Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизРазбор · На радарHabr AI→ оригинал

ИИ-агент написал движок браузерного шутера за 2 часа, весь проект — 28 тысяч строк

Разработчик с Хабра снова взялся за браузерный шутер Battlecringe и довёл его до публичного сервера. ИИ-агент написал рабочий движок игры за 2 часа, ещё два вечера ушло на доработку, и в проекте набралось около 28 тысяч строк кода с документацией. Помогли правила для агента, описание каждой фичи и автотесты. Поэтому с агентом сначала вложитесь в бэклог и тесты, а потом в промпты.

AI-обработка оригинала Habr AI; редакция Hamidun News
ИИ-агент написал движок браузерного шутера за 2 часа, весь проект — 28 тысяч строк
Источник: Habr AI. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникHabr AI ↗
Главный редактор
Ключевой факт #1Агент работал около 20 часов и сгенерировал 8,3 млн токенов
Ключевой факт #2Сервер в простое занимает 0,1 vCPU и около 200 МБ памяти
Вызовов отрисовки (draw calls)39–68 вместо 279–304

Вайбкодинг обычно показывают на игрушечных примерах: лендинг, калькулятор, змейка. Здесь случай серьёзнее. Разработчик с Хабра заново написал онлайн-шутер Battlecringe руками ИИ-агента. Рабочий игровой движок агент собрал за 2 часа: уже тогда приятель автора смог зайти и сыграть. Ещё два вечера ушло на стабильную версию, и в итоге в проекте около 28 тысяч строк кода вместе с документацией. Автор выложил реальные цифры по времени, токенам и ресурсам сервера, а это редкость для историй про агентов.

Как проект вернулся из забвения

Battlecringe — low-poly браузерный шутер с видом сверху. В нём есть PvP до 10 игроков, кооперативный режим «Выживание», операции на процедурно сгенерированной карте, друзья, кланы, магазин и скины. Раньше автор уже пробовал сделать такую игру с помощью Cursor, но получил сырой сетевой код, плохие пинг и FPS и почти нулевую графику. Проект он бросил.

Вернуться к идее его заставил выход модели, которую он называет Fable5.2, и шутер Saltline на WebGL и Three.js, написанный почти одним промптом. Старый код автор выкинул целиком и начал с нуля.

Стек обычный: клиент на TypeScript, React и Three.js, сервер на Go из двух сервисов (игровой движок и API), MongoDB, Docker, Caddy и GitHub Actions. Хостинг — VPS с 1 ГБ RAM и одним vCPU.

Как устроен рабочий цикл с агентом

Секрет не в одном удачном промпте, а в дисциплине вокруг агента. Автор заранее задал правила: не пушить в master, когда и как запускать тесты, какие релизные политики соблюдать. Бэклог он разложил по файлам в папке docs, по одному описанию на фичу.

Дальше цикл повторялся:

  • Автор ставит задачу текстом.
  • Агент анализирует постановку и при необходимости задаёт уточняющие вопросы в чате.
  • Агент создаёт файл спецификации фичи и пишет код.
  • Проходят unit- и smoke-тесты.
  • Запускается полноценная e2e-сессия: скрипты-боты играют матч, а агент делает скриншоты по ходу игры.
  • Открывается pull request, автор подтверждает его вручную.

Правила цикла автор много раз правил в файле Claude.md. Главный минус — один e2e-прогон занимает около 10 минут, потому что сложнее всего проверять внезапную смерть и конец матча по таймеру. Поэтому тесты гоняли раз на pull request, и в один PR попадало несколько фич. Из-за этого тесты не всегда проходили с первого раза.

Что показали цифры

В master попало 176 коммитов, всего было 45 pull request'ов (21 из них смотрели в master) и 14 эпиков. Покрытие тестами — около 91%, но измеряли его только для Go, а для TypeScript нет.

Работа агента заняла около 20 часов, в основном из-за ожидания e2e-тестов. Агент сгенерировал 8,3 млн токенов и прочитал около 945 млн, в основном из кэша. Основной объём — это чтение контекста, и без кэша такая работа стоила бы заметно дороже.

Производительность на скромном железе приличная. Целевые 60 кадров в секунду выдерживаются: время кадра на 99-м перцентиле — 16,8 мс, то есть почти все кадры укладываются в этот предел. Число draw calls (команд, которыми процессор просит видеокарту нарисовать объекты) на низких, средних и высоких настройках — 39, 49 и 68. До исправления во второй версии пик доходил до 279–304. Модели содержат 73 тысячи треугольников на низких настройках и 141 тысячу на средних и высоких. Клиентский бандл весит 284 КБ в gzip. Сервер в простое занимает 0,1 vCPU и около 200 МБ памяти, из которых примерно 150 МБ приходится на MongoDB. Docker-образы маленькие: 23,6 МБ у API и 18,7 МБ у игрового сервиса.

Что стоит учесть

Цифры приведены самим автором и независимо не проверялись. Нагрузку он тестировал максимум на пяти одновременных игроках, а оценку в 50 человек называет расчётной. Часть описания функций сгенерирована из changelog, поэтому работу каждой механики стоит проверять в самой игре.

Практический урок простой. Агент хорошо справляется, когда у него есть спецификации, правила работы, автотесты и e2e-проверка. Узкое место при этом — не скорость написания кода, а скорость проверки. Если хотите повторить такой путь, сначала вложитесь в быстрые тесты и аккуратный бэклог, а потом в промпты. Автор обещает отдельные статьи про сам цикл разработки и про устройство движка.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: как проект вернулся из забвения?

Battlecringe — low-poly браузерный шутер с видом сверху. В нём есть PvP до 10 игроков, кооперативный режим «Выживание», операции на процедурно сгенерированной карте, друзья, кланы, магазин и скины. Раньше автор уже пробовал сделать такую игру с помощью Cursor, но получил сырой сетевой код, плохие пинг и FPS и почти нулевую графику. Проект он бросил. Вернуться к идее его заставил выход модели, которую он называет Fable5.2, и шутер Saltline на WebGL и Three.js, написанный почти одним промптом.

Что известно по теме: как устроен рабочий цикл с агентом?

Секрет не в одном удачном промпте, а в дисциплине вокруг агента. Автор заранее задал правила: не пушить в master, когда и как запускать тесты, какие релизные политики соблюдать. Бэклог он разложил по файлам в папке docs, по одному описанию на фичу. Дальше цикл повторялся: Автор ставит задачу текстом. Агент анализирует постановку и при необходимости задаёт уточняющие вопросы в чате. Агент создаёт файл спецификации фичи и пишет код. Проходят unit- и smoke-тесты.

Что известно по теме: что показали цифры?

В master попало 176 коммитов, всего было 45 pull request'ов (21 из них смотрели в master) и 14 эпиков. Покрытие тестами — около 91%, но измеряли его только для Go, а для TypeScript нет. Работа агента заняла около 20 часов, в основном из-за ожидания e2e-тестов. Агент сгенерировал 8,3 млн токенов и прочитал около 945 млн, в основном из кэша. Основной объём — это чтение контекста, и без кэша такая работа стоила бы заметно дороже. Производительность на скромном железе приличная.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ ИИ-агенты на практике · Академия & Nomad

От чтения про ИИ-агентов — к запуску своего агента за вечер

Пошаговая сборка автономных агентов и MCP-связок в Hamidun Academy (academy.hamidun.com) (72 часа бесплатно) или мгновенный запуск готовых мультишаговых агентов в облаке Nomad.

Попробовать Академию (72ч бесплатно) →Запустить Nomad Agent
Что вы думаете?
Загружаем комментарии…