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
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.
- 21 нояб. 2026 г.Meta готовит ИИ-тамагочи Muse Charm за $300 с годом 5G от Verizon
- 21 нояб. 2026 г.Dreamteam привлёк $53M на CRM, которая сама заполняется из почты и звонков
- 21 нояб. 2026 г.22 агента Claude шесть недель искали ответы по чёрным дырам — и решили две задачи
- 21 нояб. 2026 г.Google построила закрытую копию интернета с фейковыми банками, чтобы учить ИИ-агентов Chrome
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.
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.