三段落提示完胜数月精心工程：Claude Opus 5凭“笨拙”指令生成3A级射击游戏
就在Claude Opus 5发布两天后，AI投资者、前HyperWrite CEO Matt Shumer发布了一段视频，展示该模型完全自主构建的一款可玩第一人称射击游戏。“Claude Opus 5一次性生成了这个游戏，”他写道，并强调构建中没有任何外部资源。现在，你可能会认为这样的高质量输出需要一个漫长、详细且谨慎的提示，来引导AI模型完成构建一款精良第一人称射击游戏的复杂过程。但事实并非如此。
背后的提示只有三段，全文已在GitHub上公开。它告诉Opus 5构建一款达到最新《使命召唤》水平的射击游戏，让子代理（每个拥有独立记忆和狭窄任务的工人）分别处理各个部分，并不断用独立的严厉批评者循环检查每个部分，直到它在盲测中与真实《使命召唤》画面不相上下。按照提示，最终结果应该是“绝对完美”。
这颠覆了提示工程师们一直教导的方式。在“氛围编码”热潮中，人们被告知要指定标准而非形容词：说出“好”意味着什么，而不是仅仅要求它。代码应该考虑什么，而不是说“AAA”。Shumer的版本几乎相反，它要求自己的子代理“彻底惊艳”，而将实际定义留给Opus 5为自己构建的批评者。这几乎就是全部指令。Shumer后来写道，他从未指定渲染器、列出游戏系统，或定义“AAA质量”需要包含什么。他开始将这种方法称为“Gauntlet Loop”：给代理一个可检查的真实标准，而不是模糊的指令，让它将任务分解成小块，并将每个块通过一个永远不会看到构建者自身推理的批评者。
两个Claude Code功能支撑了这个循环。子代理在隔离的上下文窗口中启动，拥有自己的指令和工具访问权限，因此批评武器模型的批评者不会继承构建者对其外观的借口。Ultracode是Claude Code的一项设置，它将模型推向最高推理能力，并允许其编写自己的编排计划，将工作分配给多达16个代理，每次运行上限为1000个。Anthropic内置的/loop技能专为反复修复-测试-调整循环而设计，它阻止了运行在游戏看起来还不错时就停止。Shumer从未指定轮数。他让批评者不断提出新的差距，并让构建者追逐数小时，直到他自己关闭会话。
完成的构建运行在Three.js和纯WebGL2上，大约有55,000行代码分布在11个子系统中。每个纹理、网格、动画和声音都在加载时在浏览器内生成——没有下载的模型、HDRIs、图像文件或音频文件。Shumer自己发布的批评者日志显示，得分从3.59（满分10）上升到略高于5，每一轮仍然落后于真实游戏。怀疑者认为存在数小时的隐藏手工编码，因此Shumer发布了整个提示和代码库。这时模仿者开始出现。
同样的技巧，三位不同的构建者。前对冲基金经理兼播客James Altucher运行了相同的提示，报告花费“略多于十小时”和约130万tokens在Opus 5上。他的构建“Operation Blackout”可在浏览器中免费游玩，看起来很棒。你可以在这里玩这个游戏。
Prompt Silo的开发者则将相同的请求指向OpenAI的竞争旗舰，发布了“Sol 5.6 Ultra with same prompt”——Sol是GPT-5.6家族三层模型中的顶级版本，OpenAI于7月9日与更便宜的Terra和Luna版本一起公开发布。开发者Leon Lin尝试了相反的做法，采用了通常的详细提示。他没有复制Shumer的简短版本，而是着手“逆向工程这个游戏的提示”，生成了一份约20个章节的文档，详细说明了从布娃娃物理到级联阴影贴图的一切。他将此输入到Cursor中，使用普通Opus 5的高努力模式，没有子代理和Ultracode，结果——一款名为“Dust Corridor”的市场街射击游戏——也在浏览器中运行，看起来也很棒。
这些后续构建中没有一个像Shumer对自己的项目那样进行盲测。他的批评者日志仍然显示真实的《使命召唤》在他记录的每一轮中获胜——Altucher和Atom Tan Studio正在用他的精确三段提示追逐这个标准，而Leon Lin则用他自己大约20个章节的提示追逐。这其中有多少是真正新的？像Claude Code这样的代理式编码工具写代码的方式就像受监督的初级工程师：它们读取文件、运行代码、查看生成的截图，并将任务分发给子代理和批评者，后者根据设定的目标检查结果。这个循环是真实的，Shumer的Gauntlet Loop是构建它的一个真正方法。但这一切本身并不能证明模型是从想象中设计游戏，而不是重新组合它已经吸收的代码模式。Three.js自带了指针锁定摄像头控制作为官方示例，而这个基本模式——鼠标视角、WASD移动、射线检测射击——已经在GitHub、gists和开发者论坛上被分叉和教程化了十多年。一个在公共仓库上训练的编码模型几乎肯定在读到Shumer的提示之前就已经见过数百甚至数千个几乎相同的射击游戏。这并不意味着“Claude of Duty”是假的，但使得“从零开始构建”的说法更难完全相信，所以对这些结果持保留态度。
研究代码生成模型的研究人员给这个更广泛的问题起了一个名字：数据污染，即模型在某个任务上表现良好主要是因为训练数据中已经存在几乎相同的示例，而不是因为它推理出了新东西。这些第一人称射击游戏构建中没有一个发布了对这种污染的检查。Shumer自己的仓库确实包含了Claude的创造力，如果这样讲公平的话。这是一个理由，将“一次性生成AAA游戏”视为一个能干的代理在最被广泛记录的编程类型之一中工作，而不是证明AI在没有先前艺术的情况下设计了一款游戏。