用 AI 在 7 天内做出可玩 Demo：一套经过验证的原型工作流

"先做个原型验证玩法"是游戏开发的黄金法则，但传统原型本身就要花数周。借助 AI 工具链，这个周期可以压缩到一周以内。本文的 7 天工作流来自多个实际项目的提炼，核心思想只有一句话：原型阶段的一切决策，都以"最快让玩家摸到核心玩法"为唯一标准。

Day 1：把想法压缩成一句话

原型失败的头号原因不是技术，而是范围失控。第一天的全部工作是写一份"一页纸设计文档"：核心玩法一句话（"玩家用重力翻转通过关卡"）、三分钟内玩家会经历什么、砍掉了什么。用 Claude 或 ChatGPT 当陪练，让它扮演挑剔的发行商对你的点子提问，能暴露大量没想清楚的环节。这一天结束时，你应该能回答："如果只能实现一个机制，是哪个？"

Day 2-3：白盒玩法，零美术

这两天只做核心机制，视觉全部用几何体。代码环节让 Cursor 全程辅助——描述清楚机制规则，让它生成初版，你的时间花在调参和手感上。如果是纯 2D 玩法，GDevelop 的可视化逻辑 + AI 辅助能进一步提速。这个阶段的关键纪律：禁止做任何美术资产，禁止写存档、设置、UI 框架。手感验证有个量化技巧：让 3 个人各玩 5 分钟，记录他们卡住的位置和口头反馈，比任何自我感觉都可靠。

Day 4：AI 视觉定调

玩法成立后，用一天确定视觉方向。流程是：Midjourney 出 30-50 张风格参考 → 圈定 3 个方向 → 用 Scenario 或 Stable Diffusion 的图生图把白盒场景"贴皮"成概念图。这一步的产出不是资产，而是一张能对外展示的"目标画面"（target shot），它同时服务于团队共识和后续的市场验证。3D 项目可以用 Blockade Labs 快速生成全景环境图做氛围参考。

Day 5：资产量产

用第二天验证过的资产清单，批量生成替换白盒。2D 项目走 Leonardo.ai 或 Scenario 的批量生成；3D 道具走 Meshy，场景大件注意控制数量——原型阶段场景里超过 20 种独立模型就是浪费。音频当天一并解决：Suno 出两首循环曲，UI 音效从 Freesound 补齐。记住原型资产的标准是"远看对味"，近看粗糙完全可接受。

Day 6：闭环与引导

把玩家从打开 Demo 到体验核心玩法的路径走通：一个开场画面、三行以内的操作说明、一次完整的核心循环、一个结束反馈。这一天最容易被跳过，但它决定了外部测试者能不能"无需你在场讲解"就玩懂。新手引导文案可以让 LLM 生成多个版本后挑选最简洁的。

Day 7：10 人测试与决策

找 10 个目标玩家（朋友、社区群、社区板块都可以），观察而非引导。收集三个信号：他们是否主动重玩了一次？能否向别人复述玩法？卡点集中在哪？数据埋点用 GameAnalytics 的免费版即可。测试结束后做唯一重要的决策：这个玩法值得进入正式制作吗？

这套流程的本质

7 天工作流的本质不是"AI 让开发变快了"，而是 AI 把原本需要外包和等待的环节（美术方向、资产、音乐）变成了即时可得的资源，让团队能把全部注意力聚焦在唯一无法外包的事情上——玩法手感。工具每年都在变，这个聚焦点不会变。