自学AI制作小游戏

Windows+CPU + 零成本 自学搭建「AI+Agent 制作小游戏」课程大纲

核心目标：纯 Windows CPU 环境、全程零成本使用开源工具 / 免费模型，学完能独立完成「本地部署 AI + 开发 Agent→AI 自动生成游戏内容→零代码制作小游戏；

核心原则 ：所有工具 / 模型 / 资源均为开源免费 + 可商用，无任何付费环节，所有步骤适配 Windows CPU（规避 GPU 相关操作，针对性做 CPU 优化）

前置准备阶段：Windows 本地零成本开发环境搭建

学习目标

完成所有后续操作的基础工具安装，实现环境隔离（避免版本冲突），验证 CPU 环境下核心工具可正常运行，解决 "安装报错、命令无效" 等基础问题。

核心知识点

1. Windows 系统基础：文件路径（绝对路径 / 相对路径，后续配置模型 / 代码路径必用）、命令行（CMD/Anaconda Prompt）基本操作（切换目录cd、查看文件dir）；
2. 工具选择原则：CPU 友好型（轻量、低资源占用）、开源免费、小白易上手；
3. 环境隔离原理：Anaconda 虚拟环境的作用（避免不同项目依赖库版本冲突）；
4. 基础命令验证：确认 Python、Git 等工具安装成功并加入系统环境变量。

必学实操内容（全程零成本，按步骤执行即可）

1. 安装 Python 3.10（适配 99% 开源 AI 库，避免高版本兼容问题）
   • 官网下载：https://www.python.org/downloads/release/python-31011/
   • 关键步骤：安装时勾选「Add Python to PATH」，验证命令python --version（CMD 中显示 3.10.x 即成功）；
2. 安装 Git（下载开源代码必备）
   • 官网下载：https://git-scm.com/download/win，默认安装，验证命令git --version；
3. 安装 Anaconda（免费版，环境隔离核心）
   • 官网下载：https://www.anaconda.com/products/distribution#download-section，默认安装；
   • 核心命令：创建虚拟环境conda create -n game-ai python=3.10 -y、激活环境conda activate game-ai、退出环境conda deactivate；
4. 安装 VS Code（免费代码编辑器，小白友好）
   • 官网下载：https://code.visualstudio.com/，安装后必装插件「Python」（自动识别 Anaconda 环境）；
5. 环境最终验证
   • 打开 Anaconda Prompt，执行conda activate game-ai→python --version→git --version，全程无报错即完成。

第一阶段：Python 极简核心（仅学小游戏 + AI 开发刚需）

学习目标

掌握后续 AI 部署、Agent 开发、游戏素材处理所需的最小 Python 知识集，不做无用功，小白能独立写简单脚本、调用第三方库、读写文件。

核心知识点（仅学以下内容，其余无需掌握）

1. 基础语法：变量（字符串 / 列表 / 字典）、简单控制流（if-else，仅做条件判断）、函数（定义 / 调用，仅做简单逻辑封装）；
   • 重点：字典（存储游戏需求 / 微调数据必备）、列表（存储 Agent 工具列表必备）；
2. 第三方库安装：pip install 库名/conda install 库名（指定版本pip install 库名==x.x.x，解决版本冲突）；
3. 文件操作：读写 JSON/TXT 文件 （微调数据、Agent 配置、游戏剧本存储必备）；
   • 核心函数：open()、json.dump()、json.load()；
4. 子进程调用（可选）：subprocess.run()（后续调用本地模型 / 游戏引擎脚本必备）；
5. 异常处理（极简）：try-except（仅捕获 "文件不存在、库未安装" 等常见错误，避免脚本运行中断）。

必学实操任务

1. 写脚本实现「读取游戏需求 TXT 文件→将需求转为字典→保存为 JSON 文件」（后续微调数据准备基础）；
2. 写脚本实现「用 pip 安装指定库→验证库是否安装成功」（比如安装requests，验证import requests无报错）；
3. 写极简异常处理脚本：捕获 "打开不存在的文件" 错误，提示 "文件路径错误"。

第二阶段：Windows+CPU 本地部署轻量大模型

学习目标

选CPU 能流畅运行的轻量开源大模型，用极简工具部署到 Windows 本地，实现「命令行 + Python API」两种调用方式，能让模型生成游戏剧本、小游戏代码、素材描述，这是 AI 制作小游戏的核心基础。

核心知识点

1. 大模型选型原则（CPU 专属）：参数量≤2B（百亿级）、中文友好、开源免费、支持量化（降低 CPU / 内存占用）；
2. 主流 CPU 友好型大模型：阿里 Qwen-2.5-1.8B-Chat（首选，中文适配最好，专门针对小游戏开发优化）、百度 ERNIE-3.0-Mini-1.8B；
3. 极简部署工具 Ollama：核心作用（自动处理模型依赖、量化、启动，小白零配置）、安装与基本命令；
4. 模型本地调用方式：命令行交互式调用（快速测试）、Python API 调用（后续 Agent 开发必备，让 Agent 自动调用模型）；
5. CPU 优化核心技巧：关闭多余软件（释放内存 / CPU）、模型 8 位量化（Ollama 自动支持）、限制模型线程数（避免 CPU 过载）；
6. 常见问题：模型下载慢（换国内源）、启动报错（内存不足→关闭虚拟内存 / 释放空间）、生成卡顿（缩短提示词）。

必学实操内容（全程 CPU，零成本）

1. 安装 Ollama（Windows 版，极简部署核心）
   • 官网下载：https://ollama.com/download，默认安装，验证命令ollama --version；
2. 部署 Qwen-2.5-1.8B-Chat（CPU 首选模型）
   • 启动命令（Anaconda Prompt 中执行）：ollama run qwen:2.5-1.8b（自动下载 + 量化 + 启动，首次下载约 10-20 分钟，视网络而定，模型文件约 3.6GB，占用内存≤8GB）；
   • 命令行测试：输入 "帮我生成一个微信休闲小游戏的剧本，玩法简单，带看广告复活功能"，验证模型能输出完整内容；
3. Python API 调用模型（后续 Agent 开发必备）
   • 安装依赖：pip install ollama；
   • 写调用脚本：实现「传入游戏需求→调用本地模型→返回生成结果→保存为 TXT 文件」，核心代码直接复用，理解关键参数即可；
4. CPU 优化实操：关闭浏览器 / 微信 / 杀毒软件等，重新启动模型，测试生成速度提升效果；
5. 模型常用操作：停止模型ollama stop qwen:2.5-1.8b、查看已部署模型ollama list、删除无用模型ollama rm 模型名。

第三阶段：LangChain Agent 核心入门

学习目标

掌握开源免费的 Agent 框架 LangChain 的最小核心用法，适配 Windows CPU，开发专属「游戏开发 Agent」：让 AI 自动串联「生成游戏剧本→生成小游戏代码→生成免费素材描述」全流程，无需人工干预，这是 "AI 自动制作小游戏" 的核心环节。

核心知识点

1. Agent 核心逻辑（小白版）：智能体 = 大模型（大脑）+ 工具集（手脚）+ 调度逻辑（让大脑自动选手脚），核心作用是 "将复杂任务拆分为简单步骤，自动调用工具完成"；
2. LangChain 核心概念（仅学刚需）：
   • LLM 包装器：将本地 Ollama 模型接入 LangChain（让 LangChain 能调用本地模型）；
   • Tool 工具：自定义函数封装为工具（比如 "生成游戏剧本工具""生成小游戏代码工具"），包含工具名、功能、调用逻辑；
   • Agent 类型：零样本 Agent（Zero-Shot-React-Description，小白首选，无需训练，直接用）；
   • Prompt 模板：固定提示词格式，让 Agent 更精准理解任务（比如 "你是专业的小游戏开发工程师，仅使用提供的工具完成开发任务"）；
3. 游戏开发专属 Tool 设计原则：轻量、单一功能（一个工具只做一件事，避免 CPU 过载）、输出结果标准化（方便后续工具调用）；
4. CPU 版 LangChain 优化：简化 Prompt（缩短提示词，减少模型思考时间）、减少工具数量（仅保留 3 个核心工具）、限制 Agent 思考步数（避免无限循环）；
5. Agent 运行流程：接收用户需求→模型分析需求→选择对应工具→调用工具生成结果→整合所有结果→输出最终开发方案。

必学实操内容

1. 安装 LangChain（免费开源，Agent 框架核心）
   • 安装命令：pip install langchain==0.1.10（指定稳定版本，避免高版本兼容问题）；
2. 核心基础：将本地 Ollama 模型接入 LangChain
   • 写测试脚本：验证 LangChain 能正常调用本地 Qwen 模型，输出简单结果；
3. 自定义游戏开发专属 Tool 工具（3 个核心，缺一不可）
   • Tool1：生成游戏剧本工具→输入游戏类型（休闲 / 益智 / 闯关）→输出包含 "游戏名称、玩法规则、关卡设计、广告节点" 的完整剧本；
   • Tool2：生成小游戏代码工具→输入游戏剧本→输出「Construct 3 零代码语法」的代码（事件表格式，后续游戏引擎直接导入）；
   • Tool3：生成免费素材描述工具→输入游戏剧本→输出 "背景图 / 角色图 / 按钮图" 的尺寸、风格、关键词（方便找免费素材）；
   • 核心要求：每个工具为独立函数，输出结果简洁、标准化，适配 CPU 快速运行；
4. 初始化并运行「游戏开发 Agent」
   • 配置 Agent 参数（CPU 专属）：设置verbose=True（查看运行日志）、max_iterations=5（限制思考步数，避免 CPU 过载）；
   • 写完整 Agent 脚本：整合 3 个工具 + 本地模型 + 调度逻辑，实现「输入一句话需求（如 "帮我开发一个抖音猜数字小游戏，带看广告得提示功能"）→Agent 自动调用工具→输出全套开发内容（剧本 + 代码 + 素材描述）」；
5. Agent 测试与优化
   • 测试 3 个不同类型的小游戏需求（猜数字、消消乐、跑酷），验证 Agent 能正确选择工具、输出有效结果；
   • 针对 CPU 卡顿问题：简化 Prompt、缩短输出结果长度，优化后重新测试；
6. 常见问题解决：Agent 调用错误工具（优化 Prompt 描述）、生成结果无效（细化工具功能）、CPU 过载（关闭多余工具 / 限制步数）。

第四阶段：大模型 LoRA 轻量微调

学习目标

针对小游戏开发场景，用LoRA 低秩微调 （CPU 能运行的微调方法，低资源占用）微调本地 Qwen 模型，让模型生成的内容更贴合小游戏开发需求（比如精准匹配 Construct 3 代码语法、符合抖音 / 微信小游戏规则），解决 "原生模型生成代码报错、内容不符合需求" 的问题，全程 CPU、零成本、轻量数据（10-20 条）。

核心知识点

1. 微调核心概念（小白版）：
   • LoRA 微调：低秩适配，仅训练模型的少量参数（约占总参数的 1%-5%），CPU 能运行，训练速度快，无需从头训练模型；
   • 微调目的：让模型 "学习小游戏开发的专属规则"（如 Construct 3 代码语法、广告节点设计），生成的内容更精准、无报错；
   • 微调数据：「游戏需求→游戏内容（剧本 / 代码）」的配对数据，轻量即可（10-20 条，CPU 训练足够），无需大量数据；
2. CPU 微调专属原则：数据量越少越好（10-20 条）、训练轮数越少越好（3-5 轮）、批次大小 = 1（最小批次，降低 CPU / 内存占用）、学习率适中（1e-4，避免过拟合）；
3. 免费微调工具：LLaMA-Factory（开源免费，支持 CPU、支持 LoRA、适配 Qwen 模型，小白友好）；
4. 微调全流程（CPU 版）：数据准备→数据格式化（JSON 格式）→配置微调参数（CPU 专属）→启动训练→加载微调后的模型→测试效果；
5. 微调数据要求：无版权、标准化、贴合需求（比如 "猜数字游戏需求→Construct 3 代码" 配对，代码为零代码语法，无复杂逻辑）；
6. 常见问题：训练报错（内存不足→减少数据量）、过拟合（减少训练轮数）、微调后效果无提升（优化数据质量 / 调整学习率）；
7. 微调后模型加载：将 LoRA 权重与原生 Qwen 模型融合，Ollama 直接调用，无需额外配置。

必学实操内容（全程 CPU，零成本，轻量微调）

1. 准备微调数据（核心，10-20 条，零成本）
   • 数据来源：免费获取「游戏需求→代码」配对数据，如 Construct 3 官方教程、GitHub 开源小游戏、自己用原生模型生成后筛选；
   • 数据格式：JSON 格式（LLaMA-Factory 首选），每条数据包含「input（游戏需求）、output（对应剧本 / 代码）」，示例直接复用；
   • 数据处理：删除冗余内容、统一代码格式（Construct 3 事件表）、确保 10-20 条风格统一，保存为game_train_data.json；
2. 安装并配置 LLaMA-Factory（CPU 版，微调工具核心）
   • 下载源码：git clone https://github.com/hiyouga/LLaMA-Factory.git（切换到 D 盘，避免 C 盘空间不足）；
   • 安装依赖：进入源码目录，执行pip install -r requirements.txt（仅安装 CPU 版依赖，自动跳过 GPU 相关）；
   • 配置微调参数（CPU 专属，直接复制修改路径即可）：创建config.yaml，设置模型路径、数据路径、批次大小 = 1、训练轮数 = 3、LoRA 秩 = 8（最小秩，CPU 友好）、输出路径（保存微调后的 LoRA 权重）；
3. 启动 CPU 版 LoRA 微调
   • 训练命令：python train.py --config config.yaml（Anaconda Prompt 中执行，CPU 训练 10-20 条数据约 2-4 小时，视 CPU 性能而定，全程无 GPU 参与）；
   • 监控训练：查看日志，确保无报错，损失值（loss）稳步下降（说明训练有效）；
4. 加载微调后的模型
   • 将微调生成的 LoRA 权重文件放到 Ollama 模型目录，执行ollama run qwen:2.5-1.8b-lora（自定义模型名），自动融合权重；
5. 微调效果测试
   • 分别用原生模型和微调后模型生成相同游戏需求，对比结果：微调后模型应能生成无报错的 Construct 3 代码、更贴合小游戏规则的剧本；
   • 若效果不佳：补充 5 条高质量数据，重新微调（3 轮）。

第五阶段：免费零代码游戏引擎实操

学习目标

掌握免费零代码游戏引擎 Construct 3 的核心操作，将 AI/Agent 生成的「剧本 + 代码 + 素材描述」转化为可运行、可发布的小游戏，实现基础游戏功能（如操作、关卡、通关）+ 核心变现功能（看广告复活 / 看广告得道具），全程浏览器端操作，无需安装本地软件，适配 Windows CPU。

核心知识点

1. 游戏引擎选型原则：零代码（小白友好，无需编程）、免费、支持导出抖音 / 微信小游戏格式、内置广告接入功能，Construct 3 为唯一首选；
2. Construct 3 核心概念（零代码，拖拽式）：
   • 布局：游戏的画面场景（如开始界面、游戏界面、结算界面）；
   • 对象：游戏的所有元素（角色、按钮、背景、文字，直接拖拽添加）；
   • 事件表：游戏的逻辑核心（AI 生成的代码即事件表格式，直接导入 / 粘贴，无需写代码），由「条件→动作」组成（如 "点击按钮→开始游戏"）；
   • 行为：对象的预设功能（如 "移动""碰撞""触摸"，直接添加，无需配置）；
3. 免费游戏素材获取原则：无版权、可商用、轻量（适配小游戏）、尺寸统一（如 512x512）；
4. 广告功能核心：接入免费广告平台 AdMob，实现「激励广告」（看广告复活 / 得道具，变现核心）、「插屏广告」（游戏暂停 / 通关时弹出），广告分成免费开通，无门槛；
5. 小游戏基础优化：简化操作（适配手机触摸）、控制游戏大小（≤10MB，符合抖音 / 微信要求）、修复卡顿 / 闪退（删除冗余对象）；
6. 常见问题：对象碰撞失效（调整碰撞范围）、广告无法显示（广告单元 ID 错误 / 未通过审核）、游戏闪退（内存不足→删除冗余素材）。

必学实操内容

1. Construct 3 免费注册与入门
   • 官网访问：https://www.construct.net/（浏览器端，无需安装，免费注册账号，个人版永久免费，功能满足小游戏开发）；
   • 基础操作：新建 2D 游戏项目、添加 / 删除 / 移动对象（背景、角色、按钮）、创建多布局（开始 / 游戏 / 结算）、添加对象行为（触摸、移动）；
2. 导入 AI 生成的事件表代码（核心，零代码）
   • 打开 Construct 3「事件表」，直接粘贴 Agent 生成的 Construct 3 代码，系统自动解析为「条件→动作」逻辑；
   • 代码适配：微调少量逻辑（如对象名称匹配），测试游戏基础功能（如猜数字游戏的 "输入数字→判断大小"）；
3. 获取并导入免费游戏素材（无版权，可商用）
   • 素材来源（全程免费）：
     • 图片素材：Pexels（https://www.pexels.com/）、Pixabay（https://pixabay.com/）（背景 / 角色 / 按钮，支持免费下载，无版权）；
     • 音效素材：FreeSound（https://freesound.org/）（按钮声、通关声、广告提示声，免费下载）；
   • 素材处理：用 Windows 自带「画图 3D」裁剪图片尺寸（统一 512x512）、压缩图片（降低游戏大小），直接拖拽导入 Construct 3；
4. 制作完整小游戏（以休闲益智类为例，如猜数字 / 消消乐 / 2048）
   • 核心要求：包含 3 个布局（开始界面→游戏界面→结算界面）、基础触摸操作、关卡设计（3-5 关）、游戏失败 / 通关逻辑；
   • 实操测试：在 Construct 3 中点击「预览」，用电脑模拟手机触摸，测试游戏全程可正常运行，无卡顿 / 闪退；
5. 接入 AdMob 免费广告（变现核心，零成本）
   • 注册 AdMob 账号（免费，个人可入驻）：https://apps.admob.com/，完成实名认证（仅需身份证，无营业执照）；
   • 创建广告单元：新建「激励广告」（看广告复活 / 得道具）、「插屏广告」（游戏暂停 / 通关），获取广告单元 ID（保存好，后续导入）；
   • Construct 3 接入广告：添加「AdMob」插件（免费）、输入广告单元 ID、在事件表中添加广告逻辑（如 "游戏失败→显示广告按钮→点击按钮→播放广告→复活玩家"）；
   • 广告测试：用 AdMob 测试广告 ID，验证广告能正常弹出、播放完成后触发对应动作（如复活）；
6. 游戏基础优化（适配抖音 / 微信）
   • 压缩游戏大小：删除冗余素材 / 音效、压缩图片分辨率，确保游戏包≤10MB；
   • 适配手机：设置游戏画布为 "手机竖屏"（750x1334，抖音 / 微信主流尺寸）、放大触摸按钮（避免误触）；
   • 修复 BUG：测试并解决 "无响应、逻辑错误、广告不触发" 等问题。

学习资源（免费）

• Construct 3 官方中文教程：https://www.construct.net/zh/tutorials
• Construct 3 AdMob 接入教程：B 站「Construct 3 接入 AdMob 广告（零代码）」
• 免费游戏素材网站使用教程：B 站「Pexels/Pixabay 免费素材下载教程」

配套免费学习资源汇总（全程无付费）

视频教程（B 站，小白友好）

1. Windows 环境搭建：Python/Anaconda/Git 超详细安装教程
2. AI 相关：Ollama 部署 CPU 大模型、LangChain Agent 小白入门、LoRA 微调 CPU 版教程
3. 游戏开发：Construct 3 零代码入门、Construct 3 接入 AdMob 广告

文档教程（官方 + 菜鸟）

1. Anaconda 官方中文文档、Ollama 官方文档、LangChain 官方中文文档
2. LLaMA-Factory 官方文档、Qwen 模型官方说明
3. Construct 3 官方中文教程、微信 / 抖音小游戏开发官方教程
4. 菜鸟教程：Python JSON 操作、Python 基础语法

工具 / 资源网站（全程免费）

1. 开发工具：Python3.10、Git、Anaconda、VS Code、Ollama（均为官网免费下载）
2. 模型：Qwen-2.5-1.8B-Chat（阿里开源，免费可商用）
3. 游戏引擎：Construct 3（浏览器端，个人版永久免费）
4. 素材网站：Pexels、Pixabay（图片）、FreeSound（音效），均免费可商用

Windows+CPU 专属优化技巧（全程必备，避免卡顿 / 报错）

1. 硬件资源释放：开发 / 训练 / 生成时，关闭浏览器、微信、杀毒软件、网盘等所有非必要软件，释放 CPU / 内存；
2. 系统设置：开启 Windows 虚拟内存（设置为 8-16GB），弥补物理内存不足；
3. 模型优化：仅用≤2B 参数量的大模型，Ollama 自动量化，缩短提示词（控制在 100 字以内）；
4. 微调优化：数据量 10-20 条、批次大小 = 1、训练轮数 3-5 轮，避免 CPU / 内存过载；
5. Agent 优化：仅保留 3 个核心工具，限制思考步数≤5，简化 Prompt 描述；
6. 游戏开发优化：游戏素材轻量（图片≤512x512，音效≤1MB），游戏包≤10MB，删除冗余对象 / 逻辑。