只写一个 Prompt，AI 就能独立做出完整游戏？这个网站收录了 40 个真实案例

最近，一个名为 **Something Big Is Happening** 的网站上线了一个很有意思的 AI 游戏专区。

这里展示的并不是传统游戏工作室开发的作品，而是一批主要由 AI 编程 Agent 自动完成的浏览器游戏。

赛车、第一人称射击、多人联机、僵尸生存、动作 RPG、即时战略、太空探索、解谜冒险……目前网站已经收录了 **40 款可以直接在线运行的游戏**，而且还在持续增加。大部分作品不需要下载安装，打开浏览器就能体验。

网站地址：

网页链接

它不只是一个 AI 小游戏合集

从表面上看，这是一个 AI 生成游戏的在线试玩网站。

但对 AI 技术用户来说，它更值得关注的地方，是这些游戏背后的开发方法——**Gauntlet Loop**。

这一方法最初来自 Claude of Duty 项目。

据项目作者 Matt Shumer 介绍，他只向 Claude Code 提交了一段 Prompt，然后让 Agent 自主工作。AI 在数小时内调用大量子 Agent，最终编写了大约 5.5 万行代码，并通过程序生成游戏中的纹理、模型、动画和声音。整个项目代码和原始 Prompt 随后都被公开。

其他开发者拿到这段 Prompt 后，又将它改造成赛车、射击、冒险、生存和多人联机等不同类型的游戏。

Something Big 的 Games 页面，就是这些实验成果的集中展示。

什么是 Gauntlet Loop？

Gauntlet Loop 可以理解为一种由多个 AI Agent 参与的自动迭代工作流。

它的核心不是让 AI 一次性生成一个“差不多能用”的结果，而是给它设定一个足够高、能够实际比较的质量标准，然后持续执行：

**拆分任务、生成结果、独立评审、发现差距、重新修改。**

在这个过程中，主 Agent 会把大型目标拆解成多个可以独立优化的部分。

例如开发一款游戏时，可以分别处理：

* 场景与光照* 角色与武器* 移动和射击手感* 敌人行为* 音效与视觉特效* 菜单和交互界面* 性能与兼容性

每个模块由 Builder Agent 负责开发，再由一个拥有独立上下文的 Critic Agent 负责检查。

Critic 不听开发 Agent 解释“为什么这样设计”，而是直接查看真实运行结果，将它与参考作品或者质量指标进行比较。只要差距仍然明显，就继续将问题交回 Builder 修改。

换句话说，它试图解决 AI 编程中的一个常见问题：

**AI 很容易在作品刚刚能够运行时，就认为任务已经完成。**

Gauntlet Loop 则通过外部标准和独立评审，让 Agent 不断寻找当前版本与优秀作品之间最大的差距。

这里的游戏已经做到什么程度？

网站中的作品并不只是传统意义上的 HTML 小游戏。

例如：

**Kart Royale** 是一款可以直接在浏览器运行的卡丁车竞速游戏，包含漂移、道具和完整赛道。

**Der Koloss** 支持四人合作，拥有语音聊天、僵尸波次、武器升级和多人联机系统。

**Pastel Nuketown** 是一款多人竞技场射击游戏，手机横屏也可以运行。

**The Long Silence** 提供程序化星球探索，作者称其在一次约24小时的运行中完成，而且没有使用外部美术素材。

**Starfall** 则尝试在浏览器中实现类似 Homeworld 的太空即时战略体验，包括多种舰船、星球和程序化视觉效果。

这些游戏当然不能直接等同于成熟商业游戏，也存在性能、画面一致性、操作体验和 Bug 等问题。

但真正值得注意的是：

过去需要程序、美术、动画、音效和策划共同完成的原型，现在一个人借助 AI Agent，已经可能在较短时间内完成可运行、可分享甚至支持多人联机的版本。

对 AI 开发者有什么启发？

Something Big 展示的不只是“AI 会不会做游戏”，而是一种新的软件生产方式。

第一，Prompt 正在从指令变成管理机制

优秀的 Agent Prompt 不一定要把每个技术步骤写得非常详细。

更重要的是明确最终目标、质量标准、评审机制和持续改进规则，让 Agent 自己决定技术路线和任务拆分方式。

第二，Evaluator 可能比 Generator 更重要

许多 AI 应用已经能够快速生成代码、页面和内容。

真正困难的部分，是如何让 AI判断结果是否足够好。

Gauntlet Loop 的关键设计，就是不让生成者评价自己的作品，而是引入独立 Critic，直接检查代码运行结果、页面像素、测试数据或最终成品。

第三，Agent 可以从助手变成执行团队

过去使用 AI 编程，通常是开发者提出一个问题，AI 返回一段代码。

而在多 Agent 工作流中，一个主 Agent 可以负责规划，多个 Builder 并行开发，Critic 负责验收，最后再由新的 Agent 处理整体一致性。

开发者的角色开始从“逐行写代码”，转向“设定目标、提供资源、制定标准和控制成本”。

第四，这种方法不只适用于游戏

Gauntlet Loop 的作者认为，这种工作流还可以用于网站开发、产品设计、营销方案、文章写作、研究分析和后端工程。

例如：

做网站时，可以把优秀同类网站作为视觉基准。

做后端时，可以把测试通过率、延迟、安全审查和故障恢复能力作为标准。

做内容时，可以分别评审标题、结构、论证、案例和语言表达。

关键是不要只告诉 AI“继续优化”，而要为它提供一个能够被检查、被比较的明确质量标尺。

值得每一位 AI 技术用户亲自体验

如果你正在使用 Claude Code、Codex 或其他 AI 编程 Agent，这个网站很值得花时间浏览。

你可以把它当作：

* AI 游戏作品试玩平台* Agent 编程案例库* 多 Agent 协作实验室* 浏览器 3D 与 WebGPU 技术展示* AI 原生软件开发的灵感来源

更重要的是，这些项目让我们看到，AI 编程的下一阶段可能不再只是“帮开发者补全代码”，而是让一个人能够调度一整支由 Agent 组成的虚拟开发团队。

打开网站，随便选择一款游戏运行几分钟。

你看到的不只是一个由 AI 制作的小游戏，也可能是未来软件生产方式的一次提前预演。

**网站：Something Big Is Happening**

**体验地址：网页链接