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 браузерный шутер на 10 игроков за 20 часов и 8,3 млн токенов

Разработчик собрал онлайн-шутер Battlecringe руками ИИ-агента: рабочий движок появился за 2 часа, стабильная версия — за ещё два вечера. Всего агент трудился около 20 часов и сгенерировал 8,3 млн токенов (кусочков кода и текста), причём больше всего времени ушло на ожидание 10-минутных автотестов. Игра на 10 игроков работает на VPS с 1 ГБ памяти. Вывод: агенту нужны спецификации и тесты, тогда он тянет даже сетевой код.

AI-обработка оригинала Habr AI; редакция Hamidun News
ИИ-агент написал браузерный шутер на 10 игроков за 20 часов и 8,3 млн токенов
Источник: Habr AI. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникHabr AI ↗
Главный редактор
Ключевой факт #1В простое сервер берёт 0,1 vCPU и ~200 МиБ RAM, из них 150 — MongoDB
Draw calls на кадр после оптимизации39–68 вместо 279–304
Ключевой факт #3176 коммитов, 45 pull request'ов, ~28 тыс. строк, покрытие Go ~91%

Первая попытка этого разработчика сделать онлайн-шутер с ИИ закончилась провалом: в Cursor получился сырой сетевой код, плохой пинг, низкий FPS и почти нулевая графика, и проект забросили. Сейчас он вернулся к идее, выбросил весь старый код и собрал игру Battlecringe заново с ИИ-агентом. Рабочий движок появился за два часа работы агента, стабильная версия — ещё за два вечера. Суммарно агент проработал около 20 часов (большую часть времени он ждал завершения автотестов) и сгенерировал 8,3 млн токенов, то есть кусочков кода и текста. Автор выложил подробную статистику, и по ней можно прикинуть, сколько времени и ресурсов стоит такой проект.

Что получилось в итоге

Battlecringe — low-poly браузерный шутер с видом сверху. Есть PvP до 10 игроков, кооперативный режим выживания с волнами мобов, процедурно генерируемые карты и «операции» с задачами вроде спасения заложника или охоты на босса. Вокруг боя собраны привычные для онлайн-игр вещи: кланы, друзья, магазин, скины, достижения, таблицы лидеров. Сервер авторитетный: решения о попаданиях принимает он, а клиент только предсказывает движение игрока.

Стек обычный. На клиенте TypeScript, React, Three.js и WebGL. На сервере два сервиса на Go (игровой движок и API для данных), MongoDB, Docker и Caddy на VPS с 1 ГБ памяти и одним vCPU. Деплой автоматизирован через GitHub Actions. Нагрузку автор проверял максимум на пяти одновременных игроках и считает, что сервер выдержит до 50. Это оценка, а не нагрузочный тест.

Как агент довёл проект до конца

Автор объясняет успех дисциплиной вокруг агента. В репозитории лежит папка docs с бэклогом, где каждая фича описана отдельно. Правила работы записаны в Claude.md и несколько раз правились: не пушить в master, когда запускать тесты, как оформлять релизы.

Цикл на каждую задачу выглядит так:

  • постановка задачи текстом и её анализ агентом;
  • при необходимости «допрос» с вопросами в чате;
  • файл спецификации фичи и разработка;
  • unit- и smoke-тесты;
  • e2e-матч между скриптовыми ботами со скриншотами;
  • pull request и ручное одобрение.

Агента посадили в рамки обычного инженерного процесса, и он в них работал.

Слабое место — скорость проверки. Самые сложные сценарии, например внезапная смерть и завершение матча по таймеру, занимают около 10 минут на прогон. Поэтому e2e запускали один раз на pull request, где могло быть несколько фич, и с первого раза тесты проходили не всегда.

Цифры, которые можно взять на заметку

  • Время: два часа до рабочего движка, ещё два вечера до стабильной версии, около 20 часов работы агента в сумме.
  • Токены: 8,3 млн сгенерировано и около 945 млн прочитано, в основном из кэша. Агент читает примерно в 110 раз больше, чем пишет, и это важно для оценки бюджета.
  • Код: 176 коммитов в master, 45 pull request'ов (21 смотрят в master), 14 эпиков, около 28 тыс. строк вместе с документацией. Покрытие тестами Go — около 91%, для TypeScript не измеряли.
  • Графика: целевые 60 FPS, время кадра на 99-м перцентиле 16,8 мс. Draw calls (отдельные команды отрисовки на кадр) на low, med и high — 39, 49 и 68, а до исправления в версии 2 доходили до 279–304. Треугольников 73 тыс. на low и 141 тыс. на med и high.
  • Ресурсы: клиентский бандл 284 КБ в gzip, образы Docker — 23,6 МБ (API) и 18,7 МБ (игра). В простое сервер занимает 0,1 vCPU и около 200 МиБ RAM, из которых 150 приходится на MongoDB.

Что из этого следует

Во-первых, агенту нужен процесс вокруг модели: спецификации, тесты и жёсткие правила в инструкции. Именно они, по словам автора, держали число ошибок низким. Во-вторых, узкое место смещается с написания кода на его проверку. Если полный прогон занимает 10 минут, агент простаивает, и на это ушла большая часть 20 часов. Ускорять e2e-тесты или запускать их параллельно выгоднее, чем переписывать промпты. В-третьих, Go-сервисы по 20 МБ и небольшой VPS показывают, что бэкенд для браузерной игры может стоить недорого.

Оговорки очевидны. Это личный кейс одного разработчика, цифры не проверены независимо, нагрузка небольшая, а часть описания функций сгенерирована из changelog. Но как ориентир по срокам, токенам и производительности браузерного 3D-проекта кейс полезен. Автор обещает продолжение: подробный разбор цикла разработки или устройства движка.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: что получилось в итоге?

Battlecringe — low-poly браузерный шутер с видом сверху. Есть PvP до 10 игроков, кооперативный режим выживания с волнами мобов, процедурно генерируемые карты и «операции» с задачами вроде спасения заложника или охоты на босса. Вокруг боя собраны привычные для онлайн-игр вещи: кланы, друзья, магазин, скины, достижения, таблицы лидеров. Сервер авторитетный: решения о попаданиях принимает он, а клиент только предсказывает движение игрока. Стек обычный. На клиенте TypeScript, React, Three.js и WebGL.

Что известно по теме: как агент довёл проект до конца?

Автор объясняет успех дисциплиной вокруг агента. В репозитории лежит папка docs с бэклогом, где каждая фича описана отдельно. Правила работы записаны в Claude.md и несколько раз правились: не пушить в master, когда запускать тесты, как оформлять релизы.

Что известно по теме: цифры, которые можно взять на заметку?

Время: два часа до рабочего движка, ещё два вечера до стабильной версии, около 20 часов работы агента в сумме. Токены: 8,3 млн сгенерировано и около 945 млн прочитано, в основном из кэша. Агент читает примерно в 110 раз больше, чем пишет, и это важно для оценки бюджета. Код: 176 коммитов в master, 45 pull request'ов (21 смотрят в master), 14 эпиков, около 28 тыс. строк вместе с документацией. Покрытие тестами Go — около 91%, для TypeScript не измеряли.

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…