本篇文章更新時間：2026/02/25
如有資訊過時或語誤之處，歡迎使用 Contact 功能通知或向一介資男的 LINE 社群反應。
如果本站內容對你有幫助，歡迎贊助支持 。
讓狗當遊戲設計師：從意外到系統化的 AI 實驗
副標題：讀 Caleb Leak《I Taught My Dog to Vibe Code Games》有感
編輯前言：這篇文章乍看像趣味實驗，但真正的亮點是 Caleb 如何用「系統化工具＋強大的回饋循環」把一隻亂按鍵盤的狗變成能產出完整遊戲的觸發器。它講的不是狗，而是 AI。
核心觀點 (Key Takeaways)
- 作者讓小狗 Momo 的亂碼輸入，透過精心設計的 prompt 與工具鏈，變成 Claude Code 的有效指令。
- 真正的突破不在 prompt，而在能讓 AI 看、玩、檢查自己的作品的回饋機制——包括截圖、遊戲操作指令、自動 lint。
- 這個實驗展示了一個更大的洞見：AI 生成開發的瓶頸不是「想法」，而是「回饋品質」。
深入解析
這篇文章敘述 Caleb Leak 如何從一次狗狗亂按鍵盤的趣事，逐漸發展成一套完整的「狗狗 AI 遊戲開發系統」。文章核心其實是工程設計思維，而非奇景展示。
作者一開始在 Godot 製作原型時，看到終端機出現奇怪輸入，才發現是狗踩到鍵盤。幾周後因為 Meta 裁員，他突然產生念頭——如果把狗的亂碼視為某種「密語」，讓 Claude Code 自行解讀並做出遊戲呢？
這個想法的重點在於 prompt 設計：
「我是一位只以怪異亂碼溝通的天才遊戲設計師，而你的任務是解讀這些密語並據此更新遊戲。」
類似這種明確角色設定與固定規則，使 Claude 能把任何亂碼視為「有意義」的遊戲需求並生成內容。
接著，文章最有價值的部分，是 Caleb 如何將整個流程工程化：
- 鍵盤輸入路由：用 Raspberry Pi + Rust app 過濾危險按鍵，避免狗退出編輯器。
- 自動化獎勵：以 Zigbee 控制的智能餵食器提供「輸入達標就給零食」。
- 高強度回饋工具鏈：包括遊戲截圖、指令操控遊戲流程、場景與 shader 的 linter…讓 Claude 能「看到」自己的成果並修正。
作者觀察到 Claude 甚至會自己打通六關，只為驗證最後的 boss fight 是否正常。
這種自我迭代的能力，讓 AI 的輸出品質大幅提升。
筆者心得與啟發
這篇文章讓我反思 AI 協作的本質。Momo 當然不是在設計遊戲，她只是敲擊塑膠鍵盤換取零食。但 Caleb 建立的整套系統——從 prompt、工具鏈到回饋循環——把無意義的輸入轉化為有方向的創作。
這讓我想到：我們常把注意力放在 prompt 工藝、模型能力或創意本身，但作者的經驗再次證明，真正拉開差距的是「回饋機制」。也就是：
- AI 能否檢查自己的輸出？
- 它是否能反覆嘗試、修正、重建？
- 它是否能理解並讀寫真實專案環境？
這些工具越完備，AI 就越像一個可靠的共同開發者，而不是單純的語言模型。
對一般開發者而言，這篇文章其實提供了更務實的訊息：
- 不需要等到完美 prompt。
- 不需要等待更強的模型。
- 你需要的是更好的「迭代系統」。
換句話說，如果狗的亂碼都能變成可玩的遊戲，我們手上的結構化需求更沒有理由做不到。