我一直在开发一个名为DRAFT 9的浏览器棒球经理游戏，它的开发过程中大量使用了人工智能辅助技术。

这个游戏本身的概念非常简单：你从2000-2025年的MLB或NPB赛季中选择9名球员，填写一个有效的阵容，然后模拟162场比赛。

我对这个项目的兴趣在于，人工智能在快速开发特性方面比在决定那些特性是否易于新玩家理解方面更为有效。

例如，我最近有一次选秀界面，逻辑上来说是有效的，但我的朋友试了试之后立即说：“我不知道我下一步该点击什么。”

人工智能生成的实现暴露了位置控制、球员卡、重新选秀和阵容信息等所有内容，但没有明确的交互层次结构。

我最终又一次使用人工智能，改变了流程从：

选择位置 → 选择球员 → 继续

到：

选择球员 → 选择他们的有效开放位置 → 确认选择 → 下一轮。

我还必须重新思考响应式布局，因为早期版本只有在我在50%浏览器缩放时才会看起来很好。人工智能可以不断修复CSS，但这并不能解决布局问题。最终我必须先定义UX规则 — 桌面两列布局、移动端球员优先布局、粘性确认控件、正常滚动条100%缩放 — 然后让人工智能在这些约束下实现。

这可能是这个项目给我最大的教训：人工智能在实现明确的交互模型方面非常擅长，但令人惊讶的是，它并不能察觉到交互模型本身是混乱的。

我还在使用人工智能进行本地化、分析仪表盘、SEO工作和一些支持的视觉/内容工作流程，而将实际游戏规则和产品决策保留在人工控制下。

这个游戏在这里可以玩，如果有人想看当前的结果：

https://p38baseball.bond/

我特别感兴趣的是听到其他使用人工智能辅助开发游戏的开发者：人工智能在哪里节省了你最多的时间？在哪里你发现自己反复修复了技术上正确但对玩家来说却是糟糕的内容？