Opus 5游戏提示词爆火,24小时复刻3A巨作

marsbit發佈於 2026-07-29更新於 2026-07-29

文章摘要

最近,一个名为“挑战循环”的Opus 5游戏提示词在社交媒体上爆火。该提示词的核心是利用多智能体协作与严格的质量审核机制,驱动AI在极短时间内开发游戏原型。 其运作逻辑是:一个主智能体将开发任务分解,分配给多个子智能体执行,同时引入一个独立的“评委”智能体进行质量监督。该评委会将AI生成的内容与真实的3A游戏(如《使命召唤》、《星空》)进行并排对比,若质量不达标,则要求返工迭代,直至满足要求。 效果显著:网友Anshu运用此方法,仅用24小时就从零开发出了一款名为《The Long Silence》的太空探索游戏,其视觉效果向3A大作看齐。原作者Matt Shumer也用它快速生成了《使命召唤》风格的游戏原型,且所有贴图、动画、声音均由AI生成,未使用外部素材。 具体流程通常分为几步:首先给出基础游戏目标;然后设定一个长时间(如24小时)的持续优化目标,由多智能体并行工作提升视觉质量;最后开发者进行手动微调、代码清理和部署。Opus 5在此过程中甚至自行创建了一套包含17项校验流程的自动化验收工具。 此方法迅速引发社区模仿,网友们用它成功开发出了卡丁车游戏、“Claudepunk 2077”等多种类型的游戏原型。即使在GPT-5.6 Sol等其他大模型上尝试,效果也相当不错。这印证了Opus 5在长程、多步骤任务中自我检查与迭代的能力。“挑战循环”提示词本质上是为模型的这种能力套上了一个更严格的校正与驱动机制。

嚯!最近,一个Opus 5游戏提示词在X上火了!

百万人在线围观,秘籍在手,AI游戏直接无限繁殖......

最牛的是,网友Anshu一个人,24小时,从零肝出了翻版《星际拓荒》!

Prompt背后的逻辑也很简单:

主Agent拆解任务,子Agent干活,再加一个独立Agent PUA监督。

反正只要画面不如同类游戏,就自动打回去重做,什么时候达标了才让AI下班。

效果可谓好极了——

原作者Matt Shumer直接手搓出《使命召唤》Opus 5版,所有贴图、动画、声音全部AI生成。

而且!没有使用任何外部素材!

24小时不停歇干活

这条全网爆火的Prompt,被作者Matt Shumer正式命名为「挑战循环」:

我需要你打造一款画质水准对标最新系列《使命召唤》作品的第一人称射击游戏......你需要对每一项内容循环迭代处理,同时指派专属子Agent开展视觉核验,保证整体画面符合3A游戏标准......系统需采用盲测并排对比的方式,分辨两款作品画面优劣。

简单来说,主Agent在拿到任务目标后,会自行将任务拆成若干部分,接着它会为每一部分安排一个专业制作Agent

指令前半段和常见的多Agent游戏开发流程几乎如出一辙,关键在于新增的验收环节:

评委Agent会检查成果,和选定的真实参照物对比,一旦生成结果不如现实3A游戏,就需要持续返工优化。

当然,它现在也不可能真的做到完全对标3A大作,此时就需要用户及时喊停,仅将该提示词作为极限施压手段,逼出Opus 5的自主规划和长程迭代能力。

网友Anshu的24小时星际探索游戏《The Long Silence》,就是这么来的:

具体制作流程分为好几个阶段:

Step 1:要求Opus 5使用Three.js制作一款太空探索游戏。

用户只需给出基础目标,比如玩家可以在游戏中走动、驾驶飞船,视觉不要太塑料,还要在浏览器中尽量稳定运行到60帧。

其余的游戏世界观、技术架构,通通让Opus 5自己决定。

素材方面,Claude Code在安装Blender MCP后,会自行寻找工具建模。

Step 2:首版可玩后,为Opus 5下达一个持续24小时的目标,要求它全面提升视觉效果。

此时多个子Agent开始并行工作,以提升效率;评委Agent会将游戏截图与《星空》等3A太空游戏逐项对比,期间不允许Opus 5偷偷降低评判标准。

作者Anshu提醒,这里也要适当给Opus 5甜枣:

你有能力达到这个目标——尽你所能,不要放弃。(doge)

Step 3:手动优化+生成skill。

Anshu会通过手机查看进度,并在模型花费太多时间在星球场景时,要求它调整优先级

停止运行后,再用其它Claude修复渲染问题、清理代码并完成部署。

最后要求Opus 5将经验汇总成skill,放进GitHub。

根据开源仓库,Opus 5在审核过程中还自己造了套验收工具,内置有17项强制校验流程,工具脚本还会自动截取不同场景对比和帧率统计,以及分析曝光数据。

BTW,目前该游戏已经可以直接网页开玩(https://longsilence.anshu.dev/),刚亲自上手体验了一圈,我的评价只有三个字:

夯!爆!了!

网友集体抄作业盖楼

一传十,十传百,这段提示词更是直接带火了Opus 5游戏热潮

两眼一睁就是玩!

网友Ryan Campbell用该方法迭代出一款卡丁车游戏,Opus 5连续改进了局部渲染、移动端性能、操作和镜头,成品同样可以直接在浏览器里试玩。

网友Yogi Suria则是直接用它造出了Claudepunk 2077......

同样的指令迁移给GPT-5.6 Sol,效果也很不错,只略逊Opus 5一筹~

可见,评委Agent的存在的确放大了模型作用,不同开发者都能用它做出各种类型的游戏原型。

这也恰好对应了A社在发布Opus 5时强调的能力:模型更适合长时间、多步骤工作,也更愿意检查结果、发现错误并持续迭代。

从这个角度看,挑战循环提示词更像是给Opus 5现有能力套上了更严格的校正机制

至于发明这套玩法的Matt Shumer,本身就是一名AI创业者和投资人。

今年2月,他还因一篇题为《Something Big Is Happening》的长文刷屏科技圈,累计浏览量突破8000万

文章认为,大众对前沿模型能力的认知,已经严重落后于AI从业者的实际体验。

而这次的Opus 5游戏潮,恰好给Matt的判断,补上了样本。

参考链接:

[1]https://x.com/anshuc/status/2081801979131818412

[2]https://x.com/mattshumer_/status/2081830214384886228

[3]https://x.com/mattshumer_/status/2081054356405731740

本文来自微信公众号“量子位”,作者:关注前沿科技

相關問答

Q文章中提到的“挑战循环”Prompt的核心创新点是什么?

A核心创新点在于在传统的多Agent开发流程(主Agent拆解任务,子Agent执行)之外,引入了一个独立的“评委Agent”。这个评委Agent会将AI生成的结果与真实的3A游戏画面进行盲测并排对比,只有质量达标才会通过,否则就自动打回重工,从而形成严格的循环迭代和校正机制,压榨出AI的自主规划和长期优化能力。

Q网友Anshu是如何在24小时内利用Opus 5制作出翻版《星际拓荒》的?主要分哪几个步骤?

A主要分为三个步骤:Step 1: 设定基础目标,让Opus 5使用Three.js自行决定世界观和技术架构,初步制作一个可玩的太空探索游戏原型。Step 2: 下达持续24小时的视觉提升目标,启动多子Agent并行工作和评委Agent对比验收(以《星空》等3A游戏为参照),并鼓励AI“尽你所能,不要放弃”。Step 3: 在过程中手动进行优先级调整,结束后修复问题、清理代码、完成部署,并让Opus 5将经验总结成Skill存入GitHub。

Q文章中提到的“评委Agent”在开发流程中具体起什么作用?

A“评委Agent”在开发流程中充当严格的“质量监督员”和“验收官”角色。它的主要作用是:1. 检查各个子Agent产出的成果(如游戏画面)。2. 将生成结果与选定的真实3A游戏参照物进行盲测并排对比。3. 判断生成质量是否达到预设的3A标准。4. 如果结果不达标,则自动要求返工优化,形成迭代循环,直到质量合格为止。这保证了最终产出的视觉水准。

Q除了Anshu,还有哪些网友应用了“挑战循环”提示词?做出了什么游戏?

A还有多位网友应用了该提示词:1. Ryan Campbell 迭代出了一款卡丁车游戏,优化了渲染、移动端性能、操作和镜头。2. Yogi Suria 用它造出了“Claudepunk 2077”。此外,作者Matt Shumer本人也用它手搓出了《使命召唤》Opus 5版。这些案例表明该提示词能用于制作多种类型的游戏原型。

Q根据文章,发明“挑战循环”提示词的Matt Shumer对AI发展有何观点?这次的游戏潮如何印证了他的观点?

AMatt Shumer认为,大众对前沿AI模型实际能力的认知,已经严重落后于AI从业者的真实体验。这次的Opus 5游戏开发热潮,通过“挑战循环”提示词激发普通网友在极短时间内复刻复杂3A游戏原型,生动地展示了当前顶级AI模型(如Opus 5)在自主规划、长程任务拆解和持续迭代方面的强大潜力,为他的判断提供了具体的样本和印证。

你可能也喜歡

如何让自己变得让人工智能永远也无法取代

面对人工智能的冲击,许多人担心工作被取代。然而,真正的威胁在于个人对他人和系统的依赖,以及由此产生的“薪资奴役”——即为生存而从事无意义、枯燥的工作。摆脱这种困境的关键,不是抵制技术,而是成为拥有高自主性的“不可受雇”个体。 文章提出了成功抵御AI替代的五个核心要素:自主性(主动行动的能力)、品味(判断事物价值的经验)、说服力(让他人关注你工作的能力)、毅力(坚持并从错误中学习)和迭代(根据反馈持续改进)。这些能力无法仅通过理论学习获得,必须通过实践来培养。 要启动转变,首先要彻底改变环境,重塑身份认同。其次,应选择一个能获得真实、快速反馈的实践领域,例如创业。在众多技能中,内容创作(媒体)比编写代码更具优势,因为其价值是主观的,需要独特的审美和判断力,这正是AI目前难以完全复制的。 具体行动上,可以从三个步骤开始: 1. **挖掘原始素材**:反思自己长期痴迷的知识领域、轻松解决的难题或童年被压抑的兴趣,找到独特的个人经验。 2. **确立反向思考主轴**:找出你坚信但主流观点错误的地方,或行业内普遍忽视的“皇帝新衣”,形成独特的批判性视角。 3. **立即发布**:将前两步的思考融合,撰写并发布第一个核心内容(如帖子、视频),勇敢接受真实世界的反馈,并在此基础上持续学习和迭代。 最终,抵御AI的关键在于构建一份与自身身份深度契合的毕生事业,通过持续的内容创作和真实互动,建立无法被自动化取代的独特价值和影响力。行动,从今天发布第一个想法开始。

marsbit3 小時前

如何让自己变得让人工智能永远也无法取代

marsbit3 小時前

通过掷骰子离线保管比特币密钥:并非人人愿意为之

文章探讨了通过投掷骰子生成比特币钱包种子短语的安全方法及其现实挑战。核心观点如下: **1. 骰子提供物理熵源** 骰子结果由众多微小变量决定,理论上虽可预测,但实践中无法被攻击者复制或计算,从而提供高质量的随机性。每个六面骰子投掷约产生2.585比特熵,50次投掷即可满足典型12词助记词(128比特熵)的安全需求。 **2. Coldcard漏洞事件凸显手工熵源的价值** 近期Coldcard硬件钱包因固件漏洞导致其内部随机数生成器存在缺陷,致使约1128枚比特币被盗。但那些**完全**通过足量骰子投掷生成种子短语的用户未受此漏洞影响,因为他们的主密钥未使用有缺陷的生成器。 **3. 重要警示:手工种子并非万能保护** 安全研究员指出,即使用户使用骰子生成了安全的种子,若他们使用了Coldcard的其他功能(如生成纸钱包、克隆密钥、共享签名密钥、密码等),这些**衍生密钥**仍可能调用有漏洞的随机数生成器,从而存在风险。安全种子不保证设备生成的所有秘密都安全。 **4. 手工生成熵源的现实局限性** 尽管数学上可靠,但该方法对大多数用户并不友好: * **过程繁琐易错**:需投掷50-99次,精确记录,任何输入错误都会导致钱包完全不同。 * **引入新风险**:用户可能在记录、转换过程中泄露信息,或使用有偏的骰子/投掷方式。 * **用户体验差**:难以想象大规模推广需要用户手动投掷近百次骰子。安全措施需适应现实生活场景和普通用户的知识水平。 **5. 给用户的建议** 受影响的Coldcard用户应: * 更新固件至最新版。 * 检查是否使用过有漏洞的功能生成了次级密钥或密码,如有则需立即更换。 * 考虑采用多签方案,使用不同厂商的设备分散风险。 **结论**:手工投掷骰子生成熵源是技术娴熟用户的一个有效安全选项,但其过程复杂、容易出错,不适合作为主流用户的默认方法。长远目标是依赖安全、透明且无需专业知识的硬件/软件随机数生成方案。

cryptonews.ru6 小時前

通过掷骰子离线保管比特币密钥:并非人人愿意为之

cryptonews.ru6 小時前

交易

現貨
活动图片