AI 生成的像素画需要构建系统，而不是更好的 prompt

作者重构了向 Warhammer 40k 致敬的小游戏：原版 Hive City Rampage 是 Python/Pygame 的俯视角暗黑射击原型，续作 Ashgate Siege 用 Godot 4 重做——哥特等距视角、两个关卡、面向 Mac 和 Android。坦白：9.5 万行 GDScript、8 个 commit、约五个小时，由 AI agent 在他的指挥下写成，精灵图也是生成的。有趣的部分是结论。

简单发现：代码是容易的部分

引擎移植正是 agent 最擅长的代码形态：目标文档齐全、语义已知、正确性靠"跑起来"就能验证。Godot 4 加 GDScript 在任何模型的训练数据里都大量存在。agent 零挣扎。

难的部分：同一只兽人的四张图

作者愿意在此争论的观点：AI 辅助游戏里，2D 精灵游戏比 3D 难。听起来反直觉，原因在于：3D 里引擎保证一致性——一个网格、一个材质、一套灯光，动画的每一帧一致，因为它们是同一个物体在变换，渲染器在做工。

精灵游戏没有共享物体，每个精灵都是一张独立的生成像素图，于是：

• 行走循环的第 2 帧可能是和第 1 帧不同的角色；
• 同一场景里，光源可以在精灵之间移动；
• 比例漂移——你的巨型 Boss 缩水了；
• 肢体在格子边缘被裁掉。

没有任何东西自动抓住这些，它们就这样上线，游戏看起来像一幅拼贴失败的拼贴画。

修复：把 prompt 当成接口规格

对策是停止把生成当"委托艺术创作"，改成"用严格 schema 调用 API"。每个 prompt 钉死几何：生产用精灵表，恰好 4 列 x 3 行、1536x1024 画布、等分格子、纯品红 #FF00FF 背景做色键导入；不要文字、阴影、烟雾、边框；每个形象完全落在自己的格子里并留足边距；所有形象脚底在同一行基线；统一面向屏幕右侧的三四等距视角；四列是四个连贯的行走循环姿势……

每一句都必须做功：

• 品红 #FF00FF，不要透明通道——alpha 回来不可靠，色键是确定性的；
• 几何数字是硬约束——列数、行数、画布、基线，任何一处漂移都会毁掉整张表；
• 一行一个约束，每句都可检查。

结论：构建系统优于更好的 prompt

从"写得更好的 prompt"转向"把生成产物纳入可检查的构建管线"——prompt 是接口规格，精灵表是产物，色键、网格、基线是可验证的契约。真正的杠杆不在措辞，而在规格化 + 可校验。

实践建议

• 2D 精灵生成先定义"可验证契约"：画布、网格、色键、基线、朝向——每条都可程序化检查；
• 用色键替代透明通道（alpha 在生成链路里不可靠）；
• 3D 场景引擎天然保证一致性，2D 精灵必须在管线层补上"一致性检查"这一环。

来源：AI Generated pixel art needs a build system, not better prompts - DEV Community