259
1这期番外，老许和 Cosmic Lounge CEO Tommy 面对面聊了一次非常具体的 AI 游戏开发实践。
Cosmic Lounge 不是在讲“用一句 prompt 生成一个游戏”的故事。他们真正做的是另一件事：先把休闲游戏、关卡设计、数据测试、实时运营和内容发布全部结构化，再把 AI Agent 放进这套已经产品化的 Puzzle 引擎里。换句话说，Agent 本身不是魔法，真正的魔法来自它背后那套可被调用、可被测试、可被迭代的专业生产系统。
这期会聊到 Tommy 在 King、EA 等公司的经历，芬兰、瑞典、土耳其和中国休闲游戏产业的差异，为什么“努力工作”很快会被 AI 超过，但“知道什么是好”的 Taste 仍然重要。我们也会具体拆 Cosmic Lounge 的工具链：AI 如何生成关卡、如何跑测试、如何用无图形模式一小时模拟 50 万次、如何让 Agent 写下自己的 Skill，并和人类关卡设计师一起进化。
这不是一集泛泛而谈的 AI 游戏想象，而是一集关于“AI到底怎么进入游戏生产线”的访谈。它给出的判断也很克制：AI会让内容生产快很多倍，但真正的爆款工厂，仍然需要专业设计师、玩家数据、工程架构、测试系统和不断寻找新玩法的能力。
时间戳
开场：老许线下见到 Cosmic Lounge CEO Tommy
Tommy 的背景：从 King、EA 到创办 Cosmic Lounge
为什么要从零搭一套自己的游戏生产系统？
芬兰、瑞典和欧洲手游生态：为什么中心会移动？
瑞典为什么能做各种类型的游戏，却没长出一堆手游工作室？
土耳其休闲游戏为什么强：努力、政府支持和逐帧打磨
AI拼勤奋一定赢，但它也会快速制造垃圾
Taste：AI最缺的，正是判断什么是好的能力
玩家数据能不能训练AI理解关卡好坏？
AI如何成为关卡设计师的核心工具
行为数据分析：AI能发现人类分析师没想到的问题
Puzzle引擎：给游戏设计师和Agent共同使用的生产工具
从“让AI生成关卡”到“Agent自己生成、测试、筛选关卡”
一小时50万次测试：无图形云端模拟如何验证关卡
迷你游戏的意义：从买量广告到游戏内真实玩法
Agent如何在几小时内做出新的迷你游戏
为什么光有大模型不够，关键是背后的Harness和引擎
从一句提示词到可发布内容，中间到底缺了什么？
AI生成之后，为什么还需要艺术家和设计师手工美化？
《Pets and Puzzles》：核心玩法如何通过测试选出来
从三消到弹珠、物理玩法：Puzzle引擎给设计师的想象空间
AI工具到底节省了多少工作量？
无限关卡不是一开始就能有：先要让AI知道什么是好
三步流程：测试玩法、手工做初始关卡、再让AI扩展
为什么 Cosmic Lounge 现在不急着做B2B？
核心竞争力：把游戏机制做成可配置、可云端部署的内容
爆款工厂：如何重复制造热门休闲游戏？
为什么这些工具先服务专业创作者，而不是普通UGC用户？
公司内部有创意的人，能否靠工具直接做出原型？
工具演示：让Agent生成和测试400个关卡
Agent如何记住设计师的判断，并为自己写Skill
这不是一步到终点：真人专家仍然要训练和校准AI
AI最终能不能自己做出好玩的游戏？
如果AI玩过两亿局Candy Crush，它能复制出同样好玩的游戏吗？
复制不是目标，爆款工厂必须不断寻找新东西
游戏设计师能不能被系统化训练？AI能否成为合格设计师？
人类先写手册，Agent再学习，但创新总会绕开旧规则
Tommy眼中的中国游戏行业：还有很多值得互相学习
