仅两天前，Claude Opus 5正式发布后，AI投资者兼前HyperWrite CEO Matt Shumer就发布了一段视频，展示该模型完全自主构建的一个可玩的第一人称射击游戏。Shumer写道：“Claude Opus 5一次性完成了这个游戏”，并强调游戏中没有使用任何外部资源。现在你可能会认为，如此高质量的输出来自一段冗长、细致、精心设计的提示，以指导AI模型完成构建一款精良FPS游戏的复杂过程。大错特错。
背后的提示仅有三段文字，已在GitHub上全文公开。它告诉Opus 5：构建一款《使命召唤》最新作品水准的射击游戏；派生出多个子Agent——每个拥有独立记忆和狭窄任务的工人——以单独处理各个部件；并持续对每个部件循环，让一个独立的严厉批评者对照真实《使命召唤》画面进行盲测，直到其表现达标。结果，按照提示的要求，应当是“绝对完美”。
这与提示工程师们一直以来教导的做法截然相反。在“氛围编程”（vibe-coding）热潮中，建议人们指定标准而非形容词：要解释“好”具体指什么，而不是简单索要。要说明代码应满足什么条件，而不是喊“AAA”。Shumer的版本几乎反其道而行之——要求自己的子Agent“彻底震撼”，而把实际定义交给Opus 5为自己构建的批评者。这几乎就是整个指令的全部。Shumer后来写道，他从未指定渲染器、列举游戏系统、或定义“AAA品质”具体包含什么。他将这种方法称为“磨砺循环”（Gauntlet Loop）：给Agent一个真实的、可检查的标准，而不是模糊指令；让它将任务拆分成小块；并将每个小块交给一个从不了解构建者自身选择理由的批评者去评估。
两个Claude Code功能支撑了这个循环：子Agent在隔离的上下文窗口中启动，拥有各自的指令和工具访问权限，这样评价武器模型的批评者就不会继承构建者对为何做成这样的解释。Ultracode是Claude Code中的一个设置，它推动模型进入最高推理努力状态，并允许其自行编写编排计划，将工作分派给最多16个Agent（每次运行上限1000个）。Anthropic内置的/loop技能（专为重复修复-测试-调整循环设计）则确保了运行不会在游戏看起来“还行”时就停止。Shumer从未指定循环次数，而是让批评者不断指出新的差距，让构建者连续追赶数小时，直到他自己关闭会话。最终构建基于Three.js和纯WebGL2，约有55,000行代码分布在11个子系统中。所有纹理、网格、动画和声音都在加载时于浏览器内生成——没有下载任何模型、HDR贴图、图像文件或音频文件。
Shumer自己公布的批评者日志显示，得分从3.59分（满分10分）逐步攀升至略高于5分，但每次循环仍然落后于真实游戏。怀疑者认为存在数小时隐藏的手动编码，于是Shumer发布了完整的提示和代码库。随后模仿者出现了。前对冲基金经理兼播客James Altucher使用了完全相同的提示，报告说“耗时十小时多一点”，在Opus 5上花费了约130万token后成功。他的构建版本《Operation Blackout》可在浏览器中免费游玩，看起来非常棒。你可以在此处体验该游戏。
Prompt Silo的开发者则将同样的请求指向了OpenAI的竞品旗舰模型，并发布了“Sol 5.6 Ultra with same prompt”——Sol是OpenAI于7月9日发布的三个GPT-5.6模型家族中的顶级版本，与之同时发布的还有更便宜的Terra和Luna。开发者Leon Lin采取了相反策略，使用通常的详细提示。他没有复制Shumer的短版本，而是试图“逆向工程这个游戏的提示”，生成了一份约20个章节的文档，详述了从布娃娃物理到级联阴影贴图的全部内容。他将该文档输入到使用普通Opus 5（高努力模式）的Cursor中，没有子Agent，也没有Ultracode，结果生成了一款名为《Dust Corridor》的市场街道射击游戏，同样可在浏览器中运行，且看起来也很棒。
所有的复现版本都尚未经过Shumer对其自身项目进行的盲测。他的批评者日志显示，真实《使命召唤》在他记录的所有轮次中都保持领先——这正是Altucher和Atom Tan Studio正在用他那精确的三段提示所追赶的标杆，也是Leon Lin用他自己约20个章节的提示所追赶的目标。
这其中有多少是真正的新东西？像Claude Code这样的Agent编码工具编写软件的方式类似受监督的初级工程师：它们读取文件、运行代码、查看自己生成的屏幕截图，然后将任务的各个部分交给子Agent和批评者，由批评者对照既定目标检查结果。这个循环是真实的，而且Shumer的“磨砺循环”确实是一种构建该循环的有效方式。然而，这些本身并不能证明该模型是从想象中设计游戏，而非重新组合它已经吸收的代码模式。Three.js官方示例中就包含指针锁相机控制，而鼠标环视、WASD移动、射线投射射击等基础模式已经在GitHub、gist和开发者论坛上被分支和教程化超过十年。一个在公开代码库上训练的编码模型，在读到Shumer的提示之前，几乎可以肯定已经见过数百甚至数千个几乎一模一样的射击游戏。这并不意味着《Claude of Duty》是假的，但它让“从零构建”的说法更难以得到完全信任——所以请对这些结果保持审慎。研究代码生成模型的学者将更广泛的问题称为“数据污染”：模型在某任务上表现良好，主要是因为训练数据中已经存在几乎相同的例子，而非因为它推理出了新东西。所有这些第一人称射击游戏的构建都没有针对这种污染进行检查。Shumer自己的代码库中确实包含了Claude自身的创造力（如果这样称呼恰当的话）。因此，应将“一次性完成AAA游戏”解读为一个在编程领域最被广泛记录的流派中工作的高效Agent，而非证明AI在没有先例可依赖的情况下设计了一款射击游戏。