知识卡片：Opus 5 游戏提示词爆火——24 小时复刻 3A 巨作

• 英文标题：Opus 5 Game Prompt Goes Viral – Recreating 3A Masterpieces in 24 Hours
• 英文关键词：Claude Opus 5; game development; challenge loop; multi-agent; AI game prototype; Matt Shumer
• 来源：量子位 (QbitAI) – 2026-07-29

一句话结论

通过一条名为「挑战循环」的提示词，用户可利用 Claude Opus 5 在 24 小时内从零生成画质接近 3A 水平的游戏原型，其核心在于主 Agent 拆解任务、子 Agent 并行制作、独立评委 Agent 持续对比真实 3A 作品并自动返工。

事件概述

2026 年 7 月 29 日，一条由 AI 创业者和投资人 Matt Shumer 公布的 Opus 5 游戏提示词在社交媒体上爆火，吸引百万网友围观。网友 Anshu 用该提示词在 24 小时内从零复刻出类似《星际拓荒》的太空探索游戏《The Long Silence》，并开源。随后其他网友陆续用同一方法造出卡丁车游戏、Claudepunk 2077 等不同品类的原型，甚至迁移至 GPT-5.6 Sol 也取得较好效果。

方法/产品要点

1. 提示词结构——“挑战循环”：

   • 主 Agent：接收任务目标（如“制作一款对标《使命召唤》的 FPS”），自行拆解为若干子任务。
   • 子 Agent：并行负责具体制作（建模、贴图、动画、声音等）。
   • 评委 Agent：独立监督，将生成画面与真实 3A 游戏进行盲测对比，一旦不如参照物就自动打回返工，直至达标。
   • 循环迭代中不允许模型降低评判标准，用户可在合适时机手动喊停。

2. Anshu 的 24 小时开发流程（以《The Long Silence》为例）：

   • Step 1：要求 Opus 5 用 Three.js 制作太空探索游戏，仅给出基础目标（可走动、驾驶飞船、低塑料感、60 帧稳定）。Claude Code 通过 Blender MCP 自动调用工具建模。
   • Step 2：下达“持续 24 小时提升视觉效果”目标，多个子 Agent 并行工作；评委 Agent 与《星空》等 3A 太空游戏逐项对比。期间用“你有能力达到这个目标”鼓励模型。
   • Step 3：手动优化——通过手机查看进度，要求调整优先级（如减少星球场景时间）；停止运行后用其他 Claude 修复渲染、清理代码、部署。最后要求 Opus 5 将经验汇总成 skill 上传 GitHub。
   • 过程中 Opus 5 自行生成了包含 17 项强制校验流程的验收工具，自动截取场景对比、统计帧率、分析曝光数据。

3. 关键差异：新增的“评委 Agent”验收环节是区别于常见多 Agent 开发流程的核心，逼迫模型自我迭代直至接近 3A 标准。

主要结果或产业意义

• 网友 Anshu 在 24 小时内零外部素材（全部 AI 生成）完成可玩网页游戏（https://longsilence.anshu.dev/）。
• Matt Shumer 本人用同一方法直接生成了《使命召唤》Opus 5 版。
• 该方法可迁移至其他模型（GPT-5.6 Sol 效果略逊），表明评委 Agent 能放大模型能力。
• 验证了 Claude Opus 5 发布时强调的“长时间、多步骤工作、自主检查并迭代”的能力，提示词本质上是为模型套上更严格的校正机制。

为什么重要

• 这是 Opus 5 发布后首个广泛传播的“极限施压”型应用案例，直观展示了模型在复杂创意工程中的自主规划与长程迭代潜力。
• 与已有卡片（模型发布、半价评测）相比，本条提供了具体的用户侧实操方法和社区验证——证明模型能力可以经由提示词设计被更充分释放。
• 引发关于“AI 能否替代独立开发者完成游戏原型”的讨论，并可能降低 3A 级别原型的制作门槛。

局限与不确定性

• “对标 3A”效果有限：材料明确承认“不可能真的做到完全对标 3A 大作”，需要用户适时喊停。成品仍处于原型阶段，与商业 3A 作品存在差距。
• 人工干预必要：流程中需要用户手动调整优先级、修复渲染问题、清理代码并部署，并非完全自动化。
• 模型选型限制：该方法目前主要针对 Claude Opus 5（及部分表现稍差的 GPT-5.6 Sol），其他模型效果未知。
• 长周期稳定性：24 小时持续迭代的可靠性、模型是否会出现幻觉或遗忘初期目标等未在材料中讨论。

可用于图书/PPT/简报的角度

• 提示工程示例：多 Agent 分工 + 评委 Agent 反馈循环的工程化实践。
• AI 开发效率对比：传统 3A 游戏开发周期（数年） vs. AI 辅助 24 小时原型产出。
• 模型能力边界验证：通过极限任务倒逼模型展现自主规划、错误检测与持续迭代能力。
• 开源社区生态：Anshu 将总结的 skill 上传 GitHub，展示了 AI 生成内容的知识复用模式。

与既有脉络的关系

• 本卡片的增量信息：此前已有卡片报道了 Opus 5 的评测成绩和系统卡中的“自我意识”争议（2026-07-25~26），但未涉及用户侧的具体提示词方案和落地效果。本条卡片展示了模型能力在游戏开发场景下的实际应用潜力，并提供了可复现的方法论。
• 作者 Matt Shumer 的背景（此前长文《Something Big Is Happening》浏览量超 8000 万，认为大众对前沿模型认知落后于从业者）为本次游戏提示词事件增加了行业观察维度。

原始材料

• 量子位报道原文：https://www.qbitai.com/2026/07/462384.html
• 游戏试玩：《The Long Silence》https://longsilence.anshu.dev/
• X 参考链接：
  • [1] https://x.com/anshuc/status/2081801979131818412
  • [2] https://x.com/mattshumer_/status/2081830214384886228
  • [3] https://x.com/mattshumer_/status/2081054356405731740