不会写代码，能不能做出一个能玩的游戏？2026 年的答案比以往任何时候都更接近"能"。GitHub 上有个叫 Claude Code Game Studios（CCGS）的开源项目，作者是 Donchitos，它把单个 Claude Code 会话改造成一间结构化的游戏开发工作室：你不是在跟一个聊天机器人对话，而是在指挥一支 49 人的 AI 团队，有总监、有部门主管、有专家，写代码、做设计、管测试、盯发布，各司其职。项目采用 MIT 协议，截至 2026-11-03 拿到约 33,837 星，仓库为 github.com/Donchitos/Claude-Code-Game-Studios，克隆下来就能用。
这篇 SOP 按实际操作顺序走一遍：先讲清单人加 AI 做游戏到底卡在哪，再拆解这套工作室的三层架构与协作协议，然后是五分钟安装、Demo 精简流程、钩子护栏，最后谈成本、局限和一套自检问题。行文口径以项目 README 与多份中文实测教程为准，有出入的地方以你实际跑起来的版本为准。
单人 + AI 做游戏的三个真实卡点
很多人以为单人做游戏的瓶颈是"不会写代码"，装上 Claude Code 让 AI 写就行了。真跑起来你会发现，卡点根本不在写代码这一步，而是散落在流程的三个地方。
第一个卡点：代码质量全靠自觉。你让 AI 写一段移动跳跃的逻辑，它写得又快又好；但一个游戏是几百个系统叠出来的，角色状态机、存档、碰撞、音效触发、UI 状态，每一块都靠你在对话里反复提醒。上一轮对话定下的规范，隔了五十轮它就忘了；你觉得它应该知道的约定，它转头就违反。没有结构性约束的 AI 编程，质量完全取决于你盯得紧不紧，而单人开发者恰恰最缺的就是盯的精力。
第二个卡点：设计决策没有记录。今天你拍板"跳跃高度调到 2.5 米因为手感"，三天后 AI 生成的关卡把跳跃距离按 3 米算的，你俩谁也想不起来当时为什么定 2.5。游戏设计是几百个互相咬合的小决定，任何一个没被记录，后面就会以返工的方式还债。传统工作室靠设计文档和 ADR（架构决策记录）解决这个问题，单人开发者通常靠脑子，而脑子是最不可靠的存储。
第三个卡点：三个角色在打架。做游戏至少需要三种视角：设计视角要"好玩优先"，程序视角要"性能和可维护优先"，美术视角要"表现力优先"。传统团队里这三个人开会吵架，最后由制作人拍板；单人加 AI 的流程里，这三个视角挤在同一个会话中，今天聊设计它顺着你说加功能，明天写代码它嫌功能太多建议砍掉，你自己就是那个精神分裂的会议现场，而且没有制作人负责收敛。
三个卡点指向同一个本质：缺的不是生成代码的能力，而是结构。CCGS 解决的正是结构问题。
这套工作室长什么样：三层架构与协作协议
作者 Donchitos 的设计是把真实游戏工作室的组织结构直接搬进 Claude Code。整套模板包含 49 个专业代理（Agents）、72 个技能命令（Skills）、12 个自动化钩子（Hooks）、11 条基于路径的规则（Rules），外加 39 个文档模板，覆盖 GDD（游戏设计文档）、UX 规格、ADR、冲刺计划等场景。
组织是三层架构。第一层是总监层：creative-director（创意总监）守护游戏愿景，是一切设计方向的最终裁判；technical-director（技术总监）负责技术选型和架构拍板；producer（制作人）协调进度，防止范围失控。第二层是部门主管层：game-designer、lead-programmer、art-director、audio-director、narrative-director、qa-lead、release-manager、localization-lead，八位主管各带一个部门。第三层是 41 个专家：gameplay-programmer 写玩法逻辑、level-designer 搭关卡、technical-artist 处理美术管线、qa-tester 跑测试，按需召集。引擎也有专属配置，Godot 4（GDScript、Shaders、GDExtension）、Unity（DOTS、ECS、Addressables）、Unreal Engine 5（GAS、Blueprints、Replication）各有对应的专家 agent 组合，一条命令即可切换。
比架构更重要的是协作协议。这套系统明确写着"不是自动驾驶"：每个任务走五步，Question（专家先提问，把模糊需求问清楚）、Options（给出两到四个方案并列优缺点）、Decision（你来拍板，方向盘在这里）、Draft（先出草稿给你过目）、Approval（你批准才写入文件）。写任何文件之前，agent 必须先问一句"May I write this to [filepath]?"；没有你的明确指令，任何 agent 都不能执行 commit。翻译成人话：49 个 AI 员工没有一个有钥匙，所有门都得你亲自开门禁。
这套协议直接回应了前面的三个卡点：代码质量靠钩子和审查兜底（后面详述），设计决策靠 39 个模板里的 ADR 与 GDD 强制留痕，角色打架靠三层架构各管一摊、由总监层收敛。
从零装起来：五分钟上手（含命令）
前置条件只有两样：装好 Git 和 Claude Code，可选装 jq 与 Python 3（部分钩子会用到）。整个安装就是克隆仓库加启动会话。打开 Claude-Code-Game-Studios 的项目主页确认版本后，三步走：
git clone https://github.com/Donchitos/Claude-Code-Game-Studios.git my-game
cd my-game
claude进入 Claude Code 交互界面后输入 /start，工作室就算开张了。/start 会先问你处在哪个阶段：完全没概念、有模糊概念、已有明确设计，还是接手一个既有项目，然后把你引导到对应的工作流。没概念就走 /brainstorm 脑暴，有明确设计直接进 GDD 流程，接手老项目用 /adopt，引擎没定就跑 /setup-engine godot 4.6 这类命令配置。72 个斜杠命令按阶段组织：立项与设计有 /start、/brainstorm、/design-system、/create-epics、/create-stories；开发有 /dev-story、/code-review、/architecture-decision；美术音效有 /art-bible、/asset-spec、/asset-audit；测试有 /qa-plan、/smoke-check、/soak-test；发布有 /release-checklist、/launch-checklist、/changelog；还有 /team-combat、/team-narrative、/team-ui 这类跨职能命令，一次召集多个领域的专家同时讨论。
国内玩法也实测可通：不需要 Anthropic 账号，用兼容 Anthropic 协议的第三方 API 就能跑整套 CCGS。做法是配置 ANTHROPIC_BASE_URL 与 ANTHROPIC_AUTH_TOKEN 环境变量指向服务商，再用三个变量指定三层各用哪个模型。中文教程多以 DeepSeek 为例：总监层用 deepseek-v4-pro，专家层用 deepseek-v4-flash，便宜的模型干粗活，贵的模型做决策。
export ANTHROPIC_BASE_URL="https://api.deepseek.com/anthropic"
export ANTHROPIC_AUTH_TOKEN="你的密钥"
export ANTHROPIC_DEFAULT_OPUS_MODEL="deepseek-v4-pro"
export ANTHROPIC_DEFAULT_SONNET_MODEL="deepseek-v4-flash"
export ANTHROPIC_DEFAULT_HAIKU_MODEL="deepseek-v4-flash"Demo 精简流程：哪些步骤能砍
完整流程是给正式项目准备的，做一个小 Demo 全跑一遍又耗时又烧 token。多份教程给出的精简路径如下。
能砍的第一刀是 prototype 阶段。完整流程会要求先做可玩原型验证核心机制，Demo 体量小，直接进设计加开发即可。第二刀是审查偏好：项目允许选择审查的严格程度，教程建议 Demo 选 Solo（单人原型验证模式）或 Lean（面向中小体量的精简模式），不建议 Full，Full 的多角色会审是给正式项目准备的，Demo 里跑一圈全是仪式感。第三刀是文档瘦身：用 /design-system 写 GDD 时不必把 39 个模板全部填满，只保留概述、核心规则、边界条件、依赖关系、验收标准这几个轻量章节，足够专家 agent 对齐口径。
教程作者还留了几条实战踩坑经验，比流程本身更值钱。其一，AI 很擅长"合理补全"你没想清楚的设计点，你随口说"做一个跳跃"，它会自作主张补上二段跳、墙跳和体力条，返工成本极高，所以不确定的设计点要在文档里明确标注"待定"，别留给 AI 自由发挥。其二，/design-review 要开一个全新的窗口跑，让没有上下文包袱的 agent 来审，避免同一个会话里"自己审自己"，越审越满意。其三，刚上手别急着做心中的正式创意，先用一个超轻量小游戏（贪吃蛇、Flappy Bird 这个量级）把流程走通，再上正菜。
钩子与规则：AI 不跑偏的护栏
前面说的"代码质量全靠自觉"，靠的就是 12 个自动化钩子。几个有代表性的：validate-commit.sh 在每次 commit 前检查硬编码数值、TODO 格式和 JSON 文件有效性，脏东西进不了版本历史；validate-push.sh 在 push 前检查分支保护，防止手滑把半成品推到 main；validate-assets.sh 校验美术资源的命名规范和 JSON 配置，资源一多，命名混乱是灾难性的；detect-gaps.sh 在会话启动时扫描，发现新项目缺设计文档就提醒你先跑 /start 补齐，别上来就写代码。
另外两个钩子专门治理长会话的顽疾：pre-compact 和 post-compact 在上下文压缩前后分别保存和恢复进度，五十轮对话之后 AI 依然知道项目进行到哪；log-agent 记录每一次子代理的调用审计，谁干了什么有账可查。11 条基于路径的规则则按目录生效，改到哪类文件自动加载哪套规范。这套护栏的思路很朴素：不指望 AI 永远不犯错，而是让每个错误在进入下一环节之前被拦下来。
成本、局限与自检
成本方面要建立预期：49 个 agent 和多步协作协议意味着 token 消耗远高于单会话聊天，一次完整的设计评审跑下来几万 token 很正常。用第三方 API 的好处是单价可控，教程口径下 DeepSeek 这类模型跑全套流程的成本显著低于官方旗舰模型，但消耗量级依然是"做 Demo 够用、做长线项目要预算"的水平。Demo 精简流程（跳过 prototype、Solo 或 Lean 审查、GDD 轻量章节）是控制成本的第一杠杆。
局限也很诚实。README 与教程的共识是：只想快速验证一个点子的人不适合，学习曲线偏高，还不如直接让 AI 裸写一个；只做练手 demo 的人不适合，流程的仪式感对玩具项目是纯累赘；期待 AI 全自动出游戏的人更不适合，这套系统解决的是结构问题，不是能力问题，愿景、品味和拍板永远在你手里。
教程收尾留了一个自检问题，也是判断你需不需要这套系统的标准：做完一个项目，你能说清每个设计决策是谁定的、为什么这么定吗？如果说得清，你可能已经有自己的流程，不必折腾；如果说不清，上一次项目复盘时你对着满屏代码想不起为什么用这种跳跃手感，那这套把决策留痕、把方向盘交给用户的系统，值得一试。
常见问题
Q1：完全不会写代码，真能做出能玩的游戏吗？ A1：能做出能玩的，但没有"好玩"的保证。CCGS 把流程结构化到每一步都有模板和专家引导，代码由 AI 生成、你负责验收；可"好玩"取决于你的设计判断，这正是全程 Question、Options、Decision 协议存在的原因，它逼你参与每个决策，而不是替你做决策。零代码基础建议先用超轻量小游戏练手。
Q2：不买 Anthropic 账号能用吗？ A2：可以。CCGS 本质是 Claude Code 的模板层，只要 Claude Code 能跑，它就能跑。通过 ANTHROPIC_BASE_URL 与 ANTHROPIC_AUTH_TOKEN 接入兼容 Anthropic 协议的第三方 API，再用 ANTHROPIC_DEFAULT_OPUS/SONNET/HAIKU_MODEL 指定三层模型即可，中文教程以 DeepSeek 为例实测可行。
Q3：49 个 agent 会不会很烧 token？ A3：会，这是多 agent 架构的固有成本。控制手段有三：Demo 走精简流程，跳过 prototype、Solo 或 Lean 审查、GDD 只留轻量章节；总监层与专家层分配不同档位的模型，贵模型做决策、便宜模型干执行；用第三方 API 压低单价。正式项目建议先算一笔 token 预算再开工。
Q4：该选哪个游戏引擎？ A4：三家的专家配置都齐：Godot 4 适合轻量独立项目和 GDScript 上手，Unity 生态成熟适合商业向，Unreal Engine 5 适合高表现力 3D。没经验就从 Godot 开始，用 /setup-engine godot 4.6 一条命令配好对应专家组。引擎决策本身也可以丢给 technical-director，它会给你列方案和优缺点。
Q5：它能自动帮我出美术资源吗？ A5：它管美术流程，不直接画图。art-director 与 technical-artist 负责制定美术规范（art bible）、写资源规格（asset-spec）、用 /asset-audit 审查资源合规，validate-assets.sh 钩子校验命名与格式；实际的图和音效还需要外部生成工具或素材库产出，再交给这套流程管理。