人人都能用 AI 写游戏的时候，我反而更敬畏专业了

今天，我给孩子做了一个小游戏。

不是找外包。不是学 Unity。也没开产品会。

我打开 WorkBuddy，点了「代码开发」，再点「网站开发」，把脑子里那点愿望一股脑塞进去。屏幕显示，32 分 1 秒后，交付完成。

它给了我一个单文件网页游戏。能直接打开，也能转给家人。画面里有四张地图、80 道题、七级宝石、装备商店和升级路线。孩子答对一道四年级数学题，或者补完一句古诗，就能挖到一颗宝石。

我当时输入的意思，大概是这样的。

做一个地图寻宝的 RPG 小游戏。孩子通过回答四年级数学、古诗填空和造句题来收集不同价值的宝石。攒够价值，换皮肤装备，再进下一张地图。题目从浅到深。

这里面已经有不少看起来挺专业的词。RPG、地图寻宝、宝石价值、皮肤、装备、升级、难度递进。

以前，要把这些词变成一个能跑的页面，可能得跨过好几道门。会写代码，会画界面，会出题，会做游戏机制。现在，这些门被 WorkBuddy 推开了一大半。

但游戏真的出现以后，我反而被另一个问题问住了。

当每个人都能做一个小游戏给孩子玩，专业还值钱吗？

更值钱了。

60 分的门槛被 AI 推平了，80 分才开始算专业

先翻译成大白话。

AI 把「做不出来」变成了「能做出来」。这是很大的变化。一个原本不会写网页的家长，也能做出有地图、有奖励、有题目的学习游戏。我做的这个小游戏，正好就是这 60 分。

但「能跑」和「该给孩子玩」，中间还隔着很远。

截图里的数学题是「30800000 这个数读作什么」。语文题是《题西林壁》的填空。答对后，有白水晶弹窗，有宝石币，有下一步地图。屏幕上显示的检查项里，甚至还有「80 题完整」和「12/12 通过」。

这已经不是一个空白页面了。它是一件可玩的东西。

先给自己的产品泼一盆冷水。

我做的这个小游戏，就是一个 60 分产品。

不是谦虚。它能跑，能玩，能让孩子练几道四年级题，也确实有一点「再答一题就能拿宝石」的快乐。放在以前，这已经够我兴奋半天。

但它没有解决一套学习产品真正难的问题。它还不知道该跟着哪个孩子走，错题该怎样留下来，奖励什么时候该停，下一关该因为什么而打开。它只是把一个家长当下的愿望，做成了一件看得见、点得动的东西。

60 分，刚好。

可专业的人看到这里，问题才刚开始。

题目是对着哪一版教材、哪一个单元、哪一种错误设计的？孩子连续答错三次时，是继续扣奖励，还是换一种解释？二十个宝箱怎么排，才不会变成「刷题换皮肤」？造句评分由谁判，AI 给出的「不够好」会不会把一个孩子刚冒出来的表达欲按回去？

还有一个更细的小地方。原始提示词里，「给 4 岁的小朋友玩」和「四年级知识」同时出现。模型没有停下来问一句。它照样开工，照样交付。

这不是它笨。

它是在执行。

专业的第一份工作，不是多认识几个术语。是发现问题里互相打架的地方，并决定哪个约束优先。

RPG、皮肤和升级，解决的是游戏的外壳。教材目标、难度台阶、错误反馈、儿童心理和内容边界，才决定这个外壳里面装的是什么。

这就是 60 分和 80 分之间最贵的部分。不是产出得更快，而是知道哪些地方不能只求快。

AI 写的代码要不要看，取决于产品停在 60 分还是走向 80 分

最近有一场讨论很热。AI 写出来的代码，程序员该不该自己去看？

我觉得，这个问题问得还不够深。

如果只是为了做出我眼前这个小游戏，答案可以很现实。它是一个 60 分产品。页面能打开，地图能点，题目能答，奖励能弹出来。我没有必要把 AI 生成的每一行网页代码当成古籍，一字一句抄读一遍。

但这不等于代码不需要专业判断。

截图里有「12/12 通过」和「0 个 console 错误」。这能证明一部分流程跑通了。它不能证明题目都对，不能证明奖励机制合适，也不能证明换一个孩子、换一台设备、换一批数据后，系统还会好好工作。

问题就在这。

程序员要看的，从来不只是代码字符。还要看需求有没有歧义，边界有没有漏，测试有没有覆盖，出了问题谁能定位，出了事故谁能负责。逐行读不读，是方法。能不能判断这段代码该不该进产品，才是专业。

这个小游戏也一样。它可以停在 60 分，陪孩子玩一会儿。可一旦有人说，要把它做成一套长期使用的学习产品，代码、题库、交互、奖励和数据，都得重新过一遍专业的眼睛。

说到游戏机制，很多人会提「沉迷算法」。这个词听着有点刺耳。

但如果是给孩子做学习游戏，懂它的人反而应该最早踩刹车。

我不想把孩子留在屏幕前更久。我想看见的是另一件事。她做完一道题，拿到一颗宝石，愿意再多想一下。等她停下来，还记得刚才那个数为什么这么读，或者那句诗为什么填这个字。

这是两种完全不同的设计目标。

前一种盯着停留时长。后一种盯着学习有没有发生。

宝石奖励当然可以有。地图当然可以有。皮肤也可以有。问题不在这些机制，而在它们服务什么。专业的人会给奖励设上限，会让关卡有结束点，会给答错留余地，也会让下一次挑战刚好够得着。

孩子拿到白水晶，屏幕上跳出「收藏值 +10，宝石币 +10」。这一下很开心。

开心之后呢？

这个「之后」，就是专业。

不是「再来一局」的按钮摆在哪里，而是孩子下一次遇到类似题目时，能不能自己想起路径。不是让她被奖励牵着走，而是慢慢把奖励还给她自己。

说真的，这部分 AI 也能给建议。它能列出奖惩、留存、难度曲线，甚至能把一堆游戏设计名词讲得头头是道。

可它不知道我家这个孩子今天已经写了多久作业。不知道她最怕的是计算题，还是被说错。也不知道一颗宝石，究竟是在给她信心，还是在给她压力。

模型没有这些上下文。

人有。

模型乘工具乘专业，少一个都只是半成品

我现在越来越相信，AI 的效果不是一个孤零零的模型分数。

它更像一个乘法。

AI 的效果 = 模型 × 工具 × 专业

模型负责理解和生成。WorkBuddy 把它变成可点击、可分享、能运行的东西。专业负责定义目标、提供约束、看出漏洞，并在关口上问一句，这个能不能交给孩子。

少了模型，很多人还是做不出来。少了工具，想法停在聊天框里。少了专业，交付物会很漂亮，也很像那个「4 岁却要学四年级」的提示词。它能跑。它也可能跑偏。

AI 没有把专业变得不值钱。它把专业从「亲手做每一块砖」里解放出来，逼专业回到更难的地方。

回到判断。

回到品味。

回到对人的理解。

以后，人人都能做小游戏。真正稀缺的，不是谁能在 32 分 1 秒里交付一个页面。

而是谁知道，这个页面该把孩子带到哪里，又该在什么时候停下来。