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
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.
- 21 нояб. 2026 г.Apple готовит ИИ-агента и усложнила доступ чужим: разрешение теперь в 14 шагов, а не в 4
- 21 нояб. 2026 г.Программист перестал быть диспетчером ИИ-агентов: рутину передач взял Multica
- 21 нояб. 2026 г.Разработчик обошёлся без Pinecone: поиск по 72 450 фрагментам кода за 50 мс
- 21 нояб. 2026 г.Восемь open-source инструментов для ИИ-агентов: Browser Use лидирует со 121 тысячей звёзд
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.
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.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.