1. 挑战前的环境准备：Claude Code 安装与基本配置
1.1 Claude Code 是什么，以及为什么选它来做这个挑战
Claude Code 是 Anthropic 推出的一款命令行编程助手，简单说就是在终端里跑起来的 AI 编程搭档。它不像普通聊天机器人那样只给你贴段代码，而是可以直接读写你当前项目文件、执行命令、跑测试、改 bug，全程用自然语言对话驱动。
用“一小时内写贪吃蛇”当挑战题，其实是我想验证一个很实际的问题：在不写一行代码、只靠对话指挥 AI 的前提下，一个熟悉业务但你不想碰细节的开发者，到底能把一个完整小游戏做到什么程度。贪吃蛇这个选题很适合当试金石，规则人尽皆知、逻辑不复杂、又涉及游戏循环、碰撞检测、键盘事件、页面渲染这些经典要素，做出来的效果一眼就能看出靠不靠谱。
这篇文章适合两类人看。一是刚接触 AI 编程助手、想找个具体项目上手的读者，可以照着我的流程把环境搭起来，看我用到的指令模式；二是已经在用类似工具、但觉得“AI 写的代码只能糊弄 demo”的读者，我想用这场 60 分钟实测告诉你，只要把需求拆得足够清楚，AI 产出的不只是 demo，而是能直接打开玩的成品。
1.2 安装步骤：从零到能跑起来需要多久
我的环境是 macOS，终端用的 iTerm2，Node.js 版本 18+。安装 Claude Code 的常规路径是先确保 Node.js 环境正常，然后用 npm 全局安装：
node -v npm -v npm install -g @anthropic-ai/claude-code安装完成后需要确认装没装好。注意，新版安装完默认的命令还是claude，直接输入验证版本即可：
claude --version如果显示类似2.1.272这样的版本号，说明 CLI 本体装好了。接下来首次运行需要在终端里执行一次登录或 API Key 配置流程。官方方式是执行claude后会进入引导，按提示完成认证。我自己更习惯用环境变量的方式指定 API Key，好处是后续切换服务地址也方便：
export ANTHROPIC_API_KEY=你的key也可以把这句话写进 shell 的配置文件（比如~/.zshrc或~/.bashrc），再执行source ~/.zshrc生效。
还有一个在很多群里被反复问到的点：如果没有 Anthropic 官方渠道的订阅或 Key，能不能跑起来？实测是可以的，前提是走兼容 Anthropic API 格式的第三方服务，用环境变量指定接口地址即可。我的建议是不要卡在“没有官方 Key”这一步，先随便用一个能连通的 API 源，跑通整个流程再说。工具顺手以后，换 Key 只是改一行环境变量的事。
首次启动后，Claude Code 会进入交互模式，终端会显示欢迎语。我习惯先问它一句“你现在能读取当前目录下的文件吗”，确认它具备文件操作能力。这一步很有必要，因为后续所有“打开某文件改某函数”的指令都依赖这个基础权限。
2. 动手前的思路设计：一小时内开发贪吃蛇的边界与策略
2.1 为什么选“Web 单文件”而不是 Godot 或 Python
确定要写贪吃蛇后，第一件要决定的事不是怎么让 AI 写，而是用什么技术栈。我身边有朋友用 Godot 4 做，也有用 Python 配 pygame 做的，效果都不差，但在一小时的极限挑战里，我毫不犹豫选了“单文件 HTML + CSS + JavaScript”。
原因有三。第一，零依赖。一个.html文件双击就能在浏览器里跑，不需要装编辑器、不需要配虚拟环境、不需要管包管理器。中间如果 AI 写出来的代码有 bug，我开个浏览器按 F12 就能看报错，排查路径最短。第二，AI 对 Web 开发的训练数据最充分。Claude 之类的模型在 HTML/JS 代码上见过足够多的样本，生成质量远比冷门框架稳定。第三，验证成本低。改一行代码、刷新一下页面，效果立竿见影，这对需要快速反馈的极限开发太重要了。
Godot 和 pygame 当然也行，但安装引擎、创建工程、导入资源这一套流程，在倒计时面前太奢侈了。这个选择背后其实是一个通用原则：挑战时间越短，越要把环境不确定性降到最低，把 AI 的训练优势发挥到最大。技术栈选型不在于哪个更“高级”，而在于哪个能最快出结果。
2.2 先画游戏需求清单，再让 AI 动手
见过太多人用 AI 写项目，上来就一句“帮我做个贪吃蛇”，然后 AI 给了一版能跑的基础款，用户玩两分钟发现自己想要的是另外一回事，于是再提新需求，AI 改来改去把代码改散了。这属于典型的“没有需求清单就开工”。
我在让 Claude Code 动手之前，先花三分钟写了一个需求清单，分了三档：
- 核心功能（必须有）：游戏能开始、蛇能动、吃掉食物后蛇变长、撞墙或撞到自己游戏结束、分数实时显示、支持重新开始。
- 体验优化（最好有）：方向键和 WASD 都支持，随着分数增加蛇的移动速度逐渐提升，食物不会生成在蛇身上。
- 加分项（有时间再做）：最高分记录、游戏暂停、深色主题的视觉效果。
这个清单最大的价值不是给 AI 看的，而是给我自己画清楚底线：核心功能是必须守住的地板，加分项是弹性空间。60 分钟的开发过程中，一旦时间不够用，我优先砍加分项，再砍体验优化，绝不碰核心功能。这条“功能优先级”意识，比任何提示词技巧都重要。
另外一个容易被忽略的需求是“不做清单”。我在挑战里明确告诉自己：不搞关卡、不搞音效、不搞皮肤商店、不做移动端适配。不是这些功能不好，而是它们在本轮挑战里不值得占用上下文。“不做清单”能有效防止 AI 在生成时自由发挥，把代码结构弄复杂。
3. 实战：我用 Claude Code 一小时完成贪吃蛇的全过程
3.1 第一句指令：让骨架先跑起来
环境就绪后，我在一个空目录里启动了 Claude Code。第一条指令我没有啰嗦，直接给了完整目标：
请在当前目录创建一个 snake.html 单文件贪吃蛇游戏，要求使用原生 HTML+CSS+JavaScript，用 Canvas 渲染。功能包括：方向键控制蛇的移动、蛇吃到食物后长度加一且分数加一、碰壁或撞到自己时游戏结束、页面提供开始按钮和分数显示。代码要一次写完，保持结构清晰，关键逻辑加注释。
注意这条指令里包含了四个关键信息：技术约束（单文件、Canvas）、功能清单（四条）、输出格式要求（结构清晰、加注释）、质量标准（一次写完）。AI 对这类明确指令的响应质量，通常远高于“帮我写个贪吃蛇”这种开放式请求。
Claude Code 很快就生成了一个完整文件。我直接执行open snake.html在浏览器里打开，页面已经能跑起来，蛇在画布上慢慢移动，方向键可以控制方向，吃到红色方块后蛇和分数都会增长，撞墙会弹“游戏结束”。
第一版整体可用，但我立刻发现了几个明显不舒服的点：蛇的初始速度太慢，等食物等到犯困；按了方向键之后蛇不能立刻响应，总感觉有半拍延迟；食物生成的位置偶尔会落在蛇身上。这些问题都不是“不能玩”的级别，却决定了这个游戏能不能算“好玩”。我把这些问题打包成第二条指令。
3.2 第一轮改版：从能玩到顺手
第二轮的指令我写得很具体：
游戏目前能跑了，但手感不好。请做以下改进：1. 加快蛇的初始移动速度，同时随着分数升高每吃 5 个食物再提速一次；2. 修复方向键响应延迟的问题，确保按键立即改变方向；3. 食物生成时不能出现在蛇身体占用的格子里；4. 支持 WASD 作为方向键的备选。
这里有一个非常典型的“方向键响应延迟”细节，值得展开说。贪吃蛇的方向控制有一个经典 bug：如果玩家在短时间内连续按两个方向键，最朴素的做法是每次按键直接改蛇的移动方向，这会导致“按上再按左”时蛇先向上、之后立刻左转，看起来没问题。但如果在一次 tick 内先左后上，蛇就可能撞向自己，因为游戏逻辑没来得及处理。更糟糕的是，某些实现里快速按两下方向键，第二次按键会覆盖第一次，贪吃蛇会出现明显的“吃指令但没执行”的延迟感。
正确的解法是把“按键”和“游戏帧更新”解耦，用一个方向队列暂存玩家按键，每次游戏循环只从队列头部取一个方向。我当时是在提示词里把这个思路描述给 AI 的：把最近几次按键缓存到一个数组里，每次蛇移动时取最早未用的那个方向，数组只保留最近两次按键。Claude Code 很快就改出了用数组当方向缓冲的实现。修完后手感立刻“跟手”了。
这一轮改版还用掉了几个来回：食物生成避让蛇身、分数每 5 分提速一次、WASD 支持。每条指令都不复杂，但每一条都对应一个独立的可用性体验，叠加起来才让游戏从“能玩”变成“顺手”。
3.3 第二轮改版：从顺手到好看
功能没问题后，我把注意力转到视觉上。灰底黑蛇的默认画面实在配不上“一小时挑战”的成果展示。第三轮指令：
把游戏界面改成深色主题风格。背景用深灰/黑色渐变，蛇改成带圆角的渐变绿色方块，食物改成暖色调的圆点，分数和最高分用清晰的白色字体显示在画布上方。最高分用 localStorage 保存。请优化整体排版，让页面居中显示，并给游戏区域加边框阴影效果。
Claude Code 在 UI 这类偏审美的需求上表现不错，多半是因为训练数据里包含大量现代 Web 界面的代码片段。几分钟后刷新页面，整个观感已经从“课堂作业”变成了“可以发朋友圈的水平”。
这个阶段还有一个容易被忽略的细节：我让 AI 把最高分刷新逻辑也一并处理了。localStorage 的操作本身就是两三行代码，但如果没有明确要求，AI 大概率不会主动加。需求清单里把它列为“加分项”，正是因为它属于“做了明显加分、不做也不致命”的锦上添花型功能。在时间富余的情况下，放开让 AI 做，最后的效果很惊艳。
3.4 最后一轮：安全检查与代码审查
游戏功能齐全、界面也满意了，按理说挑战可以宣布成功。但我又做了一步：让 Claude Code 审查自己的代码。我把它生成的文件重新读了一遍，然后给出指令：
现在请仔细审查 snake.html 里 JavaScript 这部分，找出潜在 bug 和边界情况。重点关注：蛇在高速移动时方向键快速切换是否会导致自撞、食物生成算法在蛇占满画布时会不会死循环、游戏结束后是否还能按键重启、分数更新是否有竞态问题。
这一步相当于程序员完成代码后自己做 code review。AI 审自己的代码这件事，效果比我预想的好。它抓出了两个真实问题：一个是食物生成算法在极端情况下确实存在死循环风险，虽然 20x20 的网格里要发生得等蛇长得非常长；另一个是游戏结束后空格键仍会触发暂停逻辑，导致重启时状态混乱。我让 AI 顺手修掉这两个问题，然后做了一次完整的端到端测试。
到这一步，时间刚好卡在第 58 分钟。我刷新页面，从开始、吃到第一个食物、连按方向键、撞墙结束、刷新后最高分保留，全部走了一遍，没有异常。
4. 一小时开发过程中的关键原理拆解
4.1 贪吃蛇游戏的三块核心逻辑
表面上看，一个贪吃蛇游戏很直观，但往里拆，它其实包含三块必须处理好的核心逻辑，AI 那一版代码能一次跑通，恰恰是这三块逻辑处理得够干净。
第一块是游戏循环。常见的实现方式有两种：setInterval定时器和requestAnimationFrame递归。贪吃蛇这类“按格移动”的游戏，用setInterval更符合直觉，因为每一帧要做的事就是“把蛇头往当前方向移一格”，固定间隔驱动一次就行。我当时让 AI 用setInterval配合一个moveInterval变量来存移动间隔，吃够 5 个食物后把moveInterval乘以 0.8，就会产生明显的加速感。这个方案比requestAnimationFrame简单，也更容易被 AI 一次写对。
第二块是碰撞检测。贪吃蛇的碰撞只有两种：撞墙和撞自己。撞墙的判定在网格坐标模型下特别直观，蛇头坐标超出画布边界就算（当然也可以做穿墙模式，但本次没做）。撞自己则要看蛇头下一格会不会跟蛇身重叠，需要注意一个细节：如果蛇身移动是“头插尾删”，那每次移动时蛇尾也在变，判断时必须用移动后的蛇身坐标集合，否则会出现“明明没撞上却说撞了”或者“实际撞上了却没判定”的问题。
第三块是蛇身移动。很多人第一次写贪吃蛇，会用“每个身体格子依次往下一个格子移动”的写法，这种实现又慢又容易出 bug。更优雅的解法是维护一个坐标数组，每次移动时在头部插入新坐标、删除尾部坐标；吃到食物时不删尾部，长度自然加一。这段逻辑 AI 一般能写得很好，因为“头插尾删”几乎成了贪吃蛇代码的标准范式，训练数据里到处都是。
食物生成也很关键，但原理简单。核心要求是随机坐标不能落在蛇身上，常规做法是用do...while循环反复随机，直到找到空隙；如果蛇几乎占满整个画布，加一个最大尝试次数，避免死循环。这一点在我让 AI 做代码审查时被重点标出，属于那种“平时没事、极端情况能卡死页面”的隐患。
4.2 提示词里哪些信息能显著提升输出质量
这次挑战最直接的收获，是我总结出一套对 Claude Code 这类编程 Agent 特别有效的提示词模式。核心可以拆成四个部分：角色不一定要给，但技术栈必须给；任务必须拆成一个一个可验收的小项；约束条件越具体越好；验收标准要写出来。
“技术栈必须给”的意思是，如果我不告诉它“用原生 HTML+CSS+JS”，它有可能给 React 版本、Vue 版本、甚至 Three.js 版本，到时候没装脚手架就傻眼了。这不算 AI 笨，而是需求本身歧义大。我一旦限定“单文件、原生、Canvas”，它的输出空间就一下子收缩到了我需要的范围内。
“任务的验收标准”也是一个关键提示词技巧。比如“食物不能生成在蛇身上”这句话，AI 听到后会产生多种实现方式，但最终验收标准是“在网格图里找不到食物与蛇身重叠的情况”。我在第二轮里明确说“请确保任何情况下食物方块和蛇身方块都不重叠”，比只说“优化食物生成”要有效得多。
还有一个有争议但实测有效的点是“让 AI 主动提问”。我在第一次生成前问过 Claude Code：“如果需求有歧义，请先问我，不要自己假设。”结果它确实反问了一个问题：蛇撞墙后是结束游戏还是从对面穿出来？这一问帮我省掉了后续可能反复改动的坑。但注意，这种“主动提问”的机制只适合首次生成阶段，后面改 bug 的时候要反过来，要求它“看到能直接修的问题不要问，直接修”。灵活切换，效率最高。
4.3 工具能力边界：它替你做了什么，没替你做什么
一个小时后游戏跑通，我其实并没有“这工具真神，啥都能写”的激动，反而更清楚地看到了边界。
Claude Code 替我做了的是“任务执行层”的工作：我说方向键响应有延迟，它知道要加方向队列；我说速度要递增，它能精准找到控制移动间隔的变量并调整；我说 localStorage 存最高分，它干净利落地写完了。这些本质上都是工程里的“搬砖”环节，很常规，但很耗时。
它没替我做的，恰恰是最重要的“产品定义层”的工作：这个游戏要不要穿墙？加速的幅度多大才算刺激但不失控？深色主题的绿色必须偏哪种绿才好看？游戏结束后要不要显示“再来一局”按钮？这些问题没有任何一个 AI 能替我做决定，因为答案取决于我想要的体验。如果我连这些都想不清楚，让 AI 自己发挥，它大概率给出一版“正确但平庸”的方案。
所以那个被反复讨论的“AI 是否能替代程序员”的问题，在这次挑战里答案非常明确：它替代的是执行者，替代不了定义者。只要你还负责“定义”，你就永远不会被工具踢出局。
5. 常见问题与避坑指南
5.1 环境与连接问题速查表
这一小时里，除了写游戏本身，我也遇到并听到了不少用户在安装和首次运行 Claude Code 时容易踩的坑。整理成表格，方便对照排查。
| 现象 | 常见原因 | 解决思路 |
|---|---|---|
安装后执行claude提示 command not found | npm 全局 bin 目录不在 PATH 中 | 用npm root -g查看全局目录，把 bin 路径加进 PATH；或者直接用npx claude运行 |
| 首次启动提示 unable to connect to anthropic services | 本机网络无法访问官方接口、DNS 解析异常、API Key 无效、本地存在冲突的代理设置 | 先确认网络连通性，再检查环境变量里的 key 是否正确，最后尝试升级 CLI 或重启终端；官方走不通时可以尝试兼容接口 |
| API Key 配置后依然鉴权失败 | key 前后有空格、环境变量未生效、shell 配置文件没刷新 | 在终端里echo $ANTHROPIC_API_KEY检查输出，确保没有多余字符；配置文件修改后source ~/.zshrc或source ~/.bashrc |
| Claude Code 提示没有权限读取文件 | 命令行工具首次运行时有文件系统授权门槛 | 按提示进行授权，也可以直接在对话里执行/permissions查看和调整权限策略 |
| 生成的代码中文乱码或编码异常 | 文件保存格式不是 UTF-8 | 在生成文件后确认编辑器编码为 UTF-8，无 BOM 最佳 |
| 旧版行为异常、无法连接 API | 客户端版本过旧 | npm update -g @anthropic-ai/claude-code升级到最新版后重试 |
有个很容易忽略的点：改了 shell 配置文件以后，很多新手忘了让配置生效，直接打开一个新终端窗口发现问题还在。这个不属于 Claude Code 的坑，但在使用任何命令行工具时都会遇到。
5.2 提示词使用中的典型坑
我在挑战过程中感受最深的几个提示词坑，值得单独拿出来说。
第一个坑是“需求含糊”。如果只告诉 AI“让蛇快点”，它可能去调帧率，可能减移动间隔，也可能直接改了移动步长。三种改法效果完全不同。正确做法是给出量化描述：每吃掉 5 个食物，把移动间隔缩短为原来的 80%，下限 80 毫秒。AI 一旦拿到数字，改动就变得可预期。
第二个坑是“中途切换需求却不保留历史约定”。有一次我为了省时间，在让 AI 加 WASD 支持的同时，又说“顺便把最高分加上”，结果它把前面做的暂停逻辑弄乱了。问题不在于 AI 笨，而在于我一次性塞了太多主题。正确做法是：一个改动一轮对话，改动完成后立刻验证，确认没问题再进入下一个需求。
第三个坑是“手动改代码后没有告诉 AI”。我在本地微调过几处 CSS 样式，之后让 AI 改 JS 逻辑时，它基于旧记忆做了修改，把我手动改的样式覆盖了。从那之后我养成了一个习惯：凡是我手动动过文件，下一轮对话一定先跟 AI 说一句“我手动改了 XX 行，现在文件内容以当前磁盘上的为准，你重新读一遍”。这个习惯帮我避免了很多无谓的来回。
5.3 极限开发时怎么保住“一小时”的底线
这场挑战能在一小时内结束，靠的是一次次“按下暂停键”的克制。
我给自己定过三条时间盒规则。第一，任何功能如果连续两轮对话还在改同一个问题，就降级处理：能用的保留，不好用的砍掉。第二，每完成一个需求，立刻动手运行验证，不攒着一起测。第三，一旦发现 AI 的理解方向跑偏，不尝试在对话里纠正三次以上，果断开新会话重来。第三点看起来反直觉，但实测里非常香：旧会话带着跑偏的历史上下文，纠正成本比新开一个会话大得多。
另一个要说的是“备份意识”。AI 对代码做破坏性修改的时候，我每次都在本地先cp snake.html snake_backup.html。这个习惯挽救过我一次——某次我让 AI 重构按键逻辑，它把游戏结束检测给删了，如果没有备份，我又得花时间让它“回忆”之前的代码。有人会觉得用 git 就够了，但极限开发的时候哪有空提交，一条cp命令三秒钟解决战斗。
最后，一个小时开发完一个小游戏，听起来很爽，但真正的收获并不是“我让 AI 写了一小时代码”。而是这一小时让我体验到一个事实：工具的响应速度和写码质量已经足够把“想法验证”的周期压缩到一顿饭的时间。以后你再冒出一个“如果做个 XX 会怎样”的念头，不用犹豫，开个终端，建个文件，让 Claude Code 陪你快速试一轮。成了，是意外收获；不成，也是一次极轻量的试错。
