Opus 5遊戲提示詞爆火!24小時復刻3A鉅作

重點摘要
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> Opus 5遊戲提示詞爆火!
最近,一套名為「挑戰循環」(Challenge Loop)的遊戲開發提示詞在網路上爆紅,吸引百萬網友關注。這套提示詞專門針對Opus 5模型設計,能夠在短短24小時內讓AI從無到有製作出品質逼近3A大作的遊戲,震撼許多開發者與遊戲愛好者。網友Anshu就以此方法在24小時內從零打造出《星際拓荒》的翻版作品,消息傳開後立即引發社群瘋傳。提示詞的發明者是AI創業者兼投資人Matt Shumer。他親自使用這套流程,以Opus 5模型打造出一款類似《使命召喚》的第一人稱射擊遊戲,所有貼圖、動畫、音效全部由AI生成,而且完全沒有使用任何外部素材,展現出驚人的開發效率與潛力。
「挑戰循環」提示詞的運作邏輯建立在多層Agent協作之上。主Agent接到任務後,會先將任務拆解為多個子任務,並為每個子任務指派專業的製作Agent負責執行。關鍵在於最後的驗收環節:一個獨立的評委Agent會將生成結果與真實的3A遊戲進行盲測比對,一旦畫面品質不如對照組,系統就會自動退回重做,直到符合標準才讓AI停止。這種機制迫使模型不斷自我修正與迭代。雖然目前這套流程還無法真正達到3A大作的細膩程度,但作為極限壓力測試,它有效激發出Opus 5的自主規劃與長程迭代能力。用戶可以在適當時機手動停止迭代,避免過度運算。
網友Anshu便利用這套提示詞在24小時內創作出太空探索遊戲《The Long Silence》,該作被視為《星際拓荒》的翻版。他將開發過程分為三個階段:第一階段,他要求Opus 5使用Three.js打造一款基礎太空探索遊戲,只設定玩家可走動、駕駛飛船、畫面不要過於塑膠,並在瀏覽器中維持60幀流暢度等基本條件,其餘遊戲世界觀與技術架構全部交給Opus 5自行決定。素材方面,則透過Blender MCP讓AI自動建模。第二階段,在第一版可玩後,Anshu對Opus 5下達持續24小時的視覺提升目標。
此時多個子Agent開始並行工作,評委Agent則將遊戲截圖與《星空》等3A太空遊戲逐項對比,且嚴格要求不許降低標準。Anshu也適時給予AI鼓勵,例如「你有能力達到這個目標,盡你所能,不要放棄」,以維持開發動機。第三階段,Anshu透過手機隨時監控進度,在模型花費過多時間在星球場景時手動調整優先級。停止迭代後,他再使用其他模型修復渲染問題、清理程式碼並完成部署。值得注意的是,Opus 5在過程中自行建立了一套驗收工具,內含17項強制校驗流程,能自動截取不同場景進行對比、分析幀率與曝光數據。
Anshu將這次經驗彙整成skill上傳至GitHub,並開放了遊戲試玩頁面,不少玩家實際體驗後直呼「夯爆了」。這股Opus 5遊戲開發熱潮迅速擴散,吸引眾多網友跟進。Ryan Campbell用相同方法迭代出一款卡丁車遊戲,經過Opus 5連續改進局部渲染、行動端性能、操作與鏡頭後,成品同樣可在瀏覽器直接遊玩。Yogi Suria則創作出了「Claudepunk 2077」,風格類似《電馭叛客2077》。更有網友嘗試將這套提示詞遷移至GPT-5.6 Sol模型,結果顯示效果僅略遜於Opus 5,但仍有不錯表現。
這些案例顯示,評委Agent的存在確實放大了模型的能力,讓不同開發者都能快速產出各類型遊戲原型。這也對應了Anthropic在推出Opus 5時所強調的特性:該模型更適合長時間、多步驟的工作,也更願意檢查結果、發現錯誤並持續迭代。「挑戰循環」提示詞等於是為Opus 5的現有能力套上更嚴格的校正機制。提示詞發明者Matt Shumer本身就是AI領域的知名人物。今年2月,他曾以一篇題為《Something Big Is Happening》的長文刷屏科技圈,該文累計瀏覽量突破8000萬。他在文中指出,大眾對前沿模型能力的認知已嚴重落後於AI從業者的實際體驗。
這次Opus 5遊戲開發潮,正好為他的判斷提供了具體的實踐樣本。
Related
相關文章

當 human in the loop 變成“閉著眼睛點確認”,企業Agent 安全還能靠誰?
專家指出,AI Agent 從內容安全轉向行為安全,提示詞注入、工具濫用與過度授權成為主要風險。企業應建立可視、可管、可追溯的安全基線,並對工具權限進行最小化與臨時化管理,避免 human in the loop 淪為形式。安全防護需從靜態入口轉向動態行為約束,以因應 Agent 自主執行帶來的全新挑戰。

開源Agent框架刷爆ARC-AGI-3,「自我改進」的RLM harness引爭議
一套開源Agent框架在ARC-AGI-3基準測試中創下超過85%的正確率,大幅領先其他解決方案,其核心是名為「RLM harness」的自我改進機制。然而,該方法引發學術爭議,部分研究者批評它透過反覆試錯「鑽漏洞」,不符合ARC-AGI評測一次性推理的精神。這場討論促使AI社群重新審視評測標準,並可能影響未來ARC-AGI版本的設計方向。

騰訊是在“賽馬”,還是在打造 “Agent工廠”?
騰訊內部正在探討其發展策略究竟是「賽馬」機制還是打造「Agent工廠」。相關討論聚焦於公司如何平衡內部競爭與統一平台建設。目前站內已移除相關混雜文字,保留原始主題供讀者參考。
ChinaJoy 2026 AI遊戲規模化落地,邊緣雲與API安全重構產業底層邏輯
2026年ChinaJoy展館,“與AI同遊”的主題隨處可見。行業調查顯示,僅有21%的企業擁有完整的API資產清單,大量後臺AI接口仍在無人監控的狀態下裸奔。合規與安全也同步下沉。算力下沉還不夠,API安全必須同步前移邊緣雲解決了體驗問題,但AI交互入口的安全,同樣需要前置到邊緣。算力與安全,缺一不可Akamai的判斷很明確:遊戲AI轉型不能割裂算力與安全。這也是遊戲廠商規模化落地AI智能體、構建AI原生遊戲的標準化底層方案。

openJiuwen發佈業界首個企業級分佈式蜂群架構,聯合郵儲成功落地金融生產環境
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.

螞蟻集團開源Avernet,讓人與智能體像組織一樣高效協作
**螞蟻集團開源Avernet:打造人與智能體高效協作的“組織級”基礎設施** **來源:量子位** **2026-08-07 11:08:51** 近日,螞蟻集團正式宣佈開源多智能體協作基礎設施Avernet,其社區版本已同步上線。作為業界首個聚焦於“組織級協作”的智能體基礎設施,Avernet的首個版本重點開放了智能體協作網絡能力,旨在支持不同智能體之間的發現、共識達成、跨團隊協作與治理,為人工智能從“單點智能”走向“系統智能”提供關鍵支撐。