Najgłupszy prompt AI pokonał miesiące starannego inżynierowania promptów w projektowaniu gier

To odwrócenie tego, jak inżynierowie promptów uczyli ludzi pracować. Rada podczas boomu vibe-codingu brzmiała: określaj kryteria zamiast przymiotników – mów, co oznacza „dobry”, zamiast po prostu o to prosić. Co kod powinien uwzględniać, zamiast mówić „AAA”.

Wersja Shumera robi prawie odwrotnie – każe swoim podagentom być „całkowicie zachwyconymi”, a faktyczną definicję pozostawia krytykowi Opus 5, który sam ją dla siebie tworzy.

To było prawie całe zadanie. Shumer napisał później, że nigdy nie określił renderera, nie wymienił systemów gry ani nie zdefiniował, co musi zawierać „jakość AAA”. Zaczął nazywać to podejście Pętlą Gauntlet: przekaż agentowi realny, sprawdzalny próg zamiast niejasnej instrukcji, pozwól mu podzielić zadanie na małe części i każdą część skieruj przez krytyka, który nigdy nie widzi uzasadnienia twórcy dla jego wyborów.

Dwie funkcje Claude Code realizują tę pętlę. Podagenci uruchamiają się w izolowanych kontekstach z własnymi instrukcjami i dostępem do narzędzi, więc krytyk oceniający model broni nie dziedziczy wymówek twórcy, dlaczego wygląda tak, a nie inaczej. Ultracode to ustawienie Claude Code, które popycha model do maksymalnego wysiłku rozumowania i pozwala mu napisać własny plan orkiestracji, rozdzielając pracę na maksymalnie 16 agentów jednocześnie, z limitem 1000 na uruchomienie.

Wbudowana umiejętność /loop Anthropic, stworzona do powtarzalnych cykli naprawa-test-dostosowanie, sprawiła, że działanie nie zatrzymało się w momencie, gdy gra wyglądała przyzwoicie. Shumer nigdy nie określił liczby rund. Pozwolił krytykowi na ciągłe wskazywanie nowych luk, a budowniczemu na ich ściganie przez godziny, zanim sam zamknął sesję.

Gotowa wersja działa na Three.js i czystym WebGL2, z około 55 000 linii kodu rozłożonych na 11 podsystemów. Każda tekstura, siatka, animacja i dźwięk są generowane w przeglądarce podczas ładowania – bez pobranych modeli, HDR, plików obrazów ani plików audio. Opublikowany dziennik krytyka Shumera pokazuje wzrost wyniku z 3,59 na 10 do nieco powyżej 5, wciąż pozostając w tyle za prawdziwą grą w każdej rundzie.

Sceptycy zakładali godziny ukrytego ręcznego kodowania, więc Shumer opublikował cały prompt i kod źródłowy. Wtedy zaczęli się naśladowcy.

Ta sama sztuczka, trzech różnych budowniczych

James Altucher, były menedżer funduszy hedgingowych i podcaster, uruchomił identyczny prompt i poinformował, że spędził „nieco ponad dziesięć godzin” i około 1,3 miliona tokenów na Opus 5, aby to osiągnąć. Jego wersja, Operation Blackout, jest dostępna za darmo w przeglądarce i wygląda niesamowicie.

Możesz zagrać w tę grę tutaj.

Deweloper Prompt Silo skierował to samo żądanie do konkurencyjnego flagowego modelu OpenAI, publikując "Sol 5.6 Ultra z tym samym promptem" — Sol to najwyższy poziom z trzy-modelowej rodziny GPT-5.6, którą OpenAI udostępniło ogólnie 9 lipca wraz z tańszymi wersjami Terra i Luna.

Deweloper Leon Lin spróbował odwrotnego ruchu, sięgając po zwykły szczegółowy prompt. Zamiast kopiować krótką wersję Shumera, postanowił "odwrócić inżynierię promptu dla tej gry", tworząc dokument liczący około 20 sekcji, który szczegółowo opisuje wszystko, od fizyki ragdoll po kaskadowe mapy cieni. Wprowadził go do Cursor, używając zwykłego Opus 5 na wysokim wysiłku, bez subagentów i bez ultracode, a rezultat — strzelanka osadzona na ulicy targowej o nazwie Dust Corridor — działa również w przeglądarce i wygląda świetnie.

Żadna z kolejnych wersji nie przeszła ślepego testu, który Shumer przeprowadził na swoim własnym projekcie. Jego dziennik krytyka wciąż pokazuje, że prawdziwy Call of Duty wygrywa każdą rundę, którą zarejestrował – to poprzeczka, którą Altucher i Atom Tan Studio gonią za pomocą jego dokładnego trzyakapitowego promptu, a także ta, którą Leon Lin goni z około 20 własnymi sekcjami.

Ile z tego jest faktycznie nowe?

Narzędzia do kodowania agentowego, takie jak Claude Code, piszą oprogramowanie w sposób, w jaki robiłby to nadzorowany młodszy inżynier: czytają pliki, uruchamiają kod, patrzą na wygenerowane zrzuty ekranu i przekazują fragmenty zadania podagentom i krytykom, którzy sprawdzają wynik względem określonego celu. Ta pętla jest prawdziwa, a Pętla Gauntlet Shumera to autentyczny sposób na jej ustrukturyzowanie. Żadne z tych rzeczy samo w sobie nie dowodzi, że model zaprojektował grę z wyobraźni, a nie poprzez łączenie wzorców kodu, które już wchłonął.

Three.js dostarcza własne sterowanie kamerą z blokadą wskaźnika jako oficjalny przykład, a ten podstawowy wzorzec – ruch myszą, ruch WASD, raycasting do strzelania – był forkowany i opisywany w tutorialach na GitHubie, gistach i forach deweloperskich od ponad dekady. Model kodowania trenowany na publicznych repozytoriach prawie na pewno widział setki, jeśli nie tysiące prawie identycznych strzelanek, zanim kiedykolwiek przeczytał prompt Shumera.

To nie czyni Claude of Duty fałszywym, ale sprawia, że twierdzenie „zbudowane od zera” jest trudniejsze do pełnego uznania, więc traktuj te wyniki z przymrużeniem oka.

Naukowcy badający modele generujące kod mają nazwę dla szerszego problemu: zanieczyszczenie danych, gdy model dobrze radzi sobie z zadaniem głównie dlatego, że prawie identyczne przykłady znajdowały się już w jego danych treningowych, a nie dlatego, że wywnioskował coś nowego.

Żadna z kompilacji strzelanek pierwszoosobowych nie opublikowała sprawdzenia tego rodzaju zanieczyszczenia. Repozytorium Shumera zawiera własną kreatywność Claude'a, jeśli można to tak nazwać. To powód, aby czytać „jednym strzałem zrobił grę AAA” jako zdolnego agenta pracującego w jednym z najbardziej udokumentowanych gatunków w programowaniu, a nie jako dowód na to, że AI zaprojektowało strzelankę bez wcześniejszych wzorców.