本文展示使用QClaw平台通过多Agent协作零代码制作世界杯颠球小游戏的过程。涵盖玩法设计、背景拼接与NPC显示等bug修复，并延伸制作自动赛程提醒助手。适合AI工具爱好者与游戏开发初学者，体验无需编程的AI协作开发。
Tags:
正值世界杯，我用 QClaw 手搓了一个像素足球小游戏。先看效果 👇
其实，这个游戏是由多个 Agent 并行完成的，下面我就分享一下我的制作过程：
打开网页 https://QClaw.qq.com/ ，一键下载 QClaw。
登录桌面端后，点击侧边栏的「专家广场」，我看到了大量不同方向的 Agent：规划类、内容创作类、编程类等等。
选择很多，但我的需求比较具体。于是我在对话框右上角点了「自主创建 Agent」。
QClaw 给了四种创建方式：从网络创建(输入人名或粘贴网页链接)、从文件创建(上传演讲稿、访谈记录、聊天截图等)、从 Skill 创建(粘贴 Skill 链接或输入站内名称)，以及自定义创建(直接在输入框里写人设:性格、知识领域、对话风格)。
我使用自定义创建，先生成了负责逻辑规划的小智。
把需求丢给小智，然后问它，这种游戏应该用什么工具做？
它推荐我用 Godot 4。理由是，Godot 4 对 2D 游戏很友好，Agent 很容易理解里面的场景，还可以直接帮我打开 Godot 工程，调整碰撞和动画逻辑。
接着，我和小智聊了半小时，定下来了我需要实现的核心玩法：
玩家控制一个像素小人，在一条横向街道上移动，先靠近足球把球捡起来，然后按住 R 开始颠球。普通按 R 是正常颠球，双击 R 高颠，长按 R 还能触发超级高颠。
但光颠球太单调，所以又加了目标和限制：
收集金币：路上要捡金币
颠球 100 次：次数达标才行
走到终点：满足条件才算通关
路上还会出现不同 NPC，让街道更有戏：
老奶奶：迎面走来时，不能撞到她
看手机的美女：在合适距离颠球，她会抬头鼓掌；离太近就会失败
警察有不同状态：有的路过点赞，但碰到拿枪跑过的警察，你就不能继续颠球
逻辑文件放在下面了：
然后，我新建了 4 个 Agent 负责执行小智的逻辑。
小游：负责玩家与球的交互，主角移动+ 足球完整状态机+ 颠球计数。
小燃：负责做背景图拼接，跑 3 个 npc 的代码。
小冷：负责金币收集、左上角 UI 面板(进度条/金币计数/动态提示)、8 个音效 + BGM、通关/失败总判定。
小美：负责检验所有代码，测试游戏。
美术资产这一步，我是用 Image 2.0 辅助生成的。
先让小智给到相应的美术资产表格，生成会精准很多。
生成完毕后，我把不同部分的美术资产，打包给小冷、小燃、小游，给他们安排各自的任务。
以小游为例：
3 个 Agent 并行生成代码，好处不少：
速度快，节省很多时间。
上下文干净。每个 Agent 只盯自己的任务，写出来的代码更专注、更少出错。
互不干扰。它们之间不直接调用对方的代码，只通过事先约定好的参数和状态总线交流，所以不会出现一个 Agent 改崩另一个模块的情况。
在这个过程中，小智也没闲着。
真实开发中会出现反复补充、修改逻辑的情况，这时候我就会让小智把新增的需求理清楚，落成一个文件，再同步给小冷、小燃、小游。
这样跑下来，游戏的基础功能很快就有了。
骨架立住了，真正棘手的，是那些藏在细节里的 bug。
第一个 bug，是小美在测试时发现的：游戏背景拼接不上。
我一开始让小燃把背景图按顺序硬拼，顶多加一点重叠和透明过渡，结果出现了错位、重影和断层。
因为这些背景并不是从同一张长图里切出来的，而是 GPT一张张生成的，它没法保证跨图的一致性，每张图的透视边缘元素的接缝都有些许偏差，直接拼就有问题。
后来与小美讨论后，我们换了个思路。
首先，我在生图时，硬控 GPT 必须从上一张图最左边百分之二十的部分开始扩图。
其次，交给小燃作背景拼接时，不再把它们放在 Godot 里当长图去拼，而是把每张图当成独立的地图块。
先找一条统一的参考线：比如人行道和马路之间的路牙线，让所有背景都对齐它，再一张张微调左右位置。
整个过程图片都保持原始尺寸，不得拉伸变形。
拼接前：
拼接后：
第二个 bug 是我发现的，反复和小美调试了很久。
老奶奶、美女、警察和金币在 Godot 里全都看不到，但游戏逻辑又能触发。
明明屏幕上看不到老奶奶，系统却提示"撞倒老奶奶了"。
排查走了几个弯路。一开始怀疑是 PNG 抠图问题。又怀疑是层级问题，试着强行抬高 z_index，结果把整个世界变灰了。
后来才明白，虽然给了素材，但金币和 NPC 都是用代码动态生成的。
必须把它们挂到正确的、已经在场景里的父节点上。如果挂错了父节点，这个对象就只存在于内存里，永远不会出现在画面上。
小美在场景里手动创建了一个真实的 GameplayActors 节点，把金币和三个 NPC 都作为真实的 Sprite2D 子节点放进去:
同时给每个角色加了临时调试框，用它快速定位问题出在哪一层:
改成真实场景节点后，Npc 和金币就能稳定显示了。
至此，这个小游戏的主要功能，和两个棘手的 bug 都已搞定。
一个能跑的像素颠球游戏小 demo 就做成了。
我自己没写一行代码。
跑完游戏还不过瘾，我还专门生成了一个 Agent 小Q，充当我的世界杯赛程助手，帮我规划时间。
主要有三个功能：
1、赛程提醒：每天早上9点检查24小时内的赛程，发送当天的比赛信息；赛前40分钟发送比赛提醒。
2、赛前分析：赛前10分钟发送比赛分析，根据上场球员、新闻信息，分析战况。
3、赛后总结：复盘结果，精彩瞬间，并给出积分计算器。
下面分享我的工作流：
实现这三个功能，其实只需要 4 个 cron 任务就可以完成。
我先把世界杯 104 场赛程安排的时间数据喂给她，然后让她自己写逻辑。
除了每日九点定时发送比赛任务是固定安排之外，其他的任务都是链式逻辑驱动。
即上一场任务结束后，Agent 会自主扫描剩下的比赛，创立新任务，删除旧任务。
逻辑文件我放在视频里了：
核心逻辑: 定时触发 → Agent 校验是否本场 → 检索 → 生成并发微信 → 找下一场 → 写 JSON → 建下一个 cron。
这样一来，Agent 就能自己滚动地创建和删除 cron 任务，一场接一场跑下去。
信息能发送到微信，是因为 QClaw 本身建立在 OpenClaw 架构（也可以用 Hermes 架构）上，原生内置微信助手。
到这里，一个能自动提醒、赛前分析、赛后复盘的世界杯陪伴系统就基本搭好了。你们也可以自己去 QClaw 试一试！
体验链接：https://QClaw.qq.com/
最近 QClaw 官方还推出了一个世界杯活动：参与世界杯比赛预测，就可以免费赢 QClaw 积分。
玩法很简单，你只要在小程序里选择一场比赛，输入你预测的比分和胜负，就能参与竞猜。
比赛结束后，系统会自动结算结果。
参与活动就能加积分，猜中胜负和比赛奖励更高，还能生成自己的战绩卡。
最后，回归QClaw 本身，它最打动我的，是它背后这种多 Agent 协作的工作方式。
它的好处很明显：
上下文更干净：每个子 Agent 都有独立窗口，不会被一大堆无关信息干扰；主 Agent 只保留高层计划，整体更稳定。
容量被横向扩展：单个 Agent 再强，也会被一个上下文窗口限制。多个 Agent 同时工作，相当于把多个窗口并排展开——不是一个人在一张纸上写满，而是几个人各自推演，最后汇总。
可并行：很多任务能同时跑，时间自然被压下来。
可异构：不同 Agent 可以有不同指令、不同工具，甚至用不同模型——简单重复的任务交给便宜快的模型，复杂判断交给更强的模型。
我个人认为，多 Agent 协作很可能成为未来 AI 应用的主流形态。未来真正有价值的 AI 应用，会更像一个可调度的工作空间，你可以在里面创建不同 Agent，让它们负责不同任务、调用不同工具、围绕一个目标持续推进。
QClaw 让我看到的，就是这个方向的雏形：让每个人都能拥有一组随时在线的 AI 队友。
·················END·················
没有评论:
发表评论