用 AI 构建游戏引擎
如何用 AI 智能体构建 AAA 级游戏引擎
我们正在打造 FRIENDLY?,一款运行在自研 Rust 与 Vulkan 引擎上的生存游戏,目标是 AAA 级的画面与网络代码。引擎由 AI 智能体在人工指导下编写,并受严格规约约束:未通过关卡的内容,一律不会合并。本页展示这套流程及其背后的九条规则。
我们在构建什么
FRIENDLY? 是一款处于早期开发阶段的生存游戏。
引擎使用 Rust(2024 版)编写,直接构建在 Vulkan 1.3 或更高版本之上,使用预编译的 Slang 着色器、Bevy ECS crate、Jolt Physics 5.6,以及 DLSS 与 FSR 超分辨率技术。
网络代码采用服务器权威模式,运行在 QUIC 之上并使用 TLS 1.3。游戏世界是一片真实的山谷,约 6 × 6 公里。
约 100% 的代码由 AI 智能体在人工指导下编写。游戏的项目文件用一句话概括了这份规约:“Strictness is the product.”(严格就是产品。)
流程:规划、决策、通道、关卡、合并
驱动我们游戏引擎的正是这套流程,为您搭建智能体时,它也会进入您的代码仓库。
-
规划
计划由负责人掌握。功能按 PRD → 任务 → 执行 推进。
-
决策
每项决策都在写代码之前记录为 ADR。
-
通道
一次改动,一条通道。专业智能体,一位主导。
-
关卡
测试加上只会越来越严的代码规范墙。新关卡必须先失败一次。
-
合并
只有全部通过的工作才会合并。智能体无法放宽自己的规则。
让智能体可靠的九条规则
每条规则都附有原因,以及一个来自引擎的具体例子。
-
计划由负责人掌握
- 规则
- 做什么由人来决定,智能体负责去做。
- 原因
- 智能体能很好地执行计划,但选择计划这件事无法交出去。
- 示例
- 功能按 PRD → 任务 → 执行 推进,计划始终掌握在负责人手中。
-
先决策,并落成文字
- 规则
- 在代码出现之前,先把决策记录下来。
- 原因
- 记录下来的决策可以检查、可以撤销;藏在 diff 里的决策则不行。
- 示例
- 每项决策都记录为 ADR,新的 crate 在创建之前必须先有自己的 ADR。
-
一次改动,一条通道
- 规则
- 每次改动都有自己的通道。
- 原因
- 小而独立的改动容易审查,也容易丢弃。
- 示例
- 引擎的每次改动都在自己的通道中进行,合并之前必须通过关卡。
-
合并之前先过关卡,新关卡必须先失败一次
- 规则
- 关卡未通过就不合并;每个新关卡在被信任之前,都要先亲眼看它变红。
- 原因
- 一个从未失败过的检查,可能什么也没检查。
- 示例
- 代码规范墙由 clippy 的 all、pedantic、nursery 三个分组,加上约 70 条 restriction 规则构成。交付的代码不含 panic,unsafe 代码只存在于白名单中的 crate,每个条目都有文档,并且先写测试。
-
智能体无法放宽自己的规则
- 规则
- 控制层对智能体是只读的。
- 原因
- 智能体能修改的规则,只是一条建议。
- 示例
- 规则、钩子、智能体和代码规范墙都被锁为只读。
#[allow]被禁止;只允许带书面理由的#[expect(lint, reason)]。这堵墙只会越来越严。
-
知识存放在文件里
- 规则
- 智能体需要知道的内容,都写在仓库里。
- 原因
- 留在聊天里的内容,下一次会话就没了;写在仓库里的内容,每次都会被读到。
- 示例
- 我们把项目知识放在仓库里的文件中,称之为 living skills。
-
一个接待智能体与多位专家
- 规则
- 一个主导智能体接收工作,再交给各领域专家。
- 原因
- 一个智能体把握全局,专家带来深度。
- 示例
- 主导的“door”智能体与负责渲染、网络代码和 Rust 评审的专业智能体协作。
-
钩子拦截危险操作
- 规则
- 危险操作由钩子拦截,而不是靠指令。
- 原因
- 指令只是建议,钩子才是强制。
- 示例
- 在引擎的仓库中,钩子会在危险操作执行之前将其拦下。
-
没有真实运行,就不下结论
- 规则
- 只有真实运行得出的数字,才会公布。
- 原因
- 凭记忆给出的数字只是传言。
- 示例
- 我们只公布来自真实运行的实测数字,并注明硬件。因此本页没有任何帧率数据。
来自引擎的三个例子
每个例子都介绍引擎的一项功能及其背后的规则。
按真实记录拟合的天气
天气模型基于 ERA5 再分析数据,以及 NCEI 和 DWD 的气象站记录校准。它驱动体积云,并使用太阳和月亮的真实位置。
规则 9 的实际体现:模型依据实测记录拟合,而不是凭感觉。云是尚未完成的部分,详见下文。

树木长在真实树木所在的位置
地图是斯洛伐克 Ružomberok 附近的一片真实山谷,约 6 × 6 公里的真实地形。树木所在的位置,正是山谷 1 米分辨率 LiDAR 数据显示有树的位置。
以真实山谷为基础的决定,和所有决策一样记录在 ADR 中(规则 2)。

没有 hitscan 的子弹
每颗子弹都沿着自己的轨迹飞行,受重力、随马赫数变化的空气阻力和风的影响。不存在 hitscan。
对这样的功能来说,“看起来对”证明不了什么,所以这套方法要求关卡和真实运行(规则 4 和 9)。
尚未完成的部分
- 云的形态。 天气模型驱动体积云,但它们的形态还没有达到我们想要的样子。
- 全局光照。 开发中,默认关闭。
- 游戏本身。 它仍处于早期开发阶段:一个包含两栋房屋、大片森林和天气的小型可玩场景,以及用于验证命中检测和联网弹道的临时僵尸。
- AAA 级目标。 这是我们正在努力的目标。我们不声称与任何其他引擎相当,也不公布帧率数据。
背后的体系
我们基于 Claude Code 搭建的自有 AI 体系,用数字来说:由 27 个专业智能体、73 个知识模块和 5 个自研 MCP 服务器组成的系统。
在我们自己的产品中,只有通过最高级别 PHPStan,以及最严格配置的 ESLint、Stylelint、TypeScript、Dart 和 Clippy,外加 215 条自定义规则的内容才会交付。生成的代码同样没有例外。
背后是 20 多年的全栈 Web 开发经验、4 年多的 AI 开发实践,以及我们自研的支持 18 种语言的 Web 框架。
常见问题
AI 智能体能构建游戏引擎吗?
在我们这里,约 100% 的代码由 AI 智能体在人工指导下编写。目前成果仍处于早期开发阶段,确保其正确性的是一套由规则与关卡构成的严格规约。
是什么让 AI 编写的代码可靠?
合并前的关卡:测试、由 clippy 分组和约 70 条 restriction 规则组成的代码规范墙,以及其他检查。此外还有智能体无法放宽的规则与钩子。
游戏完成了吗?
还没有。我们仍在开发中,目前处于早期阶段。尚缺的部分列在“尚未完成的部分”一节中。
