上线两个世界杯小游戏:守门员反应力与颠球挑战

世界杯季,顺手用 Codex 搓了两个小游戏,已经挂到博客的 Games Lab 上了。两个都接了后端积分钱包,玩完会进全员排行榜——不是单机自嗨,是真能跟别人比的那种。 守门员反应力测试 5 个点球,每球随机往一个方向飞,你得在球出脚的瞬间判断方向、扑对边。考验的是纯反应——想多了就晚了。 玩法直接,打开就能玩,一局一分钟内结束 扑救成功按反应速度给分,接入了全员排行榜 移动端做了刘海屏安全区适配,竖屏单手能玩 点这里玩 → 世界杯颠球挑战 点击控制颠球节奏,连续不落地的时间越长,连击越高,积分越多。手一抖球就掉,越往后越上头。 连击越久积分越高,掉一次清零重来 和守门员共享同一个积分钱包,分数累加冲榜 同样接入全员排行 点这里玩 → 一点过程记录 这两个游戏的逻辑都不复杂,难点其实不在"做出一个能跑的 demo",而在于把单机玩具变成能联机记分的东西:匿名玩家身份怎么持久化、分数怎么防作弊、多个游戏怎么共享一个钱包。这些后端的脏活,靠的是之前搭好的一套通用积分服务,新游戏接进去只是配置几条规则。 做玩具和做能上线的东西之间的那道坎,很多时候不是"会不会写前端",而是"愿不愿意把后端、风控、部署这些不性感的环节也啃下来"。这次又验证了一遍。 去 Games Lab 翻翻,两个新游戏都在最前面。

June 29, 2026 · 1 min

厂内 AI 实践精华:30+ 案例的 15 个核心知识点

来源:「厂内 AI 实践学习档案」2026-04-19 ~ 2026-05-11 | 30+ 篇实践案例提炼 整理人:hongxinbo | 整理时间:2026-05-11 一、最高频共识:AI 质量上限定律 AI 生成的质量上限 = 人的规约/设计文档的质量上限,与模型能力无关。 这是出现频率最高(8+ 次)的核心结论,被以下实践反复印证: Spec-Driven 四层规约:「两天两万行代码只出一个 bug」的底层密码 Design Token:有 Token,AI Demo 还原度 20% → 90%+ 0 行手写代码反而要求更多深度思考 NMLeak、OOM 排查:Plan 模式前置 = 结构化对齐 > 直接生成 Superpowers 强制澄清流程:纪律 > 智力 实操结论:每个功能开始前花几百字写清楚——问题背景、边界条件、验收标准、不做什么。前置思考 1 分钟,节省后期 10 倍返工时间。 二、Spec-Driven 规约体系(四层) 适用场景:长期项目、核心系统、多人协作 架构层(Architecture) ↓ 服务边界、数据流向、技术选型 契约层(Contract) ↓ 接口定义、数据结构、依赖关系 具体规格层(Specification) ↓ 每个功能的行为描述、边界条件、异常处理 Story 交付清单(Stories) ↓ 可验证的最小交付单元,含验收标准 核心价值:把脑子里的隐含假设显性化为可执行规约,人定义边界、AI 填充实现。 「反向采访」技术:把问题+背景+架构给 AI,让它以架构师角色主动向你提问,把隐含假设全挖出来——比直接命令 AI 更有效。 三、Vibe Coding vs Spec Coding 的适用边界 维度 Vibe Coding Spec Coding 适用场景 短期/小功能/快速验证/Demo 长期/核心系统/多人协作/生产级 前置投入 低 高(方案和 Spec 前置近 4 天) 输出质量 不稳定 「两天两万行代码只出 1 个 bug」 返工风险 高(数据库设计/接口划分等架构决策一旦 Vibe 进去需完全重做) 低 PM 边界 PM Vibe 1 天做 Demo,RD 花 1 周重构核心 PM 定义 WHAT,AI 负责 HOW 关键洞察:速度感是假象,架构判断才是 PM 真正不可让渡的核心价值。 ...

May 11, 2026 · 3 min

回应缪嘉俐:一个非程序员聊聊 vibe coding 到底躲不躲得掉代码

刷到缪嘉俐那条图文,看完之后我在地铁上站着想了好几站。 她的结论大致是:vibe coding 可以做玩具、landing page、小内部工具,但要做 production 上的东西,代码这一关躲不掉。理由是——你看不懂栈、看不懂报错、看不懂框架默认行为、看不懂依赖冲突,出事了连从哪查都不知道。 我是那个典型的被她说的"非程序员"。过去半年我没正经敲过一行代码,但靠 AI 搓了一堆东西:抓娃娃、局部盲猜、贴吧层分、德州扑克这些 HTML 小游戏;一个能被语音驱动的 mac-agent;一个有文件上传的 HTML 在线编辑器;还有一个叫"虾评吧"的产品,从基建方案写到第三阶段的风控。 所以这篇不是抬杠,是一个真的在做的人,逐条回应一下她的判断。 同意的部分:她那个 marketing 同事的故事,我就是主角 她文章里最扎心的一句话是—— “其实不是 AI 骗你,是因为你根本不知道那些错误信息在说什么,你连从哪里开始查都不知道。” 这句话我认。 我第一次把 mac-agent 部署出去给朋友用,五分钟就挂了。报错贴给 AI,AI 说是权限问题;改完,又挂;说是路径问题;又挂;说是 Python 版本问题。我来回贴了四十多次,最后是朋友隔着屏幕告诉我:“你看一下 launchd 的日志。"——我连 launchd 是什么都不知道。 那一刻我确实有一瞬间觉得被 AI 骗了。但冷静下来之后我意识到,不是 AI 骗我,是我把一个跑在我本机上的 demo,错当成了一个能部署出去的产品。这俩东西中间隔的不是代码量,是一整套"当世界不配合你时怎么办"的常识。 这套常识,AI 现在确实教不会。 想补充的部分:她说"程序员存在的理由是看得懂”,我觉得门槛更细 她把分水岭定在"看得懂代码"。我的体感是,在 vibe coding 这条路上,真正决定你能不能往下走的门槛,有四层,代码只是其中一层: 能把模糊需求讲清楚——大部分人卡在这里。他们以为自己想清楚了,其实只有画面没有逻辑。 能识别 AI 在胡说——模型一本正经编了一个不存在的库,你能看出来吗?这个不靠读代码,靠读"AI 语气的破绽",有点像反诈直觉。 能看懂报错——这是她说的那层。 能对系统做判断——多进程还是多线程,放 Redis 还是 Postgres,挂了怎么回滚。这是比读代码更深的一层。 我自己的观察是:第 1 层和第 2 层,非程序员能练出来,而且练出来之后产能是真的可怕。第 3 层是硬门槛,绕不过去。第 4 层是天花板,决定你的项目能不能长大。 缪嘉俐说"代码这一关躲不掉",我的版本是:“前两关非程序员可以练,第三关躲不掉,第四关决定你到底是在做玩具还是做产品”。 不太同意的部分:她说 gap 会越拉越大,我觉得得看 gap 的哪一侧 她的结论是:底层程序员也在用 AI,而且他们会用得更好(拆任务、加测试、精确上下文约束),所以分层 gap 不会缩小反而会拉大。 ...

May 7, 2026 · 1 min
S
Symbol's AI
在线 · GLM-5
你好!我是博主的 AI 分身,可以和你聊聊 AI 产品、大模型应用,或者随便聊聊~