在游戏开发的前期阶段，快速生成有效的游戏原型对设计验证和开发节奏至关重要。现代技术的发展使得结合人工智能和自动化工具来辅助游戏原型制作成为可能。本文深入探讨了如何运用Cursor、Zed这两款编程环境配合LÖVE Lua游戏引擎，从结构化的游戏设计文档快速生成可交互原型的实践经验。该方法尤为适合模拟、自动化及策略类游戏的前期探索，为游戏设计师及程序员提供高效的协作与验证方式。游戏设计文档是开发流程的核心蓝图，里面详细描述游戏的核心机制、玩法流程、资源管理及交互系统。通过将这些设计内容以清晰、规范的Markdown格式书写，并结合明确的任务清单，可以让智能代理工具更精准地理解和执行开发任务。
Cursor和Zed作为现代代码编辑器，内置类似聊天机器人功能，利用最新版的大型语言模型（LLM）例如ChatGPT 4.1和Claude 4，能够根据设计文档和任务描述自动生成Lua代码，并对LÖVE游戏引擎中实现的游戏逻辑进行实时调试和迭代。LÖVE游戏引擎以其轻量级和快速响应的特点，特别适合制作2D游戏原型。Lua脚本语言与LLM具备良好兼容性，大幅降低了自动生成代码的难度。开发团队使用LÖVE内置的命令行构建以及游戏日志输出功能，使代理程序得以监控游戏状态，反馈异常，推动代码自动修复和迭代。地图设计采用了Tiled Map Editor，这是一款能够导出文本格式地图文件的地图编辑器，便于代理工具解析和加载。资源方面则利用开源CC0许可的Kenney.nl资产库，确保轻松获取规范化的图块纹理。
整个系统以游戏设计文档、任务列表及开发规范文档统一存放于项目的docs文件夹中，形成标准化且模块化的知识库。代理工具通过逐条读取设计需求和待办列表，逐步生成对应代码，实现从架构层面到功能细节的自动编码。虽然自动化进展顺利，但过程并非一帆风顺。代理在理解复杂逻辑时偶尔会出现偏差，生成了冗余或无效代码，需要多次迭代与人工干预。因而，结合明确的设计范例和示例代码对代理进行上下文强化极为重要，能够显著提升代码生成的精准度和有效性。通过这套系统，团队成功原型了多种机制，包括多样化的建造过程（虚拟货币驱动、资源驱动与蓝图驱动）、多种防御塔类型、多层次敌人AI行为如资源窃取和建筑攻击、敌人触发波次发生机制等复杂系统。
团队还尝试了利用代理基于代码和文档自动生成功能设计，虽然技术可行，但生成方案的创意及实用性尚未达到预期，未能转入实际测试环节。同时，自动化的游戏测试机器人开发尝试也遇到瓶颈，局限于简单场景及测试行为，团队最终仍依赖人工测试保证游戏品质。该方法显著缩短了从设计到原型的周期，促进了游戏设计师与程序员之间的协同，提高了尝试与验证的效率。对那些熟悉基础编码知识的设计师极具吸引力，能够在无需深度编程技能的前提下自主管理部分开发流程。虽然整体系统尚未完全成熟，存在代理理解深度和自主修订能力不足的问题，但其助力加速设计验证、减少重复劳动的潜力无疑巨大。随着AI工具的进步，未来此类多工具融合自动化游戏原型技术将更加智能和易用，为多样化、系统驱动的游戏制作注入强大动力。
在项目后期，由于平台对游戏引导和用户留存提出新要求，原本复杂的程序化机器人机制被简化为更易上手且直观的编程地图系统。这一调整通过快速预设和测试得以高效完成，极大改善了游戏的早期用户体验和核心玩法吸引力，侧面印证了自动原型技术在应对设计变更和新需求时的灵活性和价值。Summarizing来说，结合强大的文本代码编辑器Cursor与Zed、灵活高效的LÖVE游戏引擎，以及直观的Tiled地图工具，辅以大型语言模型的代码生成能力，能够实现游戏设计文档到可交互原型的快速转化，极大提升模拟和策略类游戏的开发效率。尽管依赖人工调整确保质量是短期内不可或缺的环节，但这套方案为游戏团队节省了宝贵时间，开启了通过智能代理辅助开发的新思路。未来，随着更完善的代理工作流及更具创造力的自动设计生成方案问世，基于游戏设计文档的自动原型制作必将成为游戏开发的主流趋势，推动更高效与创新的产业生态。欢迎游戏开发者尝试借助这一开源系统，结合自身需求调整改进，实现快速的游戏设计验证与迭代，共同迎接AI驱动的游戏开发新时代。
。
