GitHub 爆火｜Claude‑of‑Duty：AI 多智能体写出来的浏览器 FPS 射击游戏

前言：

你见过 AI 写小游戏，但你见过5.5 万行完整代码、11 套游戏子系统，零外部美术资源的浏览器第一人称射击游戏吗？

近期 GitHub 迅速走红的 Claude‑of‑Duty 就是这样一个实验项目。它由一套被称为 Gauntlet‑Loop（试炼循环） 的多智能体工作流驱动，依靠 Claude Opus5 多子 Agent 协作生成全部代码，没有任何贴图、3D 模型、音效素材文件。全部材质、模型、动画、枪声音效，全部靠代码程序实时生成，仅依赖 Three.js，浏览器打开就能直接玩GitHub。

注意：它不是商业 3A 大作，是 AI 软件工程的前沿 Demo，用来展示多 Agent 大规模复杂项目的构建能力。

项目是什么

Claude‑of‑Duty 是一套可运行的 WebGL2 / Three.js 浏览器 FPS 原型。

• 总代码约 55000 行，拆分为渲染、材质、物理、武器、AI 敌人、音频、UI 等 11 个完整子系统；
• 零外部资源：没有 png 贴图、没有 glb 模型、没有音频文件，游戏内一切视觉与声音全部程序生成；
• 游戏地图是约 120×120 米的街区场景，建筑可以进入室内，具备完整射击、换弹、瞄准冲刺、蹲伏跳跃、AI 敌人交战能力。

基础操作

本地运行后，点击画面锁定鼠标：

WASD 移动｜鼠标瞄准｜左键射击｜右键开镜｜R 换弹｜Shift 冲刺｜Ctrl 蹲伏｜空格跳跃｜Q/E 探头｜Esc 释放鼠标

bash

# 本地快速启动
npm install
npm run dev
# 浏览器访问 http://127.0.0.1:5173

✨两大核心看点

1. 真正全程序化生成，零美术资源

绝大多数 AI 游戏 Demo，都要导入现成贴图、模型、音效。但这个项目不一样：

• 19 种程序化材质：混凝土、砖墙、金属锈蚀、木材、玻璃，靠噪声算法实时生成纹理；
• 完整 HDR 渲染管线：级联阴影、环境光遮蔽、运动模糊、泛光、体积雾；
• 物理引擎从零手写，不引入第三方物理库；
• 音频完全 Web Audio 合成：枪声、爆炸、混响、空间 HRTF 音效，没有导入任何音频文件GitHub。

2. Gauntlet‑Loop「试炼循环」多 Agent 开发范式

这是项目真正的价值，不止是做一个射击 Demo，而是开源一套大规模 AI 软件构建工作流：

1. 主 Agent 定目标：只提高层需求，不限制具体实现方案；
2. 分派子 Agent 分工：把大项目拆解渲染、物理、武器等模块，分配给不同的专业子智能体并行开发；
3. 独立批评家 Agent 评审：专门的评审 Agent，拿成品和标杆对比打分，发现缺陷直接打回重写；
4. 循环迭代优化，直到指标达标才结束。

有趣的工程发现：一开始多个 Agent 并行改耦合的渲染光照系统，互相破坏对方的代码，Bug 数量不降反升；改为顺序单负责人模式后，缺陷大幅减少，画面分数明显提升。这个现象和人类团队开发遇到的问题几乎一模一样。

同时项目内置一整套自动化测试工具：

• 截图捕获、像素级比对工具，保证优化前后画面像素一致；
• 性能分析工具，定位卡顿、着色器编译卡顿；
• 脚本自动游玩测试，用来验证游戏逻辑稳定性。

优化前后性能对比（Retina 屏幕高画质）

表格

指标	优化前	优化后
中位帧率	12‑17fps	28‑30fps
最差帧耗时	728‑1236ms	66‑82ms
游戏中着色器编译次数	34‑35 次	0 次
启动时间	9‑12s	3.7‑4.6s

📌客观短板（作者文档诚实写明）

项目目标是对标现代 COD，但距离商业 3A 游戏差距明显：

1. 角色手部模型简陋，握持武器效果很生硬；
2. 近距离看材质是噪声生成，缺少照片级真实感；
3. AI 敌人看起来像人偶，动作细节不足；
4. 间接光照是近似算法，并非真实全局光照；
5. 高分辨率屏幕下帧率只有 28‑30fps，还达不到流畅竞技游戏标准。

盲测实验中，评审 Agent 全部可以分辨出本 Demo 和真实使命召唤游戏画面的差距。

🎯适合哪些人研究学习

1. AI Agent 开发者：重点学习 Gauntlet‑Loop 多智能体迭代范式，如何让 AI 做大型复杂软件工程，如何设置独立评审 Agent；
2. WebGL / Three.js 图形开发者：学习程序化材质、渲染管线、从零手写物理引擎；
3. 游戏开发爱好者：浏览器游戏技术 Demo，学习无资源程序生成技术；
4. AI 编程研究者：观察多 Agent 协作的优缺点，并行开发带来的模块耦合冲突问题。

⚠️注意：它不是拿来直接玩的成品游戏，是前沿技术实验 Demo，更多价值在背后的工程范式。

写在最后

Claude‑of‑Duty 带给我们的启发，远大于游戏本身。

过去我们以为 AI 只是写小脚本、单文件代码。而这个项目证明：借助合理的多 Agent 编排、独立评审、循环迭代，AI 已经可以产出数万行规模、多个耦合子系统的完整可运行软件。

但同时它也真实暴露出 AI 工程的现实难题：模块耦合、并行修改互相破坏、渲染 / 光照系统牵一发动全身，这些人类软件团队会踩的坑，AI 团队同样会遇到。

如果你对 AI 大规模软件工程、浏览器图形、多 Agent 工作流感兴趣，这个开源 Demo 非常值得下载研读。

项目直达地址：

https://github.com/mshumer/Claude-of-Duty