15 min read

手把手教你 VibeCoding 出人生中的第一个 3D 游戏

Source: https://x.com/i/article/2117989658714079232

最近在 X 上,接连看到有人用 AI 做游戏。

Sac 花了 16 天,把小王子做成了一款可以探索星球的 3D 剧情游戏,我很喜欢它的画风和配乐!!

图像

原帖:

https://x.com/Saccc_c/status/2109962425512734739

程序员小灰已经把 AI 游戏放到了 Steam 上卖。

无为修仙传上线一个多月,总收入四万多元;另一款放置地下城:无尽远征上线三天营收超过两千元。

图像

原帖: https://x.com/XiaohuiAI666/status/2111791951171428661 看着这些案例,我也想试试,但我不懂游戏制作。

之前我用 Kimi K3 做过一个苹果手机的 3D 项目,当时就觉得它在 3D 实现上的效果挺不错。正巧赶上 Kimi K3.1 Pro 刚发布,我就准备这次全程用国产模型(K3.1 + DeepSeek)来做这款游戏。

配合我平时那套 VibeCoding 流程,经过 4 天的开发,我做出了下面这款 3D 钓鱼游戏!!

如果你觉得做得还不错,下面我就讲讲这次是怎么做的。

具体分成四部分:

  1. 玩法与白模:把想法变成任务,先做出能玩的版本。
  2. 模型与材质:从整体生成,到拆件精修、贴图和搭场景。
  3. 动作与反馈:用手机看结果,让 AI 一轮轮修改。
  4. 游戏宣传片:选配乐、排镜头,再根据成片打磨游戏。

一、玩法与白模:先把游戏玩起来

很多人一上手 Vibe Coding,就想立刻打开 AI,做一款大作!!

但做游戏的难度在我看来远远大于传统软件,传统软件好用就行,但做游戏还得好看,好玩。

假如按照传统的 VibeCoding 思路一直守着一个 Agent 往下做,很容易越开发越慢。更麻烦的是,模型和画面做出来了,游戏好不好玩,却还不知道。

所以,开始时我先解决两个问题:

  1. 如何将模糊的游戏想法变得清晰,最后得到一个靠谱的游戏玩法?
  2. 这么多任务,怎么安排 AI 分工?

如何获得一个清晰的游戏想法

这次我用 Orca 组织多个 Agent,让 K3.1 做主控,先把玩法想清楚,再分任务。

我用了 Matt 工作流里的 grill-with-docs,让它围绕游戏目标、操作、升级和完成条件,问我一系列问题。我来回答,它根据回答继续追问、给建议,最后把确定下来的玩法整理成文档。

这样聊下来,原来模糊的想法变得清晰了很多。

如何分配 Agent team 做游戏

接着调用 to-spec 和 to-tickets,把这些结论变成规格书和任务票,让 Agent 知道要交付什么、依赖哪些任务、做完怎么验收。

到了分任务这一步,我的考虑是:Kimi 这类大参数模型往往有更全面的知识摄入,对游戏世界观和复杂工程结构的全局认知更完整,处理复杂问题会更好;但大参数模型的调用成本确实相对较高。

出于成本和效率的考虑,我决定尝试“大模型监工、小模型干活”的搭配:

  • K3.1:主控——负责拆任务、写规格书、监工验收,同时自己啃复杂攻坚和难点。
  • DeepSeek-flash:打手——速度快、额度耐用,被 Kimi 带着跑常规代码,把拆好的游戏逻辑批量写出来。
图像

比如,先做开船出海,再接上钓鱼、回家卖鱼和存档。有了这些基础,装备升级、鱼获纪录和海域开放就能分别推进,最后合起来检查完整流程。

最早的场景就是下面这张图这样:

房子、船和人物都用简单形状占位,鱼也很简陋,但已经能开船、抛竿、收线,钓到鱼后还能回去卖掉、升级装备。

图像

后面我又自己试玩了多轮,边玩边改,把整体玩法确定下来:

出海钓鱼,回港卖鱼,用赚到的钱升级装备,再去更远的海域钓更大的鱼。

到这一步,游戏已经能玩,Agent 团队也搭好了。接下来就让它们继续把模型做得好看一点。

二、模型与材质:从白模到正式模型

前面的画面确实很简陋,海水、船、人物,还有钓上来的鱼,都离我想要的效果差得很远。

下面我介绍一下,我是如何对这些模型进行优化,最后做出精美的场景

简单模型制作流程

因为 GPT 的生图功能确实顶,我先用它生成参考图,也顺手让它参与了基础模型的制作。

比如船尾的舷外机,我让 GPT 和 K3.1 分别做了一版,下面是两版模型的侧面对照。

图像

这次对比,我主要想看看两个模型操纵 Blender、还原参考图的能力。

很多人以为让 AI 做 3D 是“画图”,其实操纵 Blender 本质上是纯写代码——它得写几百行 Python 脚本去算每个部件的空间坐标、布尔切割和父子层级,还要自己跑拓扑和法线检查。

GPT 做出来的整体光泽感很足,而且看起来结构也很完整。但我更喜欢 Kimi 的这一版本,看着比较沉稳,对我给的参考图的复原性也稍微高一些。

这里大家也可以多对比不同的模型给出的效果,选择自己更趁手的模型来制作游戏。

复杂模型制作流程

复杂模型的流程,我一开始的方法比较直接:

第一步,GPT 生成三视图或四视图,先确定正面、侧面、背面的样子

第二步,Kimi Work 生成 3D 模型,把这些参考图交给它,生成模型

第三步,Kimi 调用 Blender 精修,对照参考图,继续调整比例和轮廓

图像

但做人物和船这类复杂模型时,我发现这条流程还不够。整体看着像那么回事,凑近一看,有些地方还是糊的,细节也不满意。

图像

于是,我把流程改了一下:先生成粗模,让 AI 用 Blender 修好形状,再拆成几个部分。每个部分分别交给 Kimi Work 配贴图,最后再组装起来。

这里得先看清楚,是形状不对,还是表面的细节不清楚。形状有问题,就先在 Blender 里修;

形状已经满意了,再处理颜色和贴图。不然换了一张更清晰的贴图,轮廓还是不对。

拆开以后,哪个部分不满意,就单独改那一块,再放回原来的位置,不用每次都重新生成整个模型。

而且船上的部件拆开后,船体、发动机、储鱼箱都要跟游戏里的商店升级、槽位切换代码咬合在一起。K3.1 比较贵、额度消耗也快,拿来写普通加减法很亏;但这种跨 Blender 脚本和游戏逻辑的联动硬骨头,交给它一次理清最省返工。

图像

拆开来后,就能独立给组件做动画,具体效果如下:

图像

有了单独的模型,还要把它们搭成场景。

搭建复杂场景

比如我的水上渔村,就是用房屋、栈道和各种装饰部件,按布局拼起来的。里面既有让 AI 写脚本做的模型,也有生成后再精修的模型。

但单个模型看着不错,放在一起未必协调。所以还要统一尺寸和材质风格,放进游戏里看房屋之间的距离、栈道怎么连接,再继续调整。

图像

到这里,根据下面策略:

  1. 简单模型可以整体生成后精修得出好的质量来
  2. 复杂模型可以拆件处理,再根据游戏里的用途装配起来
  3. 复杂的场景可以拆分出组件来制作,最后组成场景,我们就解决场景生成的问题了

场景搭起来以后,画面还是差点意思——最早的海几乎是平的,阳光也弱。

于是我又让 AI 把海水升级了一下:重做了海浪的起伏,补上随浪流动的海底焦散和船尾迹,最后再调出迎光时的水面阳光亮路(具体代码层面的感受我放在文章最后总结里讲):

但模型摆着好看,动起来又是另一回事!!

三、动作与反馈:不懂动画,怎么让 AI 改到能用

人物放进船里,单看模型还可以,但钓鱼的时候特别僵硬,几乎没什么动作。

我也尝试借助 Tripo 3D 这样的工具来做动作,但具体到游戏里怎么抛竿、怎么收线、鱼往旁边拉的时候身体怎么跟着动,还得继续让 AI 调整。

这件事比我想象中难。

我不懂动画,说不出应该调哪根骨头、哪个参数。很多时候只能看出这里不太自然,却不知道怎么改好。

图像

偏偏这期间,我又因为腰椎间盘突出,没办法一直坐在电脑前看效果,只能更多地用手机操作

当时我用 Orca 在手机上安排 Agent 干活,但 AI 说改好了,我看不到电脑里的实际效果。即使用远程桌面看到了,想把具体哪里不对反馈回去,也不方便。

于是,我想了一个“大力出奇迹”的土办法:在电脑上做一个反馈台。它就是一个和电脑联动的网页。每次 AI 做完一版动作,我就让它录成视频放上去,用手机打开就能看。

比如做海豚时,我给的意见就是:尾巴摆幅再大一点,改成三只海豚,浪花也再大一点。

至于对应哪些骨骼、参数和代码,让 AI 去处理。

图像

有了这个反馈台,我感觉来回沟通顺畅了很多,AI 修改的效率也提高了。我虽然不懂怎么调动画,但可以看结果,把不满意的地方指出来,再看它改得怎么样。

钓鱼的人物也逐渐有了抛竿、扬竿、收线,以及跟着鱼的方向转动身体的动作,比最初站在那里不怎么动的状态像样了不少。

图像

模型和动作都有了,接下来,我想把这些场景好好展示一下,做成一支宣传片。

四、游戏宣传片:先定感觉,再回头打磨游戏

第一次做游戏,短短几天做出来的东西,肯定还有很多粗糙的地方,离专业作品还有距离。

如果展示时也只是随便录一段,很多已经做出来的东西,别人可能根本看不到,所以我觉得宣传片也值得花时间做。

这部分继续让主控 K3.1 来统筹。我把玩法、想展示的场景,以及希望观众感受到什么告诉它,让它安排镜头,再把录制和制作任务分出去。

具体可以分成四步。

第一步,先选配乐,确定感觉。

是轻松、治愈,还是紧张、有冒险感?我先让 AI 生成几条配乐候选,放到反馈台上,自己听一听、选一选。

主控把需要我判断的结果集中交回来,我选好以后,它再安排后面的制作。

不过,单独听着不错的音乐,放进游戏画面里未必合适,还是要配在一起看。

图像

第二步,写分镜脚本与旁白文案,把玩法讲清楚。

前面说的出海钓鱼、回港卖鱼、升级装备,这条线要让观众看明白。在这个基础上,再挑游戏里比较好看的画面,比如沿途的海面、岛屿,还有跟鱼较劲的过程,把镜头顺序排好。

以前我习惯用 Claude 写宣传片的分镜和台词,这次尝试用 Kimi 新模型来写分镜脚本和旁白文案,没想到效果还挺好。

看到网上有人说 K3.1 的防御性写作非常严重,但我实际拿它写分镜脚本和旁白文案用下来感觉还好,对整体叙事结构的把握挺准,写出来的台词也比较自然,基本复刻了我以前用 Claude 排分镜的感觉。

第三步,按音乐节奏,剪出第一版。

配乐和分镜脚本确定后,就让 AI 先做一版完整的宣传片。镜头停多久、什么时候切换,都结合音乐来安排。先把整支片子看下来,才能知道画面、旁白和音乐放在一起是什么感觉。

第四步,看片、改游戏,再回来剪。

哪个场景不够好看,哪个动作放大后显得僵硬,哪个镜头停得太久,哪些声音抢了音乐,看第一版时就更容易发现。剪辑上的问题直接改;如果问题出在游戏里,就回去调整场景或动作,再录一遍,替换进宣传片。

比如我看宣传片时,发现鱼市的遮阳棚收起来以后,还留下了不该有的墙和柱子。我就在反馈台上指出来,让 AI 去场景树和生成脚本里排查,把画面和游戏里的场景一起修掉。

图像

这样,宣传片也成了一次集中检查游戏的机会,随着宣传片慢慢变得完整,游戏里原来没注意到的问题,也能顺带修掉一批。

最后,说一下这次用下来的感受

整个游戏做完,也顺道复盘一下这次主力用的 K3.1。

先说缺点:

第一是慢,尤其开 max 模式以后特别喜欢“雷霆大思考”,等得比较久,所以我大部分时候没开 max,只在卡住的难点上用;

第二是作为大参数模型,成本和额度消耗确实偏高,不太适合拿去当苦力写所有常规代码。

但整体用下来,它在复杂任务上的表现还是挺稳的: 不管是拆解整体架构、写 Blender 空间脚本,还是后面重写整套海浪、海底焦散与水面阳光的纯代码 Shader 算法,理解得都比较到位;包括修鱼市遮阳棚那种跨模块 Bug 时,它能自己顺着场景树排查出关联节点的显隐问题,改完之后代码改动很干净,没有误伤旁边的摊位和栈桥。

把它放在主控台啃硬骨头、配着 DeepSeek 跑常规代码,整体配合下来挺顺手。

目前这款钓鱼游戏还是 4 天做出来的第一版,接下来我还会继续对它的手感和细节做调优。

大家如果看了宣传片有什么想法,或者试玩后有什么建议,欢迎在评论区给我提反馈意见!!