前言
随着 AI 发展如此之快，编程的门槛似乎是越来越低了，最近显得无聊，目前也没有工作，我花了三天的时间，手搓了一个麻将游戏！不过，这是我用 codex 帮我写了一个“麻将”游戏。
为什么会突然想到做一个麻将游戏，因为自从 2024 年，我第一次接触到麻将，就已经被麻将的魔力深深的吸引着，每次放假回家就像和兄弟姐妹们家人们搓一手麻将。还有一个原因是，现在 AI 这么发达，什么一句话做一个个人网站，什么 AI 要被淘汰了，我做了一个游戏，但是一行代码都没写。我在想，真有它们所说的夸张？
虽然各种线上麻将玩法层出不穷，什么四川麻将、长沙麻将、广东麻将啊等等，但是我们家乡的麻将倒是没发现，于是我突发奇想，能不能我做一个我自己的麻将游戏呢。
我第一次接触的麻将是我家里人所说的“广麻”，即广东麻将。但是和线上主流玩法、线下棋牌室玩法可能不一样。于是我就将这个麻将玩法称之为“莲花广麻”。
在后面的章节中，我们会提到这个麻将的规则，我用 AI 开发的部分过程，开发完的感受和以及最终的小结。
游戏界面一览
开始之前呢，先一览一下界面吧，看起来还真有那么一回事
这是主页
这是对局页
这是结算页
我给 AI 的提示词
以下是我的提示词，发给 codex，同时在描述项目的时候，我还提供了两段麻将国的两端参考视频让 AI 去参考。
请帮我做一款麻将游戏《莲花广麻》，游戏规则如下。
- 只能碰、杠。不能吃
- 只能自摸或抢杠胡，不能点炮
- 白板作为癞子牌，可以代替任意牌
- 庄家默认x2倍，手牌无癞子x2倍
- 摸到红中等于开杠，从牌墙尾部摸牌
- 如果用户摸到四个红中，直接算自摸胡牌x4
- 买马：由胡牌者从牌墙中摸8张牌，若8张牌中出现159红中，则 +1 番
游戏内容需尽可能的还原 img 目录下的两个视频的效果，开发时用 Context7 查询所有游戏框架和库的最新文档。
初版效果
整个过程花了 22 分钟，然后出来的初版效果居然是这样的！
我的 3D 效果呢，这些像链条一样的东西又是个啥？第一版的效果就是一个纯 2D 的一个麻将，问题特别多。中控盘是歪的、牌河的牌是小的、还有不知名链条。
AI 似乎察觉不到 2D 和 3D 感觉，虽然明明按照参考视频里的内容去做，但是依旧做不出 3D 的桌面，不过经过了几轮对话，它似乎做出来了，但是又好像没做出来。然后 AI 告诉我，目前仍是 HTML/CSS 实现的 2.5D，并非真正的 WebGL 三维模型；但空间关系和镜头表现已经比上一版明显接近参考视频。
接近在哪？接近牛魔！牌都要起飞了。整个初版已经是完全不可玩的状态了。
第二版效果
经过 2 轮对话，整个麻将总算是有了 3D 的感觉了，但是 3D 化了，又感觉没有完全 3D 化，牌河的牌变成纸片了，以后就叫纸片麻将😄。
这个都还算是小问题，可以让 AI 来调整回来，后面在 3D 处理的时候还是有非常多的问题，我都一一列举出来。
副露遮挡
上家对家遮挡
本家遮挡
牌桌太窄
牌河太靠下
牌河遮挡
AI 它居然没有移动对家的手牌和副露！
本家被遮挡，这个解决办法是让 ai 吧第四列的牌移到第三列
强迫症没对齐，难看。
换牌面
最后把牌面换了，第二版的效果差不多就是这样了
第三版效果
第三版主要是调整了结算亮牌、添加“查看牌桌”的按钮、移动端横屏和矮屏增加独立的结算页适配、移动端横屏整体适配、中控转盘文字调大、加入 BGM 和音效。
除了界面上的调整，还有游戏规则上的 bug，不过 AI 在分析的过程中，会把代码中为实现的部分解释并指出来，以下。
后面我再总结一段提示词，然后去调整。
接下来请你调整一下代码，最终的要求如下：
- AI 抢玩家的补杠，AI抢AI的杠。
- AI 之间能碰、杠。
- 通用的四家响应和优先级判定
- 白板作为癞子不能开杠
- 发牌阶段从牌尾补到红中时，也要记录“红中开杠”
- 不止增加局数，还要增加庄家轮换或连庄逻辑。
- 在此游戏规则中，一般型足够，七对、十三幺等特殊牌型暂不支持。只有自摸，没有点炮
…
不想回忆之前 vibe 过程了，总之第三版调整的过程还是比较难受，什么截图圈重点，调整牌面和光效，但是游戏这一块的开发我确实不懂，特别细节的部分 AI 可能就显得无能为力了，我快要被气糊涂了。
第三版的最终效果如图所示，已经非常接近我想要的效果了。
总结
关于这个项目，我和它对话了不知道多少轮。
通过这么轮的对话，给我的感觉是，我现在是让 AI 参与需求分析、规则设计、视觉判断、调试和产品决策。这正是 AI 时代最重要的能力变化。
AI 可以把个人从“只会执行一小段任务”扩展成可以独立完成一个完整项目的人。除此之外，还能
- 降低试错成本。
- 让表达想法变得更容易。即使一开始说得不够技术化，也能逐步转化成代码和方案。
- 加速学习。遇到陌生框架、算法或工程问题时，可以即时获得解释、示例和排查方向。
- 放大个人创造力。过去需要设计师、前端、后端、测试多人协作的事情，现在一个人也能做出原型甚至产品。
坏处也很明显：
- 容易产生“我已经会了”的错觉。代码能运行，不代表规则正确、架构合理、边界情况完整。
- 错误传播更快。如果方向不对，即使再锦上添花也没用。
- 只会复制、粘贴、修改提示词，容易失去主动思考和人为调试的能力。
- 代码数量增加，但维护成本也增加。尤其是状态管理、异步逻辑、兼容性和安全问题。
虽然目前还没工作，但是后面的工作或许就是，程序员提出目标和判断，让 AI 快速实现；然后再通过不断追问，把模糊想法变成具体产品。
真正应该警惕的不是 AI，而是停止理解自己正在构建的东西。
体验
👉 GitHub