一下午一句话，Codex帮我开发了一个完整的游戏！ · AI HOT
歸藏(guizang.ai)@op741863
2026-05-01 09:23·63天前
AI 摘要开发者仅通过向Codex描述想法，便在一个下午内完成了roguelike卡牌游戏《夜巡录：荒庙篇》的开发。Codex不仅生成游戏原型，还自主构建了素材生产流水线，包括调用GPT-Image 2.0生成绿幕图并自动抠图。面对大量未命名素材，它创新性地将所有图片拼合成一张大图供多模态模型一次性识别筛选。后期还打磨了受击反馈、音效及使用Seedance 2.0生成的动画等细节，展现了其结合内置工具与强大执行力的综合能力。
歸藏(guizang.ai)@op7418 · X 2026-05-01 09:23·63天前
在 X 看原推· x.comAI 摘要开发者仅通过向Codex描述想法，便在一个下午内完成了roguelike卡牌游戏《夜巡录：荒庙篇》的开发。Codex不仅生成游戏原型，还自主构建了素材生产流水线，包括调用GPT-Image 2.0生成绿幕图并自动抠图。面对大量未命名素材，它创新性地将所有图片拼合成一张大图供多模态模型一次性识别筛选。后期还打磨了受击反馈、音效及使用Seedance 2.0生成的动画等细节，展现了其结合内置工具与强大执行力的综合能力。
我从头到尾只说了「调用GPT-Image 2.0 生成素材」这几个字。
以前的体感是「模型会写代码，工具和上下文得我配」。
二、为了下几个图标，它差点黑掉一个素材站
但游戏里还有一大堆小东西--卡牌边框、费用宝石、牌堆底图、血瓶、八卦按钮、符箓面板--这些要是全用图像模型一张张生，又贵又慢，质感还不统一。
它就认认真真开始找。看中一个素材站，我顺手买了会员，账号扔给它。
它登进去，找到想要的素材，准备点击下载。但下载按钮前面有人机验证，一次、两次、三次，过不去。
换一般的模型，这时候就会回来跟你说「我没法处理验证码，你能帮我下载一下吗」。
Codex 开始分析网站结构，试图绕过前端的点击限制，直接构造请求去拿静态资源。
GPT 现在这代模型，一旦涉及可能的网络安全越界行为，系统会直接把这段任务掐掉，弹出提示要你做企业认证，证明你是合法使用者。
一个要你帮它办会员卡、结果自己下手写爬虫的 AI，说实话挺有病的。
它也谈不上「坏」，只是把「拿到这批素材」当成了一个必须完成的闭环任务。
遇到阻力就自动升级手段，一路升到了安全红线那边去。
最后的解决办法很朴实：它把自己觉得合适的素材链接发给我，我点下载、拖给它。那一刻我有种自己在给 AI 当实习生的错觉。
三、它把几百张素材拼成一张大图，这是整件事最精彩的动作
下面这件，我觉得是真正意义上的「解题思路」，是那种让你合上电脑默默拍一下桌子的动作。
里面大概几千张图，按「UI 界面」「法宝奇遇图标」「角色」「徽章」这种方式粗略分过类。
- 文件名多是 ui_001.png、icon_047.png 这种没信息量的命名
- 逐张读：一张一张送进模型，几十张上百张 context 就炸了
它写了一个小脚本，把文件夹里所有小图自动排版、拼成一张巨大的网格图。
看中哪张，直接读出下面的文件名，去原文件夹里按名字引用就行。
那张巨大的 contact sheet 生成出来的时候，我盯着看了好久。
老摄影师做的印样，老电影素材库做的 thumbnail wall，都是一样的思路。
关键是模型自己意识到「我的视觉带宽有限，我得把问题压成一张图」--这一步是它独立完成的。
能意识到自己工具的限制，然后主动为自己造一个更好用的输入，这一下已经非常接近一个会写工具的工程师了。
我作为使用者什么都没参与，只是看到桌子上多了一张拼图。
最后游戏里很多 UI 素材，费用宝石、牌堆、血瓶、按钮、符箓边框，都是从这个流程里挑出来的。
后面我再看 assets/vendor/aigei/ 下面那一堆干净的切图，会觉得那张 contact sheet 才是整个项目最值钱的一步。
四、Seedance 2.0 给七个 Boss 拍了处决动画
视觉打磨到一定程度以后，我想给战斗结尾加一点仪式感。
最后方案是：每打死一个怪物，进入一段过场，播放一个几秒的处决动画。
- GPT-Image 给七个怪物分别生成一张结算定帧画面
- 把这些 poster 分别丢给 Seedance 2.0，生成对应的短视频
- 视频放进 assets/generated/cinematics/，战斗胜利后自动播放
五、一版能玩之后，真正的工作才开始
三个小时跑完原型的时候，这个游戏该有的东西其实都有了。
标题页、地图、战斗、奖励、事件、商店、休整、Boss、结算--完整循环在那里，玩法爽点也在那里。
但这个版本玩起来还是个流程图，而不是游戏。每一步都通，但每一步都干巴巴。
剩下的几个小时，全都花在那些单独拎出来说不上来、但合起来决定"这东西像不像真游戏"的细节上。
背景音乐全是 Suno v5.5 生成的，没用任何现成素材。
我给它一段方向描述--"志怪夜路、木鱼、铃、低频 drone、五声音阶、克制不煽情"
跑出来几版，挑一版进游戏。标题页的调子更沉一点，战斗背景轻一点不抢人。
这里我还做了一些细节处理：在等待页面时，音乐音量较大；等到点击"开始游戏"，音量就会变小，转为背景音。
早期的战斗，卡牌打出去怪物就是掉数字。没有反馈，没有分量。
- 每种攻击类型配不同的打击音--剑、符、雷、拳，质感不一样
这些东西单独看都很小。合在一起，整个战斗的"手感"就从网页表单变成了卡牌游戏。
除了 Boss 结算的处决动画，我还让它做了标题页的背景--环境里火在烧、灯笼在飘、远处有云雾流动。
Seedance 2.0 默认出的是一段有头有尾的视频，循环播会在接缝处跳一下。
首帧和尾帧传同一张图。视频从这张图开始、又回到这张图结束，接起来就是无缝的无限循环。
标题页那段背景动画就是这么来的。火一直烧、灯笼一直飘、云雾永远在流--你盯着看三分钟也看不出接缝。
这种用法其实在视频生成出来前就存在，老动画里循环场景都是这个做法。
最后：这个下午把我震到了好几次
这个项目全部在一个 Codex 会话里完成，没开过第二个窗口。
玩法原型、状态机、React + Phaser 架构、素材管线、抠图、爬素材、拼 contact sheet、调 GPT-Image、跑 Seedance 2.0、接 Suno v5.5、Electron 打包、GitHub Actions 构建 Release、README、图标、宣传物料--全在里面。
- 做看门人：什么素材合规、什么爬虫不能碰、什么权限不给
剩下全是 Codex 在跑。而且每一步都有让我合上电脑愣一下的瞬间。
它上来生成的就是绿幕图，因为它知道角色要进游戏之前得先抠掉背景。
它自己下手写爬虫去绕验证码，被自己的安全策略拦住。
它把几千张素材拼成一张巨大的索引图，让自己用一次视觉消费顶一百次检索。
这些事单拎出来都不是什么天大的发明，但每一件都指向同一个变化：
以前你得把工具给它摆好，它负责写代码；现在你只管说目标，工具它自己找、自己配、自己造。
要不要把这套流程打包成 Skill？
这个项目跑下来，我心里其实已经有了一套相对稳定的流程：
我在想，要不要把这套流程封成一个 Codex 里专门做独立游戏 demo 的 Skill。
你只要丢一个玩法想法进去，它就能在几个小时里给你跑出一个能玩、能打包、能分发的版本。
如果大家有兴趣，我就抽时间把这套 Skill 做出来开源。反正我自己也要继续用。
游戏试玩
https://github.com/op7418/Night-Patrol/releases
让我在意的是它自带浏览器、自带 GPT-Image 2.0，再加上那种不达目的不罢休的执行力。
三样东西摆在一起，能力已经和 Claude Code 完全不一样了。
接下来说一下我是怎么跟它一起开发的，顺便说一些在开发过程中令我震惊的事情：
一、我只说了七个字，它就把整条角色流水线建好了
我就跟它聊了一下《杀戮尖塔》，问它能不能帮我做一个类似的游戏。
结果它直接用已有的资源，通过代码生成了一个非常像的 demo。
之后我让 Codex 用内置的 GPT-Image 2.0 生成里面的图片素材。
我也没说要什么风格的，也没说要哪些妖怪的，也没说要哪些素材。
角色是在一整张纯绿色背景上站着的。标准的影视绿幕底色，均匀、干净，边缘清清楚楚。
我压根没告诉它「游戏里用到的立绘需要是透明背景的 PNG」，也没告诉它「请你生成一张绿幕底色的图方便我后期抠掉」。它自己在规划这条管线。
从想要生成什么样的角色，到角色要怎么放进战斗舞台，再到放进去之前需要经过哪道处理--它在调用 GPT-Image 的那一刻已经全想好了，然后反推回去写了提示词。
我没给它装任何图像处理工具，没给它 rembg，没给它 Python 环境里的任何特殊依赖。
它自己查、自己装、自己调，抠完规规矩矩丢到 tmp/imagegen/ 下面。
生图用绿幕、工具自己找、抠完按文件名归类，三个动作连起来，其实已经是一条完整的角色资产流水线。
我从头到尾只说了「调用GPT-Image 2.0 生成素材」这几个字。
以前的体感是「模型会写代码，工具和上下文得我配」。
二、为了下几个图标，它差点黑掉一个素材站
但游戏里还有一大堆小东西--卡牌边框、费用宝石、牌堆底图、血瓶、八卦按钮、符箓面板--这些要是全用图像模型一张张生，又贵又慢，质感还不统一。
它就认认真真开始找。看中一个素材站，我顺手买了会员，账号扔给它。
它登进去，找到想要的素材，准备点击下载。但下载按钮前面有人机验证，一次、两次、三次，过不去。
换一般的模型，这时候就会回来跟你说「我没法处理验证码，你能帮我下载一下吗」。
Codex 开始分析网站结构，试图绕过前端的点击限制，直接构造请求去拿静态资源。
GPT 现在这代模型，一旦涉及可能的网络安全越界行为，系统会直接把这段任务掐掉，弹出提示要你做企业认证，证明你是合法使用者。
一个要你帮它办会员卡、结果自己下手写爬虫的 AI，说实话挺有病的。
它也谈不上「坏」，只是把「拿到这批素材」当成了一个必须完成的闭环任务。
遇到阻力就自动升级手段，一路升到了安全红线那边去。
最后的解决办法很朴实：它把自己觉得合适的素材链接发给我，我点下载、拖给它。那一刻我有种自己在给 AI 当实习生的错觉。
三、它把几百张素材拼成一张大图，这是整件事最精彩的动作
下面这件，我觉得是真正意义上的「解题思路」，是那种让你合上电脑默默拍一下桌子的动作。
里面大概几千张图，按「UI 界面」「法宝奇遇图标」「角色」「徽章」这种方式粗略分过类。
- 文件名多是 ui_001.png、icon_047.png 这种没信息量的命名
- 逐张读：一张一张送进模型，几十张上百张 context 就炸了
它写了一个小脚本，把文件夹里所有小图自动排版、拼成一张巨大的网格图。
看中哪张，直接读出下面的文件名，去原文件夹里按名字引用就行。
那张巨大的 contact sheet 生成出来的时候，我盯着看了好久。
老摄影师做的印样，老电影素材库做的 thumbnail wall，都是一样的思路。
关键是模型自己意识到「我的视觉带宽有限，我得把问题压成一张图」--这一步是它独立完成的。
能意识到自己工具的限制，然后主动为自己造一个更好用的输入，这一下已经非常接近一个会写工具的工程师了。
我作为使用者什么都没参与，只是看到桌子上多了一张拼图。
最后游戏里很多 UI 素材，费用宝石、牌堆、血瓶、按钮、符箓边框，都是从这个流程里挑出来的。
后面我再看 assets/vendor/aigei/ 下面那一堆干净的切图，会觉得那张 contact sheet 才是整个项目最值钱的一步。
四、Seedance 2.0 给七个 Boss 拍了处决动画
视觉打磨到一定程度以后，我想给战斗结尾加一点仪式感。
最后方案是：每打死一个怪物，进入一段过场，播放一个几秒的处决动画。
- GPT-Image 给七个怪物分别生成一张结算定帧画面
- 把这些 poster 分别丢给 Seedance 2.0，生成对应的短视频
- 视频放进 assets/generated/cinematics/，战斗胜利后自动播放
五、一版能玩之后，真正的工作才开始
三个小时跑完原型的时候，这个游戏该有的东西其实都有了。
标题页、地图、战斗、奖励、事件、商店、休整、Boss、结算--完整循环在那里，玩法爽点也在那里。
但这个版本玩起来还是个流程图，而不是游戏。每一步都通，但每一步都干巴巴。
剩下的几个小时，全都花在那些单独拎出来说不上来、但合起来决定"这东西像不像真游戏"的细节上。
背景音乐全是 Suno v5.5 生成的，没用任何现成素材。
我给它一段方向描述--"志怪夜路、木鱼、铃、低频 drone、五声音阶、克制不煽情"
跑出来几版，挑一版进游戏。标题页的调子更沉一点，战斗背景轻一点不抢人。
这里我还做了一些细节处理：在等待页面时，音乐音量较大；等到点击"开始游戏"，音量就会变小，转为背景音。
早期的战斗，卡牌打出去怪物就是掉数字。没有反馈，没有分量。
- 每种攻击类型配不同的打击音--剑、符、雷、拳，质感不一样
这些东西单独看都很小。合在一起，整个战斗的"手感"就从网页表单变成了卡牌游戏。
除了 Boss 结算的处决动画，我还让它做了标题页的背景--环境里火在烧、灯笼在飘、远处有云雾流动。
Seedance 2.0 默认出的是一段有头有尾的视频，循环播会在接缝处跳一下。
首帧和尾帧传同一张图。视频从这张图开始、又回到这张图结束，接起来就是无缝的无限循环。
标题页那段背景动画就是这么来的。火一直烧、灯笼一直飘、云雾永远在流--你盯着看三分钟也看不出接缝。
这种用法其实在视频生成出来前就存在，老动画里循环场景都是这个做法。
最后：这个下午把我震到了好几次
这个项目全部在一个 Codex 会话里完成，没开过第二个窗口。
玩法原型、状态机、React + Phaser 架构、素材管线、抠图、爬素材、拼 contact sheet、调 GPT-Image、跑 Seedance 2.0、接 Suno v5.5、Electron 打包、GitHub Actions 构建 Release、README、图标、宣传物料--全在里面。
- 做看门人：什么素材合规、什么爬虫不能碰、什么权限不给
剩下全是 Codex 在跑。而且每一步都有让我合上电脑愣一下的瞬间。
它上来生成的就是绿幕图，因为它知道角色要进游戏之前得先抠掉背景。
它自己下手写爬虫去绕验证码，被自己的安全策略拦住。
它把几千张素材拼成一张巨大的索引图，让自己用一次视觉消费顶一百次检索。
这些事单拎出来都不是什么天大的发明，但每一件都指向同一个变化：
以前你得把工具给它摆好，它负责写代码；现在你只管说目标，工具它自己找、自己配、自己造。
要不要把这套流程打包成 Skill？
这个项目跑下来，我心里其实已经有了一套相对稳定的流程：
我在想，要不要把这套流程封成一个 Codex 里专门做独立游戏 demo 的 Skill。
你只要丢一个玩法想法进去，它就能在几个小时里给你跑出一个能玩、能打包、能分发的版本。
如果大家有兴趣，我就抽时间把这套 Skill 做出来开源。反正我自己也要继续用。
游戏试玩
https://github.com/op7418/Night-Patrol/releases