猫咪拆家：从出租屋拆到博物馆

一只猫，两段提示词，一张账单

一只橘猫被独自留在一间出租屋里，90 秒内能拆多少拆多少：推倒家具、打碎餐具、捡猫罐头，再用罐头换属性升级，解锁越来越好的房间。第一关是廉价出租屋，最后一关是博物馆。

游戏本身是演示品。真正值得读的是那张账单：两段提示词、17 次调用、$5.77，没有一行代码是手写的。模型是新加坡 FUMO Lab 的 Fusion Max 2.0，走 OpenAI 兼容接口，所以填上 Base URL 和 Key 之后，同样的循环在 Cursor 或 Codex 里也能跑。

第一段提示词是需求文档，不是许愿

"帮我做个游戏"这类提示词大多会失败，因为没有任何东西可供对照。这一段反过来，先要一份设计文档，而文档是按 CrazyGames 自己的考核指标来写的：单次游玩至少 10 分钟、次日留存 10% 到 15%、三秒内能上手、全部由代码生成所以没有任何资源需要下载。

这个改写的价值比选哪个模型更大。平台的审核指标是一份免费的需求文档，它在你写第一行代码之前，就把游戏需要的循环——短局、升级、每日任务、一个再回来的理由——逼出来了。文档约 2.7 万字；之后的版本约 130 KB，一次就跑通。

四轮改完，二十项里确认十六项

接下来是四轮修改。四轮里提出二十项要求，确认了 16 项；按作者的说法，剩下四项还要再走一轮。没有任何一处是手动改的，这才是值得记的地方：每一轮都是对着上一版重新下一段提示词，而不是一次调试。

最后一轮是美术，也是唯一走出模型的一步。临时的几何猫换成了 Blender 模型：一只 24 层毛发的橘色虎斑。

成本对比到底在测什么

17 次调用 $5.77。同样用量按 Claude Fable 5.1 或 GPT-6 Astra 的含价算约 $14.92，差 2.6 倍。做 100 个原型，差距接近 900 美元。

这个数字是真的，是实测账单，不是估算。它底下压着两件事。一是它依赖新用户试用额度和厂商当下的促销价，所以它是"这一次尝试今天的成本"，不是稳定的单价。二是文章本身带着模型厂商的推荐链接，这让 $14.92 这组对比更接近厂商侧的测算，而不是中立基准。

不过这个论证不靠精确倍数。独立开发者 anul agarwal 2023 年用 ChatGPT 做的合成大西瓜变体，做到 6500 万以上玩家、赚了 25000 美元以上，而他自己说前后做了 120 多个原型、前 100 个几乎没赚钱。如果一次试错是 $5.77 而不是 $15，这条路就不再只属于有预算的人。但如果一次是 $5.77、前 100 个照样不赚钱，便宜的循环买到的是更多次尝试，不是更高的命中率。

这些都还没上架

游戏还在作者本地，既没提交 CrazyGames，也没提交微信小游戏，所以没有玩家、没有广告曝光、没有收入。

剩下的恰好是模型替不了的部分：CrazyGames 有三条审核线，微信小游戏有一套备案材料，两者都不是设计问题。作者自己的结论是，大部分小游戏仍然起不来，无论做得有多便宜。

能带走的是什么

这里可复用的不是游戏，也不是模型，而是提示词的顺序。先照着平台指标把需求写出来，再把迭代限定在固定轮数里，这样每一次尝试的成本才是已知的。

其余条件都成立才有意义。成本优势假设你用一个便宜的接口，做一个体量小、自包含的东西。美术仍然需要一个人和一件不是语言模型的工具。两段提示词原文都公开了，这也是它值得进案例库的原因：这套流程可以拿你自己的点子跑一遍，而不是直接相信结论。