AI赋能BIOXDIO游戏开发：从创意到原型的实战指南-平芜编程栈

1. 项目概述：当AI遇见BIOXDIO，游戏开发的新范式

如果你是一个对游戏开发充满热情，但又苦于美术资源匮乏、编程基础薄弱，或者单纯想快速验证一个创意玩法的独立开发者，那么“用AI生成BIOXDIO游戏”这个标题，可能瞬间点燃了你的好奇心。BIOXDIO，这个听起来有些陌生的名字，实际上是一个充满活力的网页沙盒游戏平台，它允许玩家在浏览器中创建和游玩各种3D方块风格的迷你游戏，从经典的起床战争、跑酷到自定义的生存世界。而“AI生成”则指向了当下最火热的技术浪潮——利用人工智能辅助甚至主导创意内容的生成。

这个组合的核心价值在于，它试图解决一个经典矛盾：创意无限，但实现创意的技术门槛和资源成本同样无限。传统的游戏开发，尤其是涉及到3D建模、关卡设计、角色动画和逻辑编程时，需要一个完整的团队和漫长的周期。而BIOXDIO这类平台已经将游戏引擎、物理系统、网络同步等底层复杂性封装好，提供了相对友好的脚本接口（如Bloxd Code API）。现在，AI的加入，则有望进一步将“友好”推向“智能”和“自动化”。

简单来说，这个项目指南的目标，就是教你如何将AI作为你的“超级外援”，从零开始，在BIOXDIO平台上快速构建一个可玩的游戏原型。AI可以扮演多种角色：它可以是你的“策划助理”，帮你完善游戏规则和世界观；可以是你的“美术外包”，生成贴图、模型甚至UI元素的概念图；可以是你的“代码导师”，帮你理解和编写BIOXDIO的脚本；甚至可以是你的“关卡设计师”，根据你的描述自动生成地图布局。

接下来的内容，我将以一个资深游戏开发者和技术实践者的视角，为你拆解从零到一的完整路径。我不会只给你一个模糊的概念，而是会深入到具体的工具选择、实操步骤、代码片段以及我踩过的那些坑。无论你是想做一个简单的PVP对战地图，还是一个复杂的RPG生存服务器，这套方法都能为你提供一个清晰的起点。

2. 核心思路与工具选型：构建你的AI游戏开发流水线

在动手之前，我们必须先搭建一个高效的工作流。这个工作流的核心是“人机协作”：你负责提出创意、做出关键决策、进行最终调试和整合；AI则负责处理那些重复、繁琐或需要特定专业知识（如美术、代码语法）的任务。

2.1 理解BIOXDIO的开发范式

BIOXDIO（以Bloxd.io为例）的开发主要围绕“世界服务器”和“自定义游戏”展开。你可以创建一个私人服务器（World），并为其编写脚本来定义游戏规则。其开发特点包括：

脚本驱动：游戏逻辑通过类似JavaScript的脚本语言控制，可以操作方块、玩家、实体、UI等。
事件驱动：代码通常响应特定事件，如玩家加入、方块被破坏、定时器触发等。
资源轻量：美术资源主要是低多边形的方块和简单的贴图，这大大降低了AI生成的门槛。
社区共享：可以上传自定义游戏供其他玩家体验，形成了创作-分享的闭环。

因此，我们的AI辅助开发将主要聚焦于：脚本生成、关卡设计（方块布局）、规则描述和美术概念。

2.2 AI工具链的组建与分工

你需要的是一个“工具组合”，而不是单一工具。以下是我在实际项目中验证过的高效组合：

1. 大型语言模型：你的“全能副驾”

核心作用：理解你的自然语言描述，将其转化为结构化的游戏设计文档、伪代码，乃至最终的BIOXDIO脚本代码。它还能帮你调试、解释错误、优化逻辑。
工具选择：
- ChatGPT / Claude / DeepSeek：通用性最强，适合进行头脑风暴、撰写设计文档、生成代码框架和解释复杂逻辑。我个人的习惯是用Claude来梳理设计，用ChatGPT来生成和调试代码，因为它们在代码风格上略有不同，可以互补。
- Cursor / Windsurf：集成了AI的代码编辑器。它们能直接在你的项目文件中工作，根据上下文生成、补全、修改代码，甚至能理解整个项目的结构。对于需要频繁修改和迭代脚本的场景，这类工具效率极高。
实操心得：不要一次性让AI生成几百行完整代码。应采用“分步迭代”法：先让它生成核心事件监听框架（如onPlayerJoin，onPlayerDeath），然后逐步添加具体功能（如“玩家死亡后掉落所有物品”）。每次只聚焦一个小的功能点，生成代码后立刻在BIOXDIO的沙盒环境中测试。

2. 图像生成AI：你的“概念美术师”

核心作用：生成游戏场景的概念图、UI界面草图、角色或道具的贴图灵感，甚至用于生成等距视角的关卡布局图，供你搭建时参考。
工具选择：
- Midjourney / Stable Diffusion：生成高质量、风格化的概念图。例如，你可以输入“top-down view of a pixel art battle arena for a blocky game, with red and blue team bases, symmetrical design, simple shapes”，来获取一张对战地图的布局灵感。
- Leonardo.Ai / Playground AI：这些平台提供了更精细的控制，如画布尺寸、特定风格模型，更适合生成可直接作为贴图素材的简单图案（如一个徽章、一个按钮图标）。
注意事项：AI生成的图像不能直接作为游戏资源导入BIOXDIO，因为BIOXDIO使用特定的方块和材质系统。它的主要价值在于视觉参考和灵感激发。你可以根据AI生成的布局图，在BIOXDIO中用方块“临摹”出关卡。对于简单的2D sprite（如血条、图标），可以生成后手动简化和像素化。

3. 代码专用AI：你的“脚本专家”

核心作用：针对BIOXDIO特定的API进行深度优化。虽然通用LLM也能写，但经过特定代码库微调的模型会更准确。
工具选择：目前没有专门针对BIOXDIO API训练的公开模型。但我们可以“创造”一个：
- 方法：将BIOXDIO的官方API文档、社区优秀的代码示例整理成一个文本文件。在使用通用LLM时，先将这个文档作为上下文提供给AI（例如：“这是BIOXDIO的API参考，请基于以下文档为我编写代码：...”）。这能极大提高生成代码的准确性和可用性。
重要提示：BIOXDIO的脚本环境可能有其独特的限制和安全沙箱。AI生成的代码一定要在游戏的测试环境中充分验证，避免使用未经许可的API或导致性能问题的循环。

2.3 工作流设计：从想法到可玩原型的四步法

基于以上工具，我总结了一个高效的四步工作流：

创意具象化：用文字向LLM详细描述你的游戏创意。例如：“我想做一个‘国王争夺战’游戏。地图中央有一个王座，玩家分为两队，目标是在王座上停留累计60秒。王座区域会定时刷新增益道具。玩家被击杀后会在基地复活。”
设计文档生成：让LLM将你的描述转化为结构化的设计文档，包括：胜利条件、队伍设定、地图关键区域、道具列表、核心事件流。
分模块开发：
- 地图搭建：根据设计文档，用图像生成AI生成关卡俯视图或等角视图作为参考，然后在BIOXDIO编辑器中手动搭建。对于规则性强的部分（如对称的基地、迷宫），可以让LLM生成一个坐标列表来描述方块位置，你按图索骥。
- 脚本编写：将设计文档拆分成一个个功能点，逐个让LLM生成对应脚本。例如：“生成BIOXDIO脚本，实现当玩家进入名为‘throne’的区域时，开始为其队伍累加占领时间，并在聊天框显示当前占领进度。”
- 资源制作：用图像AI生成UI图标、宣传图，用LLM生成游戏内的提示文本、技能描述等。
集成与调试：将所有生成的脚本模块整合到主脚本文件中。利用LLM强大的调试能力，将BIOXDIO编辑器报错信息直接粘贴给它，让它解释错误原因并提供修复方案。

这个工作流的核心思想是“人类指挥，AI执行”。你始终是项目的总设计师和最终决策者，AI则是效率倍增器。

3. 实战演练：用AI打造一个“极速快递”原型

让我们通过一个具体的例子，将上述理论付诸实践。我们的目标是：在BIOXDIO中创建一个名为“极速快递”的小游戏原型。

游戏规则：玩家被随机分为两队（红队和蓝队）。地图上会随机刷新包裹（不同颜色的羊毛方块）。玩家需要拾取本方颜色的包裹，并将其运送回己方基地的收集点。在规定时间内，运送包裹数量多的队伍获胜。敌方玩家可以攻击运送者以使其掉落包裹。

3.1 第一步：利用LLM进行游戏设计与脚本框架生成

首先，我们需要一个清晰的设计。我向Claude输入了以下提示：

“你是一名游戏设计师。请为BIOXDIO平台设计一个名为‘Express Rush’的团队竞技游戏。核心玩法：两队竞争，地图随机刷新代表包裹的彩色羊毛方块（红/蓝）。玩家需要捡起己方颜色的羊毛，跑回己方基地的收集区域（一个压力板）来得分。敌方玩家可以攻击来使携带者掉落羊毛。比赛时间3分钟。请输出一份详细的设计文档，包括：1. 游戏状态（等待、进行、结束）。2. 玩家属性（生命值、是否携带包裹）。3. 关键游戏对象及其属性（包裹、收集点）。4. 核心事件列表（游戏开始、包裹生成、玩家捡起/放下包裹、得分、玩家死亡、游戏结束）。5. 胜利条件。”

Claude生成了一份非常结构化的文档，明确了我们需要跟踪的变量（如gameState，scoreRed，scoreBlue，playerCarrying等）和需要监听的事件（onPlayerJoin，onPlayerInteract，onEntitySpawn等）。

接下来，我让ChatGPT基于这份设计文档，生成BIOXDIO脚本的骨架。提示如下：

“根据以下游戏设计，生成BIOXDIO脚本的基本框架。只需要定义全局变量、游戏状态常量和空的事件处理函数骨架。设计摘要：[粘贴Claude生成的设计摘要]”

ChatGPT给出了类似下面的代码框架：

// 极速快递 - 游戏主脚本框架 // 游戏状态 const GAME_STATE = { WAITING: 'waiting', PLAYING: 'playing', ENDED: 'ended' }; // 全局变量 let gameState = GAME_STATE.WAITING; let scoreRed = 0; let scoreBlue = 0; let gameTime = 180; // 3分钟，单位秒 let packages = []; // 存储当前地图上所有包裹的实体ID const PLAYER_CARRYING = new Map(); // 玩家ID -> 携带的包裹实体ID // 区域定义 (需要在实际地图中创建并命名) const BASE_RED = 'base_red'; const BASE_BLUE = 'base_blue'; const SPAWN_AREA = 'spawn_area'; // 事件处理函数骨架 function onPlayerJoin(player) { // 玩家加入逻辑：设置队伍、传送至等待区等 } function onGameStart() { // 初始化游戏：清空包裹、重置分数、设置状态、开始计时等 } function spawnPackage() { // 在地图随机位置生成一个包裹（红或蓝色羊毛） } function onPlayerInteract(player, block) { // 处理玩家与方块交互：捡起包裹、在收集点交付包裹 } function onPlayerDeath(player, killer) { // 玩家死亡时，如果携带包裹，则包裹掉落 } function onTimerTick() { // 游戏计时器，每秒触发一次，更新游戏时间，检查结束条件 } // 更多辅助函数...

这个框架为我们提供了清晰的开发路线图。注意：BIOXDIO的实际API函数名可能略有不同（例如可能是onPlayerJoined而非onPlayerJoin），这需要你查阅官方文档进行适配。AI生成的代码是“理想化”的，我们需要将其适配到实际平台。

3.2 第二步：借助AI图像生成进行关卡设计

有了规则，我们需要一个战场。我打开Midjourney，输入提示词：

“a top-down minimalist map layout for a 3d block game, symmetrical, two bases at opposite ends, winding paths in the middle with obstacles, clear red and blue zones, isometric view, simple shapes, white background --style raw --ar 16:9”

我得到了一张简洁的等距视角地图草图，清晰地展示了红蓝基地的位置、中间的蜿蜒路径和作为障碍物的方块堆。这张图不是用来导入的，而是我的“施工蓝图”。

在BIOXDIO的创造模式中，我参照这张图进行搭建：

用不同颜色的方块（如红色陶瓦、蓝色陶瓦）圈出基地区域。
用/region命令（如果BIOXDIO支持）或通过脚本定义这些区域，并命名为base_red和base_blue。
在基地中心放置一个石质压力板，作为收集点。
在中间区域随机放置一些障碍物（如圆石墙、树叶丛），以增加路径的复杂性和战斗的趣味性。

实操心得：关卡设计时，一定要考虑“游玩节奏”。路径不能太直白（否则变成赛跑），也不能太复杂（否则找不到路）。利用AI生成的草图作为灵感起点，然后在搭建过程中不断进行“心流测试”——想象玩家跑动的路线、交战的热点区域，并据此调整。

3.3 第三步：分步实现核心游戏逻辑

现在进入最关键的编码环节。我们采用“分步实现，即时测试”的策略。

3.3.1 包裹生成系统

我让Cursor（它集成了AI）帮我补全spawnPackage函数。我提供了上下文（之前的框架代码），并给出指令：

“请补全spawnPackage函数。功能：在地图上预设的多个‘包裹生成点’（假设我们有一组预设坐标）中随机选择一个，随机生成一个红色或蓝色的羊毛方块。将生成的包裹实体ID加入packages数组。请使用BIOXDIO中生成实体的API。”

Cursor生成了类似下面的代码。我需要根据实际API调整函数名（例如world.spawnEntity可能叫spawn）：

// 假设的包裹生成点坐标数组 const PACKAGE_SPAWN_POINTS = [ {x: 10, y: 5, z: 10}, {x: -5, y: 5, z: 15}, // ... 更多坐标 ]; function spawnPackage() { if (gameState !== GAME_STATE.PLAYING) return; // 随机选择一个生成点 const spawnPoint = PACKAGE_SPAWN_POINTS[Math.floor(Math.random() * PACKAGE_SPAWN_POINTS.length)]; // 随机决定颜色 const isRed = Math.random() > 0.5; const blockType = isRed ? 'red_wool' : 'blue_wool'; // 在BIOXDIO中生成方块实体（此处API为示例，需核实） const packageEntity = world.spawnEntity(blockType, spawnPoint.x, spawnPoint.y, spawnPoint.z); // 可能还需要设置一些属性，如自定义名称、是否可被拾取等 packageEntity.setCustomName(isRed ? '红队包裹' : '蓝队包裹'); packageEntity.setGravity(false); // 假设让它浮空，更显眼 packages.push(packageEntity.id); }

3.3.2 包裹拾取与交付逻辑

这是游戏的核心。我继续让AI完善onPlayerInteract函数：

“请完善onPlayerInteract函数。逻辑：1. 如果玩家点击的方块是包裹（红色或蓝色羊毛），且玩家未携带包裹，且包裹颜色与玩家队伍一致，则玩家‘捡起’包裹（记录到PLAYER_CARRYING，隐藏或删除原包裹实体，给玩家一个状态提示）。2. 如果玩家踩在己方基地的压力板上，且正携带包裹，则得分，包裹消失，玩家携带状态清除，广播得分信息。”

这个过程需要反复调试。AI生成的代码可能忽略了边界情况，比如“玩家点击敌方包裹怎么办？”、“玩家同时踩中多个压力板怎么办？”。每实现一个功能块，我就在BIOXDIO的测试服务器里创建一个临时区域，邀请朋友或开小号进行快速测试。将测试中遇到的bug和异常情况反馈给AI，让它修正代码。

3.3.3 游戏状态与计时器

最后，实现游戏流程控制。我让AI完成onGameStart和onTimerTick：

function startGame() { if (gameState !== GAME_STATE.WAITING) return; gameState = GAME_STATE.PLAYING; scoreRed = 0; scoreBlue = 0; gameTime = 180; PLAYER_CARRYING.clear(); // 清理旧包裹 packages.forEach(id => world.getEntity(id)?.destroy()); packages = []; // 初始生成一批包裹 for (let i = 0; i < 5; i++) spawnPackage(); // 设置计时器（假设BIOXDIO有setInterval或类似功能） gameTimer = setInterval(onTimerTick, 1000); // 每秒触发一次 world.broadcast('§a游戏开始！3分钟内运送最多包裹的队伍获胜！'); } function onTimerTick() { if (gameState !== GAME_STATE.PLAYING) return; gameTime--; // 每分钟或最后30秒广播一次时间 if (gameTime === 120 || gameTime === 60 || gameTime <= 30) { world.broadcast(`§e剩余时间: ${gameTime}秒`); } // 定期生成新包裹 if (gameTime % 20 === 0) { // 每20秒生成一个 spawnPackage(); } // 检查游戏结束 if (gameTime <= 0) { endGame(); } } function endGame() { clearInterval(gameTimer); gameState = GAME_STATE.ENDED; let winnerMsg; if (scoreRed > scoreBlue) winnerMsg = '§c红队获胜！'; else if (scoreBlue > scoreRed) winnerMsg = '§9蓝队获胜！'; else winnerMsg = '§6平局！'; world.broadcast(`§l游戏结束！`); world.broadcast(`红队: ${scoreRed} 分 | 蓝队: ${scoreBlue} 分`); world.broadcast(winnerMsg); // 10秒后重置游戏 setTimeout(resetGame, 10000); }

通过这样分模块、迭代式的开发，我们大约在几个小时内就得到了一个功能完整、可运行的游戏原型。AI承担了约70%的代码编写和逻辑梳理工作，而我则专注于整体架构、关键决策、测试和“翻译”（将AI的通用代码适配到BIOXDIO的具体API）。

4. 进阶技巧与深度优化：让你的AI游戏脱颖而出

一个能运行的原型只是起点。要让游戏有趣、耐玩，还需要进行深度打磨。AI在这里同样可以大显身手。

4.1 利用AI进行平衡性调整与数值设计

游戏平衡性是个微妙的工作。我们可以让AI基于简单的规则进行模拟和推荐。

提示示例：“假设一个‘极速快递’玩家，移动速度为每秒5方块，从地图一端到另一端需要10秒。攻击冷却为1秒。请分析：1. 包裹生成频率设置为多少秒，能保证地图上始终有2-3个包裹可供争夺？2. 游戏时间3分钟是否合理？如果平均每30秒得一分，总预期分数是多少？3. 击杀携带者后，包裹应在地上停留多久消失比较合适？请给出计算过程和推荐值。”
AI的作用：AI可以快速进行数学计算和逻辑推演，给出数据支撑的建议。虽然它无法替代真实玩家测试，但能帮你建立一个合理的数值基线，避免出现“一边倒”或“过于拖沓”的明显问题。

4.2 生成动态内容与个性化体验

静态的关卡玩久了会腻。我们可以用AI来生成动态元素。

随机事件：让LLM生成一个“随机事件表”。例如：“游戏进行到一半时，有30%概率触发以下事件之一：1. 地图中央刷新一个‘极速包裹’（金色羊毛），运送得分双倍。2. 所有玩家获得10秒的‘疾跑’效果。3. 暂时关闭双方基地的防护，允许直接偷家。” 然后，你只需要实现这个事件触发逻辑。
个性化提示与对话：让AI为你的游戏生成丰富的系统提示、成就名称、甚至NPC对话（如果你的游戏有剧情元素）。例如：“生成10条在玩家达成连杀、运送关键包裹、游戏胜利时播放的趣味性广播消息，要求幽默且带有鼓励性质。”

4.3 AI辅助调试与性能优化

当游戏逻辑变复杂，bug和性能问题就会出现。

错误日志分析：将BIOXDIO控制台报错的长篇日志直接扔给LLM。提示：“以下是我的BIOXDIO游戏脚本报错，请分析可能的原因并提供修复思路：[粘贴错误日志]”。AI通常能快速定位到语法错误、未定义变量或API使用不当的问题。
代码审查与优化：将你觉得可能效率不高的代码段发给AI。提示：“请审查以下BIOXDIO脚本函数，它用于每帧检查所有玩家是否在某个区域。是否存在性能瓶颈？如何优化？” AI可能会建议你使用更高效的数据结构（如空间划分网格），或者将高频检查改为事件驱动。

4.4 从原型到可发布作品：AI在打磨阶段的应用

生成游戏介绍与教程：让AI为你即将发布的游戏撰写一段吸引人的描述、详细的玩法教程和规则说明。这能极大提升你游戏房间的吸引力。
创建宣传素材：使用图像生成AI，根据你的游戏核心玩法，生成一张精美的宣传海报或横幅图，用于在社区分享。
收集反馈与迭代：将试玩玩家的文字反馈整理后交给AI，让它帮你归纳总结出最常被提及的3个优点和3个待改进点，并针对改进点提供具体的修改方案建议。

5. 常见问题、避坑指南与未来展望

在实际操作中，你一定会遇到各种预料之外的问题。以下是我总结的一些典型“坑”及其解决方案。

5.1 AI生成代码的“水土不服”

这是最常见的问题。AI基于海量通用代码训练，对BIOXDIO这种特定平台的API细节不熟悉。

症状：代码语法看起来正确，但在BIOXDIO中报错“undefined function”或执行结果不符合预期。
解决方案：
1. 提供上下文：在每次让AI编写具体功能前，都先提供一段该平台的官方API示例代码。告诉AI：“请参考以下BIOXDIO中处理玩家事件的示例，编写新的功能。”
2. 从小处验证：不要一次性替换整个脚本。新建一个测试脚本，只让AI生成一个小功能（如“在玩家脚下生成一个方块”），测试通过后，再将其整合到主脚本中。
3. 善用官方文档：你自己必须对BIOXDIO的核心API有基本了解。当AI给出代码时，你能快速判断其大致方向是否正确，并手动修正具体的函数名或参数顺序。

5.2 游戏设计中的逻辑漏洞

AI擅长实现你描述的逻辑，但不擅长发现你描述中的漏洞。

案例：在“极速快递”中，我最初的设计是“玩家捡起包裹后，包裹实体消失”。但测试时发现，如果网络延迟，可能出现两个玩家同时“捡起”同一个包裹的幽灵物品问题。
解决方案：进行破坏性测试。思考所有可能的异常操作：玩家掉线怎么办？游戏中途重启怎么办？两个玩家同时踩上收集点怎么办？将这些边界情况写成测试用例，甚至可以让AI帮你生成一些模拟异常情况的测试代码。然后，在脚本中加入健壮性检查，例如捡起包裹时，立即检查该包裹是否已被其他玩家标记，如果是则操作无效。

5.3 性能瓶颈与优化

BIOXDIO作为网页游戏，对脚本性能有一定限制。AI生成的代码可能不够高效。

典型性能杀手：
- 高频循环：例如，每帧（或每秒多次）遍历所有实体或玩家。
- 大量实体同时运算：生成上百个带有复杂AI的怪物。
- 频繁的区块加载/卸载操作。
优化策略：
- 事件驱动：尽可能用事件（onPlayerMove，onBlockBreak）代替轮询。
- 数据缓存：将不常变化的数据（如地图区域坐标）存储在全局变量中，而非每次计算。
- 延迟执行：非紧急的任务（如清理过期实体）可以每5秒或10秒执行一次，而不是每帧执行。
- 让AI审查：将涉及循环和大量计算的代码段交给AI，并要求：“重写以下函数，以优化其性能，减少不必要的计算和遍历。”

5.4 创意同质化与审美疲劳

过度依赖AI可能导致你的游戏缺乏独特的“灵魂”，容易陷入套路化。

破解之道：将AI定位为“高级工具”，而非“创意源头”。你的核心创意、想要传达的情感、独特的机制设计，必须来源于你自己。AI是用来解决“如何实现一个让玩家在黑暗中依靠声音感知敌人的机制”这种具体问题的，而不是用来回答“我应该做一个什么游戏”。多从经典游戏、电影、文学中汲取灵感，形成自己独特的创意内核，再用AI的技术力去实现它。

5.5 未来展望：AI Agent与自动化游戏生成

我们目前所做的，还是“辅助生成”。未来的方向可能是“自主生成”。结合你提供的热词中的“AI Agent”概念，我们可以设想一个更智能的未来工作流：

设计Agent：你训练或配置一个专门的“BIOXDIO游戏开发Agent”。它深度学习了BIOXDIO的所有API、社区的最佳实践和成千上万的游戏案例。
自然语言描述：你只需要对它说：“创建一个不对称夺旗游戏，地图有三个高地，拥有不同能力的英雄角色，节奏要快。”
自动生成：这个Agent会自动完成我们上述所有步骤：生成设计文档、画出关卡草图、编写全部脚本、甚至进行简单的平衡性测试，最后打包成一个可直接导入BIOXDIO的完整游戏文件。

这听起来像科幻，但当前AI技术的发展速度让我们有理由相信，这样的未来并不遥远。今天你通过本指南学习的，正是通往那个未来必不可少的基础技能——理解如何将人类的创意，通过结构化的指令，交付给AI去执行和扩展。现在，就打开你的BIOXDIO编辑器，选择一个AI工具，开始你的第一个AI辅助游戏项目吧。从一个小目标开始，比如“做一个石头剪刀布的小游戏”，你会发现，游戏开发从未如此触手可及。