让 AI 扮演玩家测游戏：一套新的 QA 方法

精华4 小时前61 浏览开发者实践分享

本期我们采访了《吞噬进化论》的开发者哥谭市清洁工。《吞噬进化论》是一款像素风吞噬进化游戏：玩家操控丑萌的生物在深渊一路吞食成长，最终挑战六大深渊霸主，目前这款游戏在 TapTap 制造里流量和热度都不错。哥谭市清洁工本职是 3D 角色建模师，没有游戏开发经验，他是怎么把游戏做出来的？让我们一起来看看有哪些可以复用的经验吧~

一、先做一个最简 demo，再决定做不做

每次立项，开发者会先让 AI 输出一个最简的 HTML demo，自己试一下可玩性。如果不符合预期，或者 bug 多到修不动，项目就直接终止。

《吞噬进化论》的核心框架只用了大约一周。创意来自魔兽地图达尔文进化岛的吞噬进化机制——这套机制最终落地成游戏里的深渊世界：吞食成长、基因突变、天赋树和六大霸主。

开发时，他先向 AI 描述创意方向，让 AI 生成对应的程序化内容生成器，多轮迭代筛选出满意的效果后，再逐步细化。

“我抽到很多也是效果很差的，只是多抽了几次奖，抽到一个好一点的框架之后，再在那个基础上再改。”

抽到合适的框架后，再在这个基础上继续改造，避免在错误的底子上投入太多时间。

初始程序化生成编辑器

基因进化方向

二、让 AI 写脚本，模拟玩家做测试

在测试环节，开发者的做法是让 AI 写一个模拟玩家游玩行为的脚本，还会多写几种不同水平的玩家；脚本和说明都是 AI 写的，开发者负责说要测什么、看测试结果、决定修改方向。比如：

「鳞蜥、射水鱼、鳍鳗在迷宫地图炼狱难度各跑 10 局，告诉我每区霸主战打了多久、掉了多少血。」「我改了数值，用同一批随机种子把改前、改后各跑 10 局，对比一下。」「改完代码跑一遍全部检查，看有没有把别的地方改坏。」

三条指令分别对应全流程通关测试、数值对比和改后回归检查。这些脚本可以留存复用，跑完测试后 AI 会自动收集和分析数据，不需要人工反复把结果喂回去；工具包里还有一份写给 AI 看的说明，换别的 AI 读完也能接着跑。要看界面的话，不开游戏也能单独出截图，用来查文字有没有超出屏幕、像素字体有没有缺字。测试数据只在他自己的电脑上：不联网、不上传、不进排行榜，也不碰玩家存档。

不过，AI 模拟和真实玩家之间仍有明显偏差：机器人只走主线打霸主、不进岔路，操作也比真人稳，所以它的数字只用来对比改前改后的变化，不当成真实玩家的数据。

“AI 跑出来的脚本还是笨笨的，它不会像玩家一样想怎么搭配、怎么能有个好的结果。”

《吞噬进化论》开发截图

三、可复用的开发方法

1. 系统设计：灵感 → 方案 → 文档

背包管理、局外养成这些游戏系统，开发者不会一口气让 AI 做完，而是分三步：先抛出自己的灵感，让 AI 给出几版方案；挑出合理的保留，继续讨论；最后让 AI 把定稿整理成一份完整文档，作为后续开发的依据。给 AI 的参考也不只是灵感——他会把自己玩过的 Roguelike 游戏发给 AI，让它拆解机制、收集数据，再结合自己喜欢的部分出方案。