On Keeping a Crew of Machines at Work从一个构想到第二十一批 · 派活、交接和返工

10 月 31 日下午, 哈洛还只是一个折叠屏游戏的构想。11 月 3 日整理记录时, 已经做到第二十一批。中间那些「第九批」「第十批」, 单看名字颇为乏味, 翻开却常是靠近空间站掉帧、镜头位置不对之类的小事。一个游戏从想法变成手机里能玩的东西, 大抵就这样夹在一份份修改意见里。

哈洛做的是养成加经营。手机展开, 可以自己开船, 也可以看着船在空间站之间巡航; 合上以后, 外屏留着一张脸和一个时钟, 点一下会有回应。我喜欢这个动作本身: 同一部手机, 展开时容得下一个星系, 合上时只留一点陪伴。至于它究竟好不好玩, 还得一版一版装回手机才知道。

我说哪里不对, 主控把它写成任务

做哈洛的人只有我一个。代码、设计稿和素材则交给 AI agent, 也就是能拿着任务调用工具干活的助手。这里有两层分工容易混在一起: 我决定游戏要什么, 在手机上试玩、提意见; Claude 的主控会话把这些意见整理成任务, 再派给下面的工作流和 Codex。所谓工作流, 可以理解成围着一项任务组织起来的一组助手, 有人做, 也有人检查。

开头并没有一下子铺开几十个任务。10 月 31 日 16:36 开始构想和方案, 17:43 转去做样机, 到 21:08 才进入六块玩法的阶段。主控把玩法逐块派出去, 旁边另有工作流写设计稿。11 月 1 日傍晚起是第 7 到 18 批的打磨, 11 月 2 日中午以后归到「进行中」。这五段里, 前面的方案给后面的代码定范围, 后面的试玩又会回来改前面的想法。

一批交回以后, 检查 agent 跑测试、看截图, 主控再合进去, 装回我的手机。譬如第二十一批之前, Codex 同时做新的玩家飞船模型、船员名册和开机音效, 三件在中午交回, 再由这一批接进游戏。素材做完, 不等于游戏里已经有了它; 中间还隔着一次接入。若不把这步排进任务, 文件放在那里, 手机里照旧看不到。

并行固然能让几件事一起往前走, 然而共用的东西也会被一起争用。后来留下的规矩是, 写代码最多两路, 只许一路操作模拟器。第二十一批照此安排, 一路看画面, 一路只编译, 合到一起后跑完 254 项测试。这个限制颇不像「多开几个就能更快」的想象, 却很具体: 同一台模拟器, 总不能让两边各自以为屏幕上还是自己的现场。

交回来的东西, 还会被打回去

样机阶段就在真机上改过光线, 去掉模糊和过亮的辉光。往后也没省心: 第九批查掉靠近空间站时的掉帧, 第十一批补船、站和平台之间的碰撞, 免得彼此穿过去。这里的麻烦在于, 一张截图能把飞船拍得像样, 却拍不出你一路开过去时的卡顿。检查 agent 能替我查一部分, 手指在屏幕上怎么动, 仍得拿起来试。

船模还改过一回做法。我觉得原来的船不够精细, 就先在即梦上按 Claude 写的提示词出设计图。Codex 试过从零建一艘, 后来换成 Tripo 照设计图生成底模, 再交给 Codex 用 Blender 这类三维工具精修, 补玻璃罩、驾驶舱座椅和发光部件, 再减掉多余的面。到这次统计时, 四艘新船仍在往游戏里换, 还不能算全都装好了。

这次改主意也让我把任务拆得更细。画图先定样子, 三维模型还得把图里的部件做出来。等这些做好, 又要看手机能否带得动。让一个助手接下「做一艘好看的船」, 它可以交回某个角度看着不错的结果; 把座椅和玻璃罩点名写进去, 接下来验什么才有了着落。会做模型的工具已经有几个了, 我仍得决定哪一步用谁, 以及这一版到底差在哪里。

也有些修改不在游戏里。制作页初稿用了一批短标题配解释的卡片, 我看着觉得 AI 味太重, 又让它改成整段平话。数字和流程还是不够直观, 便改时间线, 再补上拖动、缩放和默认看最近一天。连「把怎么做的讲清楚」这件事, 也没能一稿交差。

对话太长了, 就交接

第一段主控会话从 10 月 31 日 16:40 做到 11 月 2 日 16:20, 到了第二十批。11 月 2 日 17:00 换新会话接着做。旧会话先把进度和下一步写下来, 新会话照交接往下走; 之后第二十一批完成, 当晚 18:13 装到了手机。这段经过有必要写明, 免得一长串成果让人以为, 只要把同一个对话窗口一直开着就行。

交接里要留下的东西颇琐碎。它列出当前版本和需求文件的位置, 也会写明还有没有任务在跑。连只有一路能用模拟器、另一个会话正在做官网别碰它的文件, 也写在里面。更要紧的是, 测试已经通过的地方旁边, 仍列着需要我真机看的画面和没听过的音效。「已装手机」并不会替我回答声音好不好听。

若把这套做法搬进几百年前的一间作坊, 工匠换班时留下的账本, 大概也得写清这件器物磨到了哪一面、还欠哪道工序。交接的用处自是在这里: 后来的人无须重新听完前一个人做事时的所有念头, 但要知道眼前这件东西该从哪里接手。AI 的对话换得比人快, 那本账反倒更不能省。

夜里也可以继续。第十三到十五批就有一个工作流跑了三个半小时, 那时我在睡觉。可夜里跑的是事先排好的几批; 到了需要选样子、改方向的地方, 记录里仍会留下等我拍板的项。看着这一行行待办, 我倒觉得「一个人做」容易让人误会的地方, 是把一个人要做的判断也一并从画面里删掉了。

这几天到底用了多少

下面按 2026 年 11 月 3 日 14:54 美东时间的快照记账。首个模型调用在 10 月 31 日 16:40, 这份统计里末次调用在 11 月 3 日 14:51。项目还在做, 这些是截至那一刻的数字, 也不能当成我连续坐在电脑前的工时。

累计运行了 41 个工作流, 共包含 131 个工作流 agent, 另有 3 个单独子 agent; Codex 接了 22 个任务, 记录中共有 76 个线程。它们并非同时开着。并行峰值是 11 月 1 日 16:50 的 15 个 agent。前面限制写代码只能两路, 管的是一起改代码、用模拟器的那部分, 也不等于整个项目只能有两个助手干活。

努力程度也留了记录: 会话状态里写着, 后台写代码的 agent 用 Opus「高」; 主控自行调用 Codex 时, 写定的是 GPT-6 Astra、ultra 努力级别。这里只能说明记录里明确写下的设置, 不能倒推每一条历史调用都用了同一档。毕竟下面还用过别的模型, 任务也不全是写代码。

全部合起来是 11,816 次模型调用, 按 API 标价算 $1,342.33。即梦和 Tripo 的点数没算在这里。这笔钱算的是这轮开发用掉的模型, 还不是做完整个游戏的全部花费。

token 是模型读写内容的计量单位。这次新读入 58,984,950 token, 读缓存 2,622,641,817 token, 输出 10,774,948 token, 合计 2,692,401,715 token。乍看总数有些唬人, 里面占大头的却是重复读前面的内容, 单价较低; 真正写出来的代码、文档和回复, 要看输出那一项。把二十多亿全理解成新写出来的文字, 就差远了。

按模型拆开, Claude Opus 5.5 调了 8,561 次, 输出 8,931,631 token, 读缓存 2,332,009,241 token, 折算 $946.56。主控和许多工作流用的就是这款模型。

GPT-6 Astra 调了 2,743 次, 输出 1,660,019 token, 读缓存 248,203,520 token, 折算 $389.99。前面那些并行交给 Codex 的活, 素材记录里多次列到了它。

另外两款用得少些。GPT-6.1 Sol 是 185 次调用, 输出 103,915 token, 读缓存 11,487,616 token, 折算 $3.52; GPT-6.1 Terra 是 327 次调用, 输出 79,383 token, 读缓存 30,941,440 token, 折算 $2.25。各模型的金额保留快照原数, 分项相加比总计少 $0.01。

我不太想拿这个总价换算成「省了几个程序员」。这里面算了重复读取的成本, 改主意后把同一艘船重做的调用也在其中。我自己的时间却没在这张账里。它能回答的是这几天模型干了多少活; 至于其中多少次尝试原本可以少走, 这份统计还回答不了。

还有一些东西等着看

截至这次记录, 第二十一批已经在手机上, 新船还在换, 一座环形空间站也在重做。交接里另留着一个判断: 星云的流动和亮星的闪烁, 看起来究竟是「活」, 还是「晃」? 这两个字差得不多, 写在任务单上, 却还得留给下一次试玩。

我先把它记着。等新版本装好, 再拿手机看一眼就是了。

写作记录：这篇由 Codex 在 2026-11-03 15:47 到 15:56（美东）写成。主线程用 GPT-6 Astra（gpt-6-astra），推理努力程度 ultra；它自己另派了 3 个子线程：查过程记录、复核文风的两个用 GPT-5.6 Sol（努力程度 high），核对用量的一个用 GPT-5.6 Luna（努力程度 medium）。这 4 个线程合计读入 3,013,851 token（其中读缓存 2,797,696），输出 34,991 token（其中推理 12,580）。素材由 Claude Code（Claude Opus 5.5）事先整理，不算在这个数里。