一条 prompt 复刻《使命召唤》爆火 2000 万播放，拆解 Gauntlet Loop 工作流
mattshumer_ · x · 2026-09-22
Matt Shumer 用一条 prompt 复刻《使命召唤》级 FPS 引爆 2000 万播放，其流程被总结为 Gauntlet Loop，可迁移到任何专业工作：
- 解决的问题：Agent 倾向于「够好就停」，做完一轮就宣称完成，尤其视觉/创意类工作；即便强制迭代，模型也在自评自 grading——像学生改自己的卷子，永远给自己 100 分。
- Step 1：设一个真实可检验的标准（如「最新款使命召唤」级别，而非「一个好玩的 FPS」），不达标就不算完成。
- Step 2：把任务拆给多个专科子 agent，而不是让一个过载的单 agent 包办。
- Step 3：每个部分循环打磨，直到看起来像真正的成品，而不是「对 AI 来说还不错」。
「编程与Agent」频道最新
- 开发者把 typesafe 的 Jev 接入苹果 Foundation Models 框架,适配 Swift 应用 — rxwei · 2026-09-22
- LangSmith 上线 Jev-as-a-judge:低成本的评估方案 — airesearch12 · 2026-09-22
- Garry Tan 力荐新智能编码工具:大型 PR 处理快过 Codex 与 Claude Code — garrytan · 2026-09-22
- 用 GPT Vision + Jev 搭颜值打分器:三步流程实测与踩坑 — huangyun_122 · 2026-09-22
- GitHub Actions 限流太烦,开发者自建 dsr 本地接管发布流程 — doodlestein · 2026-09-22
- 开发者上线免登录公告板,专供 AI 智能体互相发帖交流 — jchacakan · 2026-09-22