鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

3 小时做游戏,10 天狂赚 28 万!程序员用 AI 躺赚?

编程导航
编程导航
2025-09-11 10:53
阅读 1086
编程导航
2025-09-11 10:53
阅读 1086

大家好,我是程序员鱼皮。

不知道你们有没有看到最近的这条热搜:

一个人,花 3 个小时,用 AI 做出来的游戏,10 天狂赚 28 万!

刚开始看到的时候还以为是什么短剧爽文片段,深入了解之后才发现这是真人真事:

荷兰独立开发者 Pieter Levels 借助 AI 编程工具 Cursor 和 Grok-3,仅用 3 小时就完成了一款多人在线飞行游戏《Fly.pieter》,引发了上千万人围观热议。

根据最新消息,这款游戏上线 10 天就吸引了 1.6 万玩家,赚了 38360 美元(约 28 万元)。

马斯克也亲自下场点赞,感叹这实在是“泰酷辣”!

img

这款疯狂吸金的“一人游戏”长这样:

img

很多小伙伴看到之后可能要大呼:就这?!

别急,下面就给大家分析一下这里面真正的“含金量”。

一个人做游戏,怎么实现的?

Levels 本身是一名独立开发者,在此之前,他就曾靠开发的数字游民平台 Nomad List 和远程招聘网站 Remote OK 这两个项目月入 10 万美元。

但在游戏制作方面,他确实是一个毫无经验的新手。

这一切还得从他制作一个“空中交通管制广播”网站说起,在这个项目里,Levels 接触到了内置强大的 AI 编程助手的代码编辑器 Cursor。一番体验之后,小哥也是立刻爱上了:

img

有一天他突然冒出了这样一个念头:“为什么不让 Cursor 直接帮我做个飞行模拟器?”

于是,Levels 用自然语言输入了一句话: “在浏览器中制作一个带摩天大楼的 3D 飞行游戏。”

经过简单的调试后,一个初步可运行的飞行游戏诞生了,还包括简单的跑道、海滩、陆地等场景。“整个飞行模拟器,其实就一个 HTML 文件!”

img

试玩地址:https://fly.pieter.com/

后续 Pieter 也一直在 X 上同步更新他的开发过程,并积极吸取网友们的建议。

比如有人提醒他可以用 nippleJS 来做移动端的虚拟摇杆,很快小哥就用 Cursor 实现了,于是现在手机上也能玩了。

又比如当代码超过 3000 行并且全都塞在 fly.html 的文件里时,Cursor 出现了一些问题。他的反馈直接吸引了 Cursor 联合创始人 @mntruell,专门赶来提出了一系列建议。

img

在网友的帮助和见证下,Levels 更是利用 Grok-3 从 0 搭建了一个 WebSocket 服务器,以每秒 10 次的频率接收并更新所有玩家的在线位置。据说在服务器运行的高峰期,它竟然能同时支持近 2000 名玩家在线。

此外,Levels 仅仅和 Claude 对话了 5 次,就改进了飞行模型,实现了空中自由翻滚的效果。

要知道,以往没有 AI 辅助的传统游戏开发中,以上这些功能和数据很可能需要花费数周的时间来调试!

img

在 Levels 的管理下,不同的 AI 工具就像他手下的员工,还是团队合作分工型的:

  • 想要做个游戏?直接让 Cursor 生成基础代码
  • 后端服务卡顿?找 Grok-3 修服务器
  • 飞行特效不行?让 Claude 去优化

如今 AI 工具大爆发,未来或许这样“一个人就是一家公司”的案例会越来越多。

游戏做出来了,怎么赚 28 万?

听说了这个真实暴富的故事,你是不是跃跃欲试,已经打开 Cursor 准备大干一场了?

但是等等!能一个人用 AI 做游戏,可并不等于做出来的游戏一定能赚钱。

比起他做游戏的本领,Levels 小哥在营销方面的才华更令人惊叹。

首先,在做出这款游戏之前,Levels 并不是默默无名的 nobody,光是在 X 平台他的粉丝就有 60 多万。

img

Levels 并不是计算机科班出身,大学学的是工商管理。毕业后,他曾带着变卖家具换来的4000欧元,辗转曼谷、巴厘岛等地,过上了数字游民的生活。但创业项目接连失败,最终负债累累,不得不回到荷兰父母家的阁楼。

2014 年,在人生的“至暗时刻”,他选择了继续创业,并发起了“12个月做12个项目”的挑战,吸引到了第一波流量。

虽然其中大部分都失败了,但终于在第11个月的出现了转机——Nomad List,一个为数字游民推荐城市的平台。显然,这也是 Levels 从自身经历出发找到了的一个需求痛点。

img

随后他推出的配套求职平台 Remote OK,恰逢疫情催生远程办公浪潮,成为硅谷巨头采购职位的首选。这两个项目给他带来了超过百万美元的年收入。

截止目前,他已经尝试过 70 多****个项目,而其中真正赚钱的只有 4 个。

在新游戏《Fly.pieter》上,也可以看到他的许多创意。比如盈利模式,Levels 就拿出了“广告”+“限量皮肤”两大利器,并且不同于传统游戏嵌入第三方广告平台,他直接将飞艇、建筑等游戏场景转化为广告载体,以每月 1000-2500 美元价格出租给品牌方。

后续还计划将部分黄金广告位提价至 5000 美元/月,甚至规划 10 万美元/月的"超级广告位"。

img

再加上 Levels 是个玩转流量的高手,狠狠拿捏了 AI 热点。

尤其是在马斯克的 X 平台上,发布用马斯克旗下的 AI 模型 Grok-3 搭建服务器的帖子,这本身就是一个天才的营销骚操作。想要推广自己产品的马斯克,当然是自愿主动地来贡献流量啦!

就连黑客攻击这样的事件,都能为他所用:

某天服务器突然冒出“三角外星人”对着玩家狂扔炸弹, Levels 不慌不忙让 AI 排查代码。漏洞修复后,他反手就将外星三角正式加入了游戏中,再次收割了一波讨论和关注。

这或许就是“感谢不知名黑客老铁送的流量!”

普通人能复制吗?

Levels 并不是第一个吃螃蟹的人。

随着 DeepSeek、grok-3、Claude 3.7、GPT-4.5 接连发布,“几句话让 AI 帮我做个游戏”的例子并不少见。一些游戏大厂也早已加入其中,网易使用 AI 生成《逆水寒》中 NPC 的对话树,腾讯在《和平精英》中测试 AI 数字人交互系统。

诚然,Levels 的成功本质是抓住"飞行模拟+社交裂变"的空白点,而非单纯依赖技术。

但大家也不必因为“对方本来就是个大 V”、“看起来好复杂学不会”、“就算做出来了也不知道能不能赚钱”这些理由就被劝退,而是应该从大佬的故事中学习他利用工具的方法、赚钱的思路。

正如 Pieter 本人 95% 项目失败后总结的:

“AI 解决的是代码问题,人类要解决的是需求问题。”

也许下一个爆火的项目,就从你的手下诞生。

来源:https://mp.weixin.qq.com/s/q_S1n3mjZWUCo4kpoyX2Yg

站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥 热门文章
1
离谱,DeepSeek 崩了 5 小时,大家却喊:梁圣恩情还不完??
450
2
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
410
3
DeepSeek 全新模型发布,性价比最高的一集!
400
4
自己学习ai,直接买cursor 的套餐,还是买gpt 或者claude 的套餐?
370
5
又一个国产版 Codex 神器,也来卷办公了!
340
6
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
330
7
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
320
8
我的第一个出海产品!7 天 2 万
310
9
WorkBuddy 本地 API 桥 + dsh 插件:把你的 WorkBuddy 额度,变成手边随手可用的模型
310
10
什么是LLM
300
11
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
260
12
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
260
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题