曾經高中的時候,愛玩遊戲的自己也曾想過自己從頭到尾都加入自己喜歡的材料,自己喜歡的元素來做出一款屬於自己的故事。
可能就跟剛想學做菜的人一樣,**好吃加好吃,不一定會好吃。**做出一款看起來能動,但完全沒內涵的遊戲,接著很快就放棄了。
輾輾轉轉十年也過去了,在工作領域上慢慢摸到AI & Vibe coding 驚覺到,是否我只要專注於結構開發,專注在我喜歡的事情上,剩下的麻煩事就讓AI 來接手。
長年品管工程的經驗看來要在AI上發揮其他用處了。
這篇文章,就是我如何開始「設計這個同事」的過程。
不知道大家有沒有這些經驗
"要求一開始是完美的" 這件事在AI 開發上基本上是不存在的,
人都沒辦法一版就給你完美的產出了,何況是根本不知道你需求,也只就跟你用幾句話溝通的AI。
在這個基準上一件重要的事情就浮現出來了,
我怎麼設計與AI 的對話
讓我們這篇文章回歸到一個最根本的問題
我想透過Vibe coding 做些什麼,這個對話就會慢慢產出一些項目
讓我們從遊戲架構上來找出階段目標有哪些?
世界觀設定
遊戲類型
劇情機調
基於文章目的 這裡會專注於遊戲類型的討論,其餘的不會是要注重的項目
遊戲視角
核心玩法
操作節奏
主要體驗
基於文章目的 這裡會專注於核心玩法的討論,其餘的不會是要注重的項目
系統與模組規劃
到這個時候就是我們開始去與AI 協作生產的階段。
當目標已明確定義後,下一階段即是將工作有效分派給具備執行能力的對象。
核心問題在於:如何進行工作拆解與作業流程安排?
首先,需要釐清各項工作的性質與所屬階段。一般可分為以下三種類型:
發想討論階段:強調創意延伸與多元探索,允許較高自由度
架構討論階段:聚焦邏輯嚴謹性與標準制定,產出可被記錄與傳承的架構內容
程式產出階段:依循既定規範與文件,完成具體且可驗證的實作
在 AI 工具的選擇上,我認為都可以。重點在於善用既有工具與經驗進行適配,這本身也是能力累積的一環。
基於實務經驗,可採取以下分工模式:
架構討論 → GPT:負責整理與輸出結構化架構文件
程式產出 → Codex:依據架構文件進行程式實作與專案生成
發想與創意 → GPT / Gemini:用於概念延伸與多角度思考
文件整理 → NotebookLM:進行文件歸納與架構重整
透過多工具分工協作,可以有效提升資訊結構的清晰度,並強化整體作業流程的可控性與可追蹤性。
知道話要對誰講了,對話的內容如何建立?
讓我們來明確清晰所有Prompt 的設計架構
定義出你想討論或規劃的內容是要與怎樣的人員做溝通
定義出此AI 的性格、做事風格是很重要的
定義出這個事件的輸入、輸出範圍
由此來讓此Task 過程是專心一致,不混亂的
https://agents.md/
是一個非常有用的工具,用以記錄專案內容的撰寫標準,使得後續產出有明確的規則與邏輯
方便維護的同時也提高自己的可讀性
當我們開始用固定的對話元素來讓 AI 產出後,與 AI 的互動流程,會從原本的「試產出 → Debug」,逐步演進為:
產出架構 → 檢視邏輯 → 試產出 → Debug → 優化架構
這個轉變的本質,不在於 AI 變強,而在於專案開始具備可控性。
過去常見的問題是:直接要求 AI 產出最終結果,導致產物結構不明、邏輯不一致,最終只能透過反覆試錯來修補。這種模式的成本極高,且不可累積。
而當架構清晰明確了以後,整體運作模式會出現兩個關鍵變化:
從「黑箱產出」轉為「白箱控制」
每一個輸出不再是不可預期的結果,而是來自明確定義的:
輸入條件
處理邏輯
輸出格式
AI 的行為被約束在可理解的範圍內,使問題能被定位,而不是只能被感知。
將 AI 納入閉環流程(Closed Loop)
當流程被設計為:
產出 → 檢視 → 修正 → 再產出
且每一步都有標準與依據時,AI 不再只是執行者,而是流程中的一個節點。
進一步可演化為:
當整個流程建立起來之後,一個更根本的轉變會自然發生——你的角色不再只是「設計內容」,而是「規劃整個產出系統」。
設計者關注的是「做出什麼」,
而規劃師關注的是「如何穩定地做出來」。
當一個設計流程被規劃出來後,專案產出這件事情就開始有可複製性了。
這會帶來一個關鍵的轉化:
從「產出一個作品」變成「產出多個作品的能力」。
這時候問問你自己,當你有一套完整流程時,你想打造出什麼呢?
答案其實已經不再只是「一款遊戲」。
謝謝看到這邊,嚴格來說,這篇內容沒有什麼「立即可用」的答案。只是一些過程中的隨手筆記。
但是我發現提出一些想法交流的時候,架構規劃上才會有所成長,才會想要開始撰寫這一篇。
練習把話講清楚,練習把想法講清楚,並且嘗試接觸有相關經驗的人才能慢慢產生對我的修正的可能性。
開始讓自己的想法被檢視、被質疑、被補強時,我的下一個架構,我的下一篇文章才有更好更進步的可能。