过去一年里,我独立开发了一款由大语言模型驱动的生活模拟游戏。中国服务器现在已有超过 800 名 AI 居民生活在同一个城市:工作、生产商品、交易、共同进食、建立关系,并在睡眠中梦见。
本文介绍了正在运行的产品、其背后的并发系统以及我如何与 AI 合作开发和运营它。产品指标截至 2026 年 10 月 7 日更新。
https://preview.redd.it/c69qzdffq7uh1.jpg?width=1080&format=pjpg&au&s=b318d32c88b8041241dc1bed95696f62047b9d7a
The 城市。共享环境中的商店和工作场所支持实际的游戏活动。
该城市已经运行了超过 350 天游戏时间,相当于约 100 天的实际时间。早期玩家中相当一部分仍在继续游玩。我独立完成了整个项目,包括后端、前端、Phaser 场景、内容制作、监控和运营。代码行数超过 40 万行,其中核心后端超过 20 万行,大约 2,200 次提交。
我大量使用 AI 编码工具。我参与或亲自决定产品方向、核心机制以及架构边界,而 AI 负责大部分实现、调查和维护。随着项目从原型过渡到持续运营的产品,系统设计和开发流程成为主要工作。
01. 超过 800 名居民共享一座城市
玩家创建自己性格独特的角色,通过消息和礼物影响它们,观察其生活。LLM 决定角色的移动、饮食、睡眠、工作和社交互动。其他玩家创建的角色也居住在同一世界中。它们可以实时交谈、交易、共享餐食、坠入爱河并同住。
居民需要谋生。他们可以经营农场和牧场、在海边捕鱼、在办公室工作、开设自己的商店,或在摊位上出售商品。这些活动关联到共享经济:居民生产农副产品,商品拥有真实库存,供需关系影响价格,店铺所有者承担成本并做出采购和定价决策。
所有食物均通过居民的劳动生产。餐馆老板管理业务,厨师准备餐点,快递员送餐,顾客支付并消费食物。每顿饭背后都有食材、生产、服务和消费的链条,城中居民在每个环节都参与其中。
https://preview.redd.it/u1si7z6hq7uh1.png?width=1079&format=png&au&s=7707f18972bbb8a7d89ceccf78d5700cce23aa76
农业与牧场。这四张英文展示图使用游戏原生渲染器和 UI,配有摆放场景和演示数据。
https://preview.redd.it/31uqap9hq7uh1.png?width=1079&format=png&au&s=7b8c930626bcde5eb9adb6321c2a4a3b7d988277
一名居民撒种。Phaser 场景可视化日常生产活动。
https://preview.redd.it/9sjakfchq7uh1.png?width=860&format=png&au&s=72e4cfe6c2a1dc0ee8a0b6788497905171060de4
农场管理:作物生长、牲畜、饲料及生产状态。
https://preview.redd.it/ll7ks2fhq7uh1.png?width=860&format=png&au&s=b8020e7b85cdef2ece2a3792b7e1f825cdc80bf1
市场库存、居民商店及价格趋势。此处显示的数值为演示数据。
https://preview.redd.it/oozbzkhhq7uh1.jpg?width=1220&format=pjpg&au&s=542e5a9f020b50f888116ac3537670cc536a31c2
来自英文服务器的真实梦境。梦境和睡话出现在睡眠活动日志中,使用现有的决策和日志机制。
这些细节让玩家感受到角色生活的连贯性。一天的工作、朋友或错过的一餐可能在后续经历中以不同形式再次出现。
02. 从虚拟宠物到数小时观看
最初,我把这款游戏设想为一种虚拟宠物。玩家会每天打开它,检查角色是否吃了饭、赚了些钱,也许发条消息,然后离开。
实际使用中出现了不同的模式。一些玩家把它当作直播观看,一天中花费数小时盯着角色。他们跟踪关系进展、检查商店是否有顾客,或等待看到角色是否遵循他们刚发送的建议。因此产品必须同时支持简短检查和持续观看。
过去一个月里,中国服务器的日活跃用户从 9 月 10 日的 177 人增长到 10 月 7 日的 865 人,约为起始数值的 4.9 倍。10 月 1 日至 10 月 7 日,DAU 从 431 人增至 865 人。此期间的增长主要通过玩家自发分享游戏实现。
https://preview.redd.it/q3ixr1khq7uh1.png?width=2000&format=png&au&s=39a4c494141a7a5f9de1f6a1fca7f6f01a24c100
中国服务器 DAU,计为成功进入游戏的独立用户。图表来源于 PostHog 查询结果,日期采用 Asia/Shanghai 时区。
8 月份首次成功进入游戏的 225 名用户,首日留存率为 68.9%,第 7 天为 56.0%,第 30 天为 40.9%(分别有 155、126 和 92 名返回用户)。
10 月 7 日,在 850 名非管理员用户中(有效时长记录), median 前台使用时长为 29.9 分钟,P90 约为 4 小时。
10 月 1 日至 10 月 7 日,有 86 名用户在至少 4 天内保持活跃,并且每天平均前台使用时长不少于 3 小时。
https://preview.redd.it/554ihjmhq7uh1.png?width=2000&format=png&au&s=6c5b015d4132f4a9f0295898a777149d15befa48
同一批 225 名首次进入用户的留存情况:第 1 天 155 人,第 7 天 126 人,第 30 天 92 人。
前台使用时长衡量游戏处于前台的时间,并不保证 uninterrupted(连续)注意力。结合玩家反馈,它表明有一批稳定的用户长时间使用游戏。
这为工程提出了具体要求。偶尔访问的玩家需要了解自己离开期间发生的情况;持续观看的玩家需要看到活动进展、理解角色行为的原因、它们在等待什么以及交互如何结束。活动日志、回顾和实时场景是核心界面。
03. 在持续推进的世界中进行异步决策
每个角色每天大约进行 300–400 次 LLM 调用,平均每次调用的上下文约为 30,000 个 token。一次调用包含角色的状态、相关经历、当前环境以及可用的动作。模型选择动作及其参数;后端将该决定转化为占用
评论 (0)