一、一张躺在纸上的涂鸦
1.1 我妹留下的画
事情是这样的。
前几天我妹来我家玩，走的时候在书桌上留了张画。一个彩色的小丑，蜡笔涂的，橙色的头发，红色的鼻子，旁边还歪歪扭扭画了颗星星。
我盯着那张画看了很久。不知道你有没有这种感觉，小时候画的东西，画完的那一刻特别得意，然后它就躺在纸里了，forever。你不会再看它第二眼，它也不会再动一下。
1.2 一个中二的念头
那天我脑子里突然冒出一个念头——要是它能跑起来呢。
不是我拿软件照着捏一个，是它自己，顶着那张蜡笔脸，在屏幕里跑起来。
巧的是，我手上正好在玩豆包新升级的 Seed-2.1-pro-0915。这次升级主打的就是多模态 Coding，官方的说法是，视觉理解加代码生成，端到端开发能力更强。API 在火山方舟上，名字叫 doubao-seed-evolving，我用 Agent Plan 接入。
一个能看图的模型，一个能写代码的模型，是同一个。
那我妹的涂鸦，理论上就是一份需求文档啊。
于是我决定做个小东西，起名叫涂鸦游戏机。逻辑特别简单，你拍一张手绘涂鸦传上去，它负责把这张画变成一个能玩的游戏，中间不需要我写一行游戏代码。
先说结论，它真的跑通了。而且过程比结果有意思得多。
二、流水线：从一张照片到一个游戏
2.1 看图，它比我想象的看得细
模型拿到涂鸦照片后，输出一份结构化的分析，它觉得这张画里有什么角色、什么性格、用的是哪几个颜色、整体什么画风。
特别让我意外的是它还会做一个决策，这个角色适合什么类型的游戏。我妹这个小丑，它的判断是 runner（跑酷），理由是角色有腿、站着、没翅膀。要是画的是带翅膀的，它会选 flappy 那种飞行玩法。
2.2 设计，游戏策划的活也干了
基于看图结果出一份设计稿，游戏叫什么名字、怎么操作、障碍物是什么、怎么计分。它给这个游戏起名叫《彩虹小丑欢乐跑》，连角色小传都写好了。
2.3 写码，涂鸦原画直接当主角
第三步直接生成一个完整的 HTML5 游戏。单文件、零依赖，浏览器双击就能玩。
这里我用了个小技巧，涂鸦原画会被自动裁出来，当成游戏主角的精灵图，场景配色就用分析出来的那几个颜色。也就是说，游戏里跑来跑去的那个小丑，真的就是我妹画的那个小丑。
2.4 自检，写完自己试跑，崩了自己修
游戏生成出来不是直接交付，先扔进沙箱里试跑。跑崩了就把报错信息喂回去让它自己修，两轮封顶，修不好会明确告诉你修不好，不装。
这套流程跑通的那一刻，我是真的在工位上笑出声了。
但坦率的讲，跑通之前的那个晚上，我一度觉得这玩意做不成。
三、三个一个比一个离谱的坑
3.1 头一个坑，三十万 token 的图片
生成游戏这步死活出不来。转了九分钟报错，再来九分钟，又报错。。。
盯着日志看了半天才发现，我一开始的设计是让模型把涂鸦图片数据直接写进游戏代码。一张三百多 KB 的照片转成编码是三十多万个 token，任何模型的输出上限都装不下。它不是不想写，是物理上写不完。
解法是占位符。模型只在代码里写一个占位符，真实的图片数据由程序在它写完之后替换进去。模型负责创造性劳动，搬运工的活还给代码。
3.2 第二个坑，九分钟不出声的电话
改完还是超时，又是一顿排查，这次是连接的问题。
这个模型是个重度思考型选手，回答之前会先打很久腹稿。非流式请求就好比你打电话过去，对面九分钟不出声，中间的网络设备以为通话断了，直接把线掐了。
解法是改成流式，让它一边想一边往外吐字，哪怕吐的是思考过程，连接就是活的。后来我测过，一个简单问题它思考了 81 秒，思考的碎碎念全程在流里往外冒，连接稳得很。
3.3 第三个坑，思考先把预算花光了
这个就有点搞笑了。查文档时我看到一行小字，输出长度参数默认四千，而且思考过程也算在内。
就是说它可能思考着思考着，预算先花完了，正经答案一个字没写。
我直接给代码生成关掉了思考，输出上限拉到三万二。
三个坑全修完，重新跑。一百九十七秒，一个完整的游戏蹦出来了。
那个瞬间我坐在那儿想，我们平时聊多模态、聊 Agent，都是概念。而此刻我妹的蜡笔小丑正在屏幕里蹦跶，我按空格它就跳，撞到障碍物还会弹出结算画面告诉我得了几分。
这就是概念落地的那一下。
四、它真的懂代码，改一个字都不多
4.1 外科手术式的修复
我先试了自检修复。手动把生成好的游戏里的主循环函数删了，让它变成必崩的游戏，然后把报错喂回去。
两分钟后它还我一个修好的版本。diff 一看，相似度 0.994，就动了被删的那十一行，把函数补回来了，其他一个字没碰。
4.2 多轮修改，一轮比一轮惊喜
然后是更有意思的多轮修改。
我说，跳得再高一点。它改完全文件就动了一行，一个跳跃力度的常量，从 -780 改到 -950。实测跳跃高度从 48 像素变成 73 像素。
一行，就一行。
我又说，加点金币。这次它新增了一整套金币实体，弧形排布，吃到加一分，还会转。
我再说，换成夜晚。它改了 28 处，我逐个看了，全部是颜色和星空，游戏逻辑一行没动。
第一版人物有点问题，说一就修复好了
你发现没，它不是每次都重写，它是真的理解了「改哪、只改哪」。
这轮测完我对着屏幕说了句脏话，由衷的。
五、换个环境也能打
5.1 豆包工作里的同一张涂鸦
中途我还顺手在豆包工作里试了同一张涂鸦。把小丑的画丢进去，让它写游戏设计说明书、出宣传物料。同一个模型换个环境，看图、拆任务、出东西，一样能打。
宣传物料效果还是非常不错的！
同一张涂鸦、同一个模型，从命令行搬进豆包工作，它从「流水线工人」变成了「办公桌同事」。说明书里它把小丑爱表演的性格直接写成了得分机制的设计理由，这一层关联是我在 API 链路里没明确要过的。一个模型，两条路子，能力是对流的。
六、不完美清单
当然我得说点实话，这东西远不完美。
慢。 全流程跑下来六到八分钟，思考型模型就这个速度。
识别要调。 涂鸦边框一开始三次里有一次会把小丑拦腰截断，我调了两轮提示词才稳到三次全对。
覆盖不全。 flappy 那条分支，因为我手里就一张涂鸦，压根没触发过。没验证的东西我不瞎说。
提示词工程量不小。 光让识别框稳定套住角色全身，就迭代了两个版本。
但这些都是明账，全写在调参日志里的那种。我喜欢这种，所有的不完美都有来龙去脉，也都有下一步。
七、神笔马良的笔，现在人人有一支
写到这里我回头又看了一眼我妹那张画。
中国人小时候都听过神笔马良的故事，画什么活什么。那是个关于天赋和特权的故事，神笔只有一支。
现在不一样了。一支 API Key 的钱，你妹的画、你家的猫、你随手涂的火柴人，都能跑起来。技术把那支笔拆碎了，分给了每个想试的人。
我准备把这个小工具整理一下分享出来了，代码和全部提示词都放在 GitHub 上，仓库地址是 github.com/xtdexw/doodle-arcade，涂鸦照片扔进去，剩下的交给它。你要是也想让自己或者谁的画动起来，可以试试，然后告诉我它变成了什么。
我挺想看看，别人纸上的东西跑起来是什么样子。
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧。
转载自 CSDN-专业IT技术社区
原文链接：https://blog.csdn.net/Rqaqedamancy/article/details/166573319
