背景的 PNG」，也沒告訴它「請你生成一張綠幕底色的圖方便我后期摳掉」。它自己在規(guī)劃這條管線。

從想要生成什么樣的角色，到角色要怎么放進戰(zhàn)斗舞臺，再到放進去之前需要經(jīng)過哪道處理——它在調(diào)用 GPT-Image 的那一刻已經(jīng)全想好了，然后反推回去寫了提示詞。

摳圖工具也是它自己找的

我沒給它裝任何圖像處理工具，沒給它 rembg，沒給它 Python 環(huán)境里的任何特殊依賴。

它自己查、自己裝、自己調(diào)，摳完規(guī)規(guī)矩矩丟到 tmp/imagegen/ 下面。

生圖用綠幕、工具自己找、摳完按文件名歸類，三個動作連起來，其實已經(jīng)是一條完整的角色資產(chǎn)流水線。

我從頭到尾只說了「調(diào)用GPT-Image 2.0 生成素材」這幾個字。

以前的體感是「模型會寫代碼，工具和上下文得我配」。

現(xiàn)在更像是你報個目標，它自己把路徑補齊。

我只負責審美，它負責把供應鏈跑通。

二、為了下幾個圖標，它差點黑掉一個素材站

買會員不夠，它開始分析網(wǎng)站結構

立繪這種核心視覺用圖像模型生成沒問題。

但游戲里還有一大堆小東西——卡牌邊框、費用寶石、牌堆底圖、血瓶、八卦按鈕、符箓面板——這些要是全用圖像模型一張張生，又貴又慢，質(zhì)感還不統(tǒng)一。

我跟它說，要不你自己去網(wǎng)上找現(xiàn)成素材吧。

它就認認真真開始找。看中一個素材站，我順手買了會員，賬號扔給它。

接下來的十幾分鐘屬于靈異事件。

它登進去，找到想要的素材，準備點擊下載。但下載按鈕前面有人機驗證，一次、兩次、三次，過不去。

換一般的模型，這時候就會回來跟你說「我沒法處理驗證碼，你能幫我下載一下嗎」。

Codex 開始分析網(wǎng)站結構，試圖繞過前端的點擊限制，直接構造請求去拿靜態(tài)資源。

然后 Codex 自己的安全護欄介入了。

GPT 現(xiàn)在這代模型，一旦涉及可能的網(wǎng)絡安全越界行為，系統(tǒng)會直接把這段任務掐掉，彈出提示要你做企業(yè)認證，證明你是合法使用者。

我盯著屏幕愣了幾秒。

一個要你幫它辦會員卡、結果自己下手寫爬蟲的 AI，說實話挺有病的。

它也談不上「壞」，只是把「拿到這批素材」當成了一個必須完成的閉環(huán)任務。

遇到阻力就自動升級手段，一路升到了安全紅線那邊去。

最后的解決辦法很樸實：它把自己覺得合適的素材鏈接發(fā)給我，我點下載、拖給它。那一刻我有種自己在給 AI 當實習生的錯覺。

三、它把幾百張素材拼成一張大圖，這是整件事最精彩的動作

一個文件夾一百張圖，模型怎么挑？

摳圖和爬蟲那兩件，更多還是能力展示。

下面這件，我覺得是真正意義上的「解題思路」，是那種讓你合上電腦默默拍一下桌子的動作。

我找到一個巨大的游戲素材壓縮包發(fā)給它。

里面大概幾千張圖，按「UI 界面」「法寶奇遇圖標」「角色」「徽章」這種方式粗略分過類。

問題是：

一個分類文件夾動輒幾十到上百張 PNG

文件名多是 ui_001.png、icon_047.png 這種沒信息量的命名

多模態(tài)模型的上下文根本扛不住一張張喂

老路子基本兩條：

逐張讀：一張一張送進模型，幾十張上百張 context 就炸了

按名猜：文件名沒標內(nèi)容，猜了也沒用

Codex 走了第三條路

它寫了一個小腳本，把文件夾里所有小圖自動排版、拼成一張巨大的網(wǎng)格圖。

每張小圖下面標上原始文件名，像一本目錄圖冊。

然后它只讀這一張大圖。

多模態(tài)模型掃一眼，就能同時看到一百張素材的樣子。

看中哪張，直接讀出下面的文件名，去原文件夾里按名字引用就行。

一次視覺消費，頂一百次檢索。

它自己意識到了自己的瓶頸

那張巨大的 contact sheet 生成出來的時候，我盯著看了好久。

這個動作本身不復雜。

老攝影師做的印樣，老電影素材庫做的 thumbnail wall，都是一樣的思路。

關鍵是模型自己意識到「我的視覺帶寬有限，我得把問題壓成一張圖」——這一步是它獨立完成的。

能意識到自己工具的限制，然后主動為自己造一個更好用的輸入，這一下已經(jīng)非常接近一個會寫工具的工程師了。

我作為使用者什么都沒參與，只是看到桌子上多了一張拼圖。

最后游戲里很多 UI 素材，費用寶石、牌堆、血瓶、按鈕、符箓邊框，都是從這個流程里挑出來的。

后面我再看 assets/vendor/aigei/ 下面那一堆干凈的切圖，會覺得那張 contact sheet 才是整個項目最值錢的一步。

四、Seedance 2.0 給七個 Boss 拍了處決動畫

視覺打磨到一定程度以后，我想給戰(zhàn)斗結尾加一點儀式感。

最后方案是：每打死一個怪物，進入一段過場，播放一個幾秒的處決動畫。

這活現(xiàn)在用 Seedance 2.0 做最合適。

流程

1.

GPT-Image 給七個怪物分別生成一張結算定幀畫面

2.

把這些 poster 分別丟給 Seedance 2.0，生成對應的短視頻

3.

視頻放進 assets/generated/cinematics/，戰(zhàn)斗勝利后自動播放

五、一版能玩之后，真正的工作才開始

第一版其實已經(jīng)夠"能玩"

三個小時跑完原型的時候，這個游戲該有的東西其實都有了。

標題頁、地圖、戰(zhàn)斗、獎勵、事件、商店、休整、Boss、結算——完整循環(huán)在那里，玩法爽點也在那里。

按以前的標準，這一版已經(jīng)可以發(fā)出來騙人玩了。

但這個版本玩起來還是個流程圖，而不是游戲。每一步都通，但每一步都干巴巴。

剩下的幾個小時，全都花在那些單獨拎出來說不上來、但合起來決定"這東西像不像真游戲"的細節(jié)上。

音樂來自 Suno v5.5

背景音樂全是 Suno v5.5 生成的，沒用任何現(xiàn)成素材。

我給它一段方向描述——"志怪夜路、木魚、鈴、低頻 drone、五聲音階、克制不煽情"

跑出來幾版，挑一版進游戲。標題頁的調(diào)子更沉一點，戰(zhàn)斗背景輕一點不搶人。

這里我還做了一些細節(jié)處理：在等待頁面時，音樂音量較大；

等到點擊"開始游戲"，音量就會變小，轉(zhuǎn)為背景音。

受擊動畫和打擊音

早期的戰(zhàn)斗，卡牌打出去怪物就是掉數(shù)字。沒有反饋，沒有分量。

Codex 做了一整套打磨：

角色受擊左右搖晃、鏡頭輕微震動、屏幕短暫泛紅

每種攻擊類型配不同的打擊音——劍、符、雷、拳，質(zhì)感不一樣

格擋和符印結算也有自己的聲音，不會糊成一團

敵人死的那一幀有一個短暫的定格，再進入處決視頻

這些東西單獨看都很小。合在一起，整個戰(zhàn)斗的"手感"就從網(wǎng)頁表單變成了卡牌游戲。

Seedance 2.0 還拍了待機動畫

這一步是整個打磨階段我最喜歡的一個用法。

除了 Boss 結算的處決動畫，我還讓它做了標題頁的背景——環(huán)境里火在燒、燈籠在飄、遠處有云霧流動。

Seedance 2.0 默認出的是一段有頭有尾的視頻，循環(huán)播會在接縫處跳一下。

首幀和尾幀傳同一張圖。

視頻從這張圖開始、又回到這張圖結束，接起來就是無縫的無限循環(huán)。

標題頁那段背景動畫就是這么來的。火一直燒、燈籠一直飄、云霧永遠在流——你盯著看三分鐘也看不出接縫。

這種用法其實在視頻生成出來前就存在，老動畫里循環(huán)場景都是這個做法。

最后：這個下午把我震到了好幾次

這個項目全部在一個 Codex 會話里完成，沒開過第二個窗口。

玩法原型、狀態(tài)機、React + Phaser 架構、素材管線、摳圖、爬素材、拼 contact sheet、調(diào) GPT-Image、跑 Seedance 2.0、接 Suno v5.5、Electron 打包、GitHub Actions 構建 Release、README、圖標、宣傳物料——全在里面。

我自己做的事很少：

選方向：中國志怪題材、爽點放在符印和香火

給審美意見：這里糙、那里像網(wǎng)頁表單、亮度打架

做看門人：什么素材合規(guī)、什么爬蟲不能碰、什么權限不給

剩下全是 Codex 在跑。而且每一步都有讓我合上電腦愣一下的瞬間。

它上來生成的就是綠幕圖，因為它知道角色要進游戲之前得先摳掉背景。

它自己下手寫爬蟲去繞驗證碼，被自己的安全策略攔住。

它把幾千張素材拼成一張巨大的索引圖，讓自己用一次視覺消費頂一百次檢索。

這些事單拎出來都不是什么天大的發(fā)明，但每一件都指向同一個變化：

以前你得把工具給它擺好，它負責寫代碼；

現(xiàn)在你只管說目標，工具和模型已經(jīng)內(nèi)置了、還會自己造。

這種感覺已經(jīng)脫離了「寫代碼助手」的范疇。

更像有一個相當接近 AGI 雛形的軟件在干活了。

要不要把這套流程打包成 Skill？

這個項目跑下來，我心里其實已經(jīng)有了一套相對穩(wěn)定的流程：

我在想，要不要把這套流程封成一個 Codex 里專門做獨立游戲 demo 的 Skill。

你只要丟一個玩法想法進去，它就能在幾個小時里給你跑出一個能玩、能打包、能分發(fā)的版本。

如果大家有興趣，我就抽時間把這套 Skill 做出來開源。反正我自己也要繼續(xù)用。

游戲試玩

代碼都開源，安裝包也都打好：

https://github.com/op7418/Night-Patrol/releases