这支视频真正值得学的地方
Stefan 3D AI 的视频标题很抓人：72 小时内做出自己的梦想游戏，资产由 AI 生成，玩法由 Claude Code 协助完成。
但我觉得最重要的不是“速度”，而是它展示了一个更现实的 AI 游戏开发方式：AI 不是替你完成整款游戏，而是把原本很慢的环节拆开加速。
视频里的流程大致是：
- 先规划游戏方向和第一版概念。
- 用 AssetHub 生成或整理 3D 资产。
- 处理角色绑定和 Unreal Engine 项目设置。
- 在 Blender 里组装关卡。
- 把内容导入 Unreal Engine 5.8。
- 处理灯光、材质和场景质感。
- 用 Claude Code 配合 Unreal Engine MCP 搭建玩法逻辑。
- 最后进行 playtest，检查是否真的可玩。
这不是一个“AI 取代游戏开发者”的案例，更像是一个 solo creator 把 AI 当成临时制作团队。
第一步：先把游戏范围压小
72 小时做游戏，最怕的是一开始就想做开放世界、复杂任务系统、多人联机和完整剧情。
这个视频选择的是更适合快速原型的方向：3D platformer。平台跳跃游戏的好处是核心很清楚：角色移动、跳跃、物理、关卡路线、目标点和反馈。
对 AI 工作流来说，范围越清楚，越容易把任务交给不同工具：
- AssetHub 负责资产速度。
- Blender 负责空间和关卡结构。
- Unreal Engine 负责真实运行环境。
- Claude Code 负责帮你更快处理脚本、蓝图思路和玩法逻辑。
如果范围不清楚，AI 只会更快地产生混乱。
第二步：用 AssetHub 解决资产起步问题
3D 游戏最耗时间的部分之一，是资产。
角色、道具、场景、装饰物、贴图和风格一致性，都会拖慢原型速度。AssetHub 在这个视频里的价值，是把“从零开始建模”的压力往前推了一大步。
但这里要注意：AI 资产不是终点，而是起点。
一个真正能放进游戏里的 3D asset，通常还要检查：
- 网格是否太重。
- 贴图是否正确。
- 比例是否统一。
- 轴向和原点是否合理。
- 能不能顺利导入 Blender 或 Unreal Engine。
- 角色是否需要 rigging。
所以更准确的说法不是“AI 帮我做好所有 3D 模型”，而是“AI 帮我更快拿到可以继续加工的第一版资产”。
第三步：Blender 仍然是中间整理站
视频里有一段是把关卡放进 Blender 里整理。
这一步很现实。很多 AI 资产生成工具可以给你模型，但不会自动替你解决游戏关卡里的空间关系。玩家从哪里开始、往哪里走、障碍物怎么摆、镜头看起来是否清楚，这些仍然需要创作者判断。
Blender 在这个流程里像一个中间整理站：
- 调整模型比例。
- 组装基础关卡。
- 检查视角和空间节奏。
- 清理不适合直接进引擎的部分。
- 准备导出给 Unreal Engine。
如果跳过这一步，直接把所有 AI 资产丢进游戏引擎，项目很容易变成一堆漂亮但不可玩的模型。
第四步：Unreal Engine 5.8 MCP 让 AI 进入引擎工作流
这支视频最有意思的地方，是把 Claude Code 和 Unreal Engine 5.8 MCP 放在一起使用。
MCP 的意义是让 AI agent 不只是“在旁边聊天”，而是有机会通过一个受控接口理解和操作外部工具。放到 Unreal Engine 里，它就可能协助处理项目结构、玩法逻辑、对象设置和重复性编辑。
但这不是自动驾驶。
视频描述和评论区都提到一个现实问题：Claude 不能像人一样直接理解 3D 空间里的所有视觉细节。它可以协助代码和逻辑，但角色朝向、模型位置、场景构图、实际手感，仍然要由创作者检查。
这点很重要。AI agent 适合加速，但最后的游戏体验必须靠 playtest 判断。
第五步：Claude Code 更适合做“玩法工程助理”
Claude Code 原本是开发者在终端里使用的 coding agent。放到游戏开发里，它的价值不是帮你“想一个游戏点子”，而是协助你把想法变成能运行的逻辑。
在这个流程里，它更像一个玩法工程助理，可以帮你：
- 拆解角色控制逻辑。
- 生成或修改脚本。
- 根据错误信息迭代代码。
- 协助理解 Unreal 项目里的结构。
- 把重复的实现步骤整理成可执行任务。
但游戏开发不是普通网页开发。就算代码能编译，也不代表手感好。跳跃高度、加速度、碰撞体、镜头跟随、关卡节奏，都需要反复试玩。
所以 Claude Code 最适合做的是“更快抵达可测试版本”，不是替你决定最终游戏体验。
我会怎样复刻这个流程
如果我要用这个视频的方法做一个自己的小型 AI 游戏原型，我会把目标压到非常小：
- 一个角色。
- 一个 60 秒以内能通关的小关卡。
- 一个核心机制，例如跳跃、收集、躲避或推箱。
- 三到五个可复用资产。
- 一次完整 playtest。
工具顺序可以这样安排：
- 用 ChatGPT 或 Claude 写一页 game brief。
- 用 AssetHub 生成角色和道具资产。
- 在 Blender 里整理比例和关卡灰盒。
- 导入 Unreal Engine。
- 用 Claude Code 和 Unreal Engine MCP 协助搭建交互逻辑。
- 最后人工试玩，记录问题，再迭代一轮。
这个版本不追求震撼，而是追求“真的跑得起来”。
结论：AI 游戏开发的关键是分工，不是幻想
这支视频给我的最大启发是：AI 游戏开发已经很强，但强在流程加速，不是一键替代。
AssetHub 让 3D 资产起步更快。
Blender 让资产变成可控关卡。
Unreal Engine 让原型进入真实游戏环境。
Claude Code 和 MCP 让玩法逻辑的实现速度变快。
真正的门槛没有消失，只是改变了位置。
以前你可能卡在“我不会建模”或“我写代码太慢”。现在你更需要判断：什么该交给 AI，什么必须自己看、自己调、自己试玩。
这才是视频里最值得普通创作者学习的地方。
FAQ
这是不是代表 AI 已经可以一键生成完整游戏？
不是。视频描述里也强调不是用一个提示词魔法生成游戏，而是把 AI 用在真正有用的环节：资产生成、代码协作、流程提速和重复任务处理。
普通创作者可以照着这个流程做吗？
可以从简化版本开始：先做一个小关卡、一个角色、一个核心动作，再逐步加入材质、灯光、物理和交互。不要一开始就做完整商业游戏。
