游戏开发AI工程化：构建可验证、可回滚的 Harness 闭环

来源： 2026腾讯云AI产业应用大会 (Tencent Cloud AI Industry Applications Summit)

分享人： 杨梦舟，腾讯游戏技术专家

1. 通用 Agent 在游戏开发中的适配瓶颈

• 资产环境复杂： 游戏开发（以Unreal Engine为例）并非纯文本工程，涉及C++代码、蓝图、材质、动画、UMG、资产引用等多种混合格式。
• 问题暴露滞后： 大量逻辑错误与资产引用问题仅在编辑器运行或运行时才会暴露，通用 Agent 无法通过文本交互直接感知。
• 现场缺失： 通用 Agent 适合脚本与常规代码，但游戏开发需要专属的“工程现场”接入能力。

2. 构建 Harness 工程范式

• 组件分工：
  • 通用 Agent： 负责基础执行能力。
  • Harness： 负责工程约束与流程控制。
  • MCP (Model Context Protocol)： 负责接入游戏领域特定需求。
  • 日志与版本控制： 分别负责反馈证据与安全回滚。
• 核心逻辑： 从“Prompt Engineering（把话说清楚）”升级为“Harness Engineering（把AI放进可控流程）”。
• 工作环境完善：
  • 规则 (Rules/Skills)： 定义什么能做、什么不能做。
  • 工具 (Tools)： 通过确定接口执行（MCP）。
  • 验证 (Verification)： 结合日志、编译、运行结果判断。
  • 记忆 (Memory)： 把经验沉淀成下一轮上下文。
  • 回滚 (Rollback)： 每次修改都能退回。

3. 量化应用成效与开发流程

基于 WorkBuddy、CodeBuddy 与 UE 项目实践，AI 在游戏开发中的效能体现在以下三个关键阶段：

• 深水区工程化路径：
  1. WorkBuddy： 进入 UE 前，通过 Web 原型低成本验证核心循环（已建立 530 IMA 游戏相关知识库）。
  2. CodeBuddy： 执行“Plan（拆任务）→ Rules（读规范）→ Execute（改代码）→ Review（看 diff/日志）”的受控流程。
  3. UEEditorMCP： 将 Unreal Editor 能力包装成稳定接口，通过日志、缩略图、资产 diff 让结果可观察。

4. 个人/小团队生产力重构案例

• 项目案例： 《星尘猫语》(P110_2) —— 一款结合 LLM 叙事与 2.5D 射击的横版动作游戏。
• 开发模式转变：
  • 过去： 个人/小团队难以支撑包含复杂资产管线、逻辑代码与叙事系统的完整项目。
  • 现在： 引入 AI 工具链后，个人能调用更完整的工程能力。通过 Markdown 作为“工程合同”与“记忆库”，实现了版本控制精细追踪与 Agent 记忆中枢的构建（Memory MCP 项目采用 Markdown 真源 + SQLite 索引）。
• 落地路线：
  1. WorkBuddy 快速实现低成本原型。
  2. 接入版本控制。
  3. 搭建 Harness 范式开发环境。
  4. AIGC 快速占位（图生图、图生3D）。
  5. 打通开发自循环，启动开发飞轮。

5. 技术领先性总结

• 范式升级： 将 AI 从单点生成（解决“有没有”）升级为 Harness 工程闭环（解决“能不能复用、维护、迭代”），重点在于 AI 如何进入可验证、可回滚、可沉淀的工程闭环。
• 记忆系统： 提出团队级项目记忆概念，区分个人记忆、Agent 记忆与项目记忆，强调规则、决策、坑点的可版本化、可审查、可继承。
• 开源利用： 改变了 GitHub 用法，使开源项目从“克隆复现”变为 AI 时代的工程范式库（让 AI 读架构、接口、测试，并按当前项目规则重写）。