20个可玩游戏的排队听起来像是个规模问题：更多的概念、力学、艺术、路线、元数据、测试和发行协调。 实际上，最困难的部分是不能产生更多的产出。 它保持了每一个贡献的最小程度，足以理解，并且每个游戏都足够一致。
我们把工作流程描述为AI-inative，因为AI代理商参与了生产系统：探索执行路径，起草限定功能，检查代码，帮助准备内容和资产。 这并不意味着游戏是完全AI生成的，或者在没有人类判断的情况下发行的。
重复模式比巨大的电源更接近工作室管道。 我们把每个管道的所有权都简化为可测试的循环，给代理商提供狭隘的可交付成果，孤立的并行工作，通过共享登记册整合，并播放结果，要求现场通过建设和发现检查，然后才能向释放方向发展。
快速阅读
核心要点
- 每款游戏开始都有一个可观察到的玩家循环，并定义了可以测试在浏览器中的完成。
- 如果将人工智能分为有明确档案、限制和验收的有限度的可交付品，则人工智能工作就更加可靠。
- 平行工作通过孤立的工作树、共享登记册和小型一体化表面得以管理。
- 人类的游戏测试、生产建设、路线检查和SEO验证仍然是释放门，而不是可选的清理。
AI - Native 并非完全自治
标签很重要，因为它改变了工作流程的评价方式。如果目标为自主输出，那么衡量标准将是代理人是否生成文件。我们的目标是可玩性、可理解性、可维护性的经验，因此衡量标准是工作是否通过明确的产品和技术检查。
AI在加速完善的工作方面是有效的：定位相关代码，执行定义的交互，产生第一个内容结构，检查重复模式，或者探索视觉方向。 人类仍然选择了概念，解决了权衡，玩游戏，判断清晰度和感觉，审查了索赔，并确定了结果是否已经就绪。
| 工作流程层 | AI可以加速 | 人类所有权 | 接受证据 |
|---|---|---|---|
| 概念 | 差异、参考、风险问题 | 观众、幻想和范围 | 一刑决方承诺 |
| 游戏 | 机械学和UI状态 | 感觉、困难和一致性 | 可播放核心循环 |
| 资产 | 勘探和生产候选产品 | 艺术方向、权利和最后选择 | 核准的游戏中资产 |
| 一体化 | 路线、登记和组成部分更新 | 结构和回归决定 | 构建和路由检查 |
| 发布 | 核对表执行和问题发现 | 进/出批准 | 人类游戏测试加验证结果 |
以可观察循环启动每场游戏
类似“让一个塔式防御游戏”这样的宽泛指示留下了太多的决定得不到解决。 我们写了最小的有用的玩家循环：玩家所看到的，他们能做的，他们能做的，什么变化，成功或失败的出现，以及他们为什么要采取另一轮行动。
这份简报成为了第一个接受测试。 在添加进取、叙事或抛光之前，浏览器的构建必须让玩家理解目标，执行主要动作，接收反馈，并实现有意义的状态变化。
循环还保护了每个标题不会成为生成的特性的集合。新想法只有在强化核心动作或使其反馈更清晰时才会被接受。不为循环服务的吸引性系统可以等待。
- 玩家目标：一个结果，玩家在短会后可以解释。
- 主要行动： 重复输入， 产生大多数决定。
- 反馈：即时视觉，音频，分数，或世界反应。
- 压力：时间，空间，风险，稀缺，或者一个对手改变选择。
- 结束状态：一个明显的赢，输，补，或过渡到下一跑。
给代理 带限交货
当任务被命名为确切结果、允许文件、限制和证明时，代理商就产生了更可靠的工作。 “改进游戏”很难审查。 “添加一个暂停状态，停止模拟更新，保持键盘的可用性，并在生产建设中幸存下来”有明显的界限。
我们把发现与执行分开。 代理商首先找到相关的路线、游戏注册、组件和验证命令；然后它改变了满足简要内容的最小表面。 这减少了投机性改写，使审查既方便人又方便后人。
每次交接都包含变化，测试，以及仍然不确定的内容，未知的不隐藏在自信的传言背后，如果一次互动需要主观调试，则结果被明确标注在人类的试玩上，而不是被单位测试宣布完成。
整合前孤立并行工作
平行代理只有在它们的改变可以被理解和结合时才有用。 Git worktrees让多个工作树附着在同一寄存器上，这使得每个有边框的改变都有一个孤立的分支和目录，而不再克隆整个工程。
孤立阻止了一个实验静默地修改另一个代理文件，但并没有消除协调。 我们保持了所有权界限的清晰，避免了数项任务同时重写相同的共享文件，并通过可审查的修改而不是将整个目录复制在一起来整合。
实用规则很简单：将独立的游戏或内容工作平行，将修改序列化到共享基础设施，整合后重新运行完整的构建。 一个快速平行的草稿在组合产品中工作之前，不是发布文物。
使游戏在人类认可门上进行测试
代码可以证实一条路由和相互作用变化状态。它不能决定第一个目标是否可以理解，失败是否公平，或者第二分钟是否比第一个更有趣。 这些问题留在人类玩家身上。
我们用重点通行证而不是无结构化的要求来“尝试游戏 ”。 一次通行证检查了前30秒和控件，另一次通行证检查了核心循环和故障恢复，另一次检查了整个视点大小的布局、可读性、声音和重启行为。
反馈作为可观察到的问题返回：“第一个目标出现在控制提示之前 ”， 或者“重新开始让得分从前一次运行中离开 ”。 具体观察比“游戏感觉不妙”这样的判断更容易让代理商或开发商固定。
| 播放测试合格 | 问题 | 示例 |
|---|---|---|
| 第一次联系 | 新玩家能识别进球和输入吗？ | 第一次有意行动和混淆说明的时间 |
| 核心循环 | 每项行动是否都会产生可读的反馈和另一个决定？ | 已记录的运行状态更改 |
| 失败 | 玩家能理解发生了什么并恢复吗？ | 丢失消息、 重新启动和保留状态检查 |
| 响应的用户界面 | 游戏能否以支持大小读取和控制？ | 桌面和移动视图端口抓取 |
| 返回游戏 | 是否有理由再试一次？ | 玩家对下一个策略的解释 |
将构建、 SIO 和 发布检查作为产品工作
可玩代码只是浏览器游戏发行的一层，周边页面需要稳定的URL，有用的元数据，工作空洞，可发现的导航，图像，应答的布局，以及当它打算公开和可索引时的站点映射覆盖。
下一步.js可以在构建时生成动态路由参数，并将支持的路由导出为静态文件。在我们的工作流程中，这些机制由共享内容登记册支持，然后通过生产构建和SIO验证进行检查，而不是因为开发页面打开而假设工作有效。
最后一个门是故意无聊的：构建完整的站点，检查生成的路径，验证发现元数据，打开本地制作预览，播放已更改的游戏，并记录结果。重复将清单转换为基础设施；跳过它将小遗漏转化为公共缺陷。
- 存在一个重点突出的、可观察到的核心循环。
- 这种变化是孤立的、可审查的，并通过共享合同加以整合。
- 人类扮演了生产形状的结果。
- 完整的项目在整合后成功建设。
- 公共路线、运河、元数据、和网站地图的覆盖面都得到核实。
- 释放或部署仍需作出明确的人的决定。
常见问题
AI-本土游戏开发是什么意思？。
这意味着AI参与生产流程，而不是仅仅用于单一资产或晚期实验。 人类仍然拥有产品意图、审查、播放质量、权利决定和发行批准。
全部20款游戏都是AI完全生成的？
互联网上，我们没有将“AI-native”作为完全自主或完全AI生成的同义词。 线条将AI-辅助工作与共享工程系统、人类艺术和产品选择、游戏测试和释放门结合起来。
为什么从一个游戏游戏循环开始？
一个小循环让代理商和审查者都对进展有一个具体的定义，也暴露了这个想法在团队投资更多内容之前是否可以理解和可重复。
多个AI代理可以并行构建游戏吗？。
它们在所有权和一体化点明确时可以平行地在独立、有界限的地区开展工作。 共有的基础设施改革仍然需要协调和一体化后的综合建设。
为什么要用Git工作树来做代理任务？
Worktree提供单独的工作目录和连接到一个寄存器的分支，它们减少了意外重叠，使每个更改更容易检查，但不会取代审查或冲突管理。
AI游戏开发任务应包括什么？
说明想要的玩家可见结果，相关文件或边界，技术限制，以及接受所需的证据。标记玩家测试的主观问题而不是假装自动化可以解决问题。
你怎么保持20场比赛的一致性 却又不让他们完全相同？
我们把周边合同——路线、元数据、注册、验证和审查——标准化，同时允许每款游戏保持其核心循环和视觉方向。 一致性适用于生产质量和发现，而不是流派或机械。
AI辅助游戏的最终发行门是什么？。
人类必须发挥综合成果，批准经验，然后是成功的生产建设和路线、元数据和现场地图检查。 部署仍然是单独的明确决定。
资料来源与延伸阅读
- Git 工作树文档
管理多个工作树的Git官方参考文献，附在一个寄存器上。
- Next.js 生成StaticParams 文档
建设时动态App路由器部分的官方路由生成参考。
- Next.js 静态导出指南
官方指导从支持的 Next.js 路由生成静态 HTML 输出。
下一步