Как я создаю АА-тактическую RPG по индексам архитектуры и 100+ спецификациям

Введение: От хаотичной кодогенерации к системному AI-Disrupt PDLC

Начало было спонтанным и ничто не предвещало текущий процесс. Компания, где я работал, испытала определенные затруднения и резко сократила штат, включая меня. В активе с последнего места работы у меня остался опыт разработки сложных систем и библиотек, написанных на неизвестных мне ранее языках. Благо, наступила эра ИИ, и, перепробовав ряд ассистентов, я успешно решал эти задачи. Но речь не о работе. Внезапно у меня образовалось много свободного времени и нерастраченный энтузиазм. Это было совпадение. Практически в тот же день, спасая нервы от внезапного счастья безработья, я сидел и резался в Jagged Alliance N-й серии. В очередной раз быстро пройдя сектор, я был чуть раздражен от некоторых нелепостей игрового процесса. Думаю, многие фанаты серий Jagged Alliance или XCOM заметили, что серии вырождаются в какие-то примитивные стрелялки, потеряв весь дух первых частей. Каждый раз, читая анонс подобной игры, надеешься, что кто-то наконец-то вернет дух классик и учтет желания фанов. В общем, все наложилось - мне пришла в голову мысль, что можно не только пересобирать/подключать 20+ библиотек на С и Go на чужих проектах с помощью ИИ, но и есть вероятность создать игру которую хочешь. Тем более из чисто мобильного разработчика, при помощи KMP я плавно мигрировал на +десктоп уже на нескольких проектах. Покрутив мысль со всех сторон, особых недостатков не заметил и приступил к реализации.

Разработка масштабной игры АА-уровня в одиночку - проект, который в традиционной индустрии считается заведомо невыполнимым. Полноценная тактическая RPG класса Jagged Alliance 2 или Silent Storm требует одновременного проектирования десятков пересекающихся систем: честной баллистики, анатомической медицины, разрушаемости 3D-окружения, искусственного интеллекта противников, стратегической мета-игры, экономики найма и многоязычного интерфейса.

В традиционной студии над этим работают 15–20 узкоспециализированных инженеров и художников. Когда я начинал проект «ЧВК Носорог» (PMC Rhino), я быстро осознал: точечное использование кодинг-ассистентов для генерации отдельных функций не решает главную проблему. Без системной перестройки жизненного цикла разработки ПО (Product Development Life Cycle) соло-разработчик неизбежно тонет в архитектурном хаосе, рассинхронизации данных и техническом долге.

Ключ к получению реального 10-кратного рычага от искусственного интеллекта - это построение AI-Disrupt PDLC. В этой модели я выступаю в роли Главного Архитектора, Геймдизайнера и Строгого Фильтра, а ИИ-инструменты работают как единая экосистема: от технического координатора и генератора ассетов до аналитика баллистических таблиц.

Фундаментом моего проекта стала не хаотичная кодогенерация, а зафиксированный Мастер-индекс технической документации, включающий более 100 спецификаций. В этой статье я хочу отойти от простого перечисления фич и рассказать, как именно ИИ трансформировал мой процесс инженерии на разных этапах создания игры.

1. От хаоса к SSOT: 100+ спецификаций как фундамент проекта

В классическом инди-PDLC разработчик часто держит лор и баланс в голове или разрозненных таблицах Excel, сразу бросаясь писать код. В проекте сложной тактики это гарантированно приводит к архитектурному тупику.

Мой первый цикл разработки начался не с IDE, а с создания масштабного фундамента знаний. Совместно с Google Gemini, выступавшим в роли технического и нарративного координатора, я сформировал более 100 строгих Markdown-спецификаций. Они покрывают всё: от правил архитектуры Kotlin Multiplatform и Fleks ECS до руководств по дизайну интерфейсов.

Важно отметить, что этот массив спецификаций - не мертвый груз, написанный «в стол» до начала кодирования. Это живой, постоянно обновляемый организм. По мере реальной имплементации систем мы с ИИ регулярно возвращаемся к документам: корректируем баланс, уточняем формулы и вносим новые краевые случаи, с которыми сталкиваемся на практике. Спецификации развиваются и мутируют вместе с проектом, оставаясь Единым Источником Правды (Single Source of Truth - SSOT).

Например:

* Баллистика и снаряжение: В спецификациях заложена огромная база предметов. Мы с ИИ тщательно проверили и выверили каждый параметр для сотен видов реального вооружения и экипировки - от начальной скорости пули, калибра и баллистического веса до актуальных рыночных цен на патроны и амуницию в реальном мире. Вся эта проверенная информация была перенесена в документацию, а уже оттуда автоматически транслирована в игровой код. Сама же математическая модель баллистики и пробития брони на данный момент детально спроектирована на бумаге и ждет своей очереди на тестирование в боевом движке.

* Оцифровка персов: Для 55 уникальных наемников были прописаны психологические профили и оцифровано несколько десятков перков. Если наемник обладает чертой «Высокомерный», ИИ-координатор следит за тем, чтобы эта логика была учтена в экономике - ветеран потребует значительную наценку при наличии новичков в отряде.

На основе этих спецификаций ИИ впоследствии помогает мне генерировать классы данных и валидировать базы ресурсов, исключая риск человеческой ошибки при переносе данных из документации в движок. С помощью ИИ-ассистента я разработал целый набор внутренних инструментов: редакторы вокселей, персонажей, NPC, экипировки и карт, которые позволяют на лету собирать и настраивать элементы игры прямо в движке.

2. Инженерный спарринг-партнер: Математика, физика и 3D-движок

Когда архитектурный фундамент был заложен, я перешел к реализации тактического ядра на базе событийно-ориентированной архитектуры Fleks ECS. И здесь ИИ раскрылся не как «писатель бойлерплейта», а как полноценный спарринг-партнер для решения нетривиальных математических задач.

В хардкорной тактике укрытия не должны работать как абстрактные множители. Я поставил цель реализовать честный расчет взаимодействия пули с преградой. Обсуждая математическую модель с ИИ, мы пришли к системе, где траектория пули рассчитывается с учетом угла вхождения, а при контакте с бронежилетом система замеряет класс защиты плиты и рассчитывает запреградное смещение или пробитие с динамической деградацией материалов. Это потянуло за собой переработку системы медицины: здоровье перестало быть общей «полоской», разбившись на анатомические зоны с расчетом артериального кровотечения, шока и применения турникетов. И из серии "Гулять, так гулять" дополнил расчетами важных зон типа сердца, легких и печени.

Похожий синергетический эффект произошел при работе над навигацией и звуком:

* Преодоление 3D-левитации: Классическая 2D-сетка $A^*$ ломалась на наклонных мостах - персонажи «бежали по воздуху» над перилами из-за замера высоты по Bounding Box. Совместно с ИИ я разработал трехсоставное решение: двухцветная разметка отпечатков (непроходимые перила и встроенный настил), растровая связность Брезенхема для устранения диагональных разрывов сетки и вертикальный 3D Mesh-Raycast. Теперь физический контроллер пускает луч прямо сквозь полигоны треугольников моста, обеспечивая миллиметровую точность посадки стоп.

* Акустика, смена времени суток и погода: Для реализации честной системы слуха я перевел акустику поверхностей на логарифмические сдвиги децибел с учетом фонового шума местности и погоды. Динамическая смена времени суток, смена сезонов и атмосферные явления (дождь, туман, ветер) напрямую влияют на игровой процесс. Например, тропический ливень дает мощный маскирующий фон, заглушающий шаги, а туман или наступившая ночь сокращают дальность видимости бойцов. Звуки честно позиционируются в 3D-пространстве относительно камеры игрока, что позволяет вслепую определять положение врагов за стенами.

3. Генеративный конвейер и автоматизация рутины скриптами

Визуальная часть АА-проекта требует тысяч ассетов. В традиционном PDLC на этом этапе соло-разработка обычно буксует. Моим решением стало построение автоматизированного графического конвейера, где ИИ-инструменты четко распределены по своим зонам ответственности.

Для создания 2D-графики, концепт-артов, портретов всех наемников и иконок экипировки я использую связку Google Gemini (как для генерации самих изображений, так и для тонкой инженерии промптов) и Leonardo AI (в основном для UI-элементов). Это позволило сформировать единый мрачный визуальный стиль локального конфликта. Для обработки огромного количества графики постоянно использую Python-скрипты, которые любезно подготавливает для меня ИИ.

Что касается 3D-графики, изначально я собирал модели на бесплатных стоках (Sketchfab), но со временем практически полностью перевел пайплайн на генерацию 3D-сеток и текстур в Meshy.ai. Полученные 3D-модели бойцов и снаряжения затем импортируются в Blender для автоматической привязки скелета и экспортируются в формат, понятный игровому движку. Динамические презентации собираются с помощью ИИ-видеоредактора Google Vids.

Но главная сложность - это не создать ресурс, а интегрировать его в игру. Чтобы не тратить месяцы на ручную настройку, я спроектировал ряд специализированных скриптов:

* Эволюция библиотек ландшафта: На этапе прототипирования специальный скрипт сканировал 3D-модели и текстуры, автоматически назначая физические параметры и генерируя внешний конфигурационный файл. По завершении отладки я перешел к более чистой программной архитектуре: теперь элементы ландшафта динамически конструируются в коде из единого реестра описания секторов.

* Процедурная и пакетная генерация карт: Рисовать десятки тактических секторов вручную - непозволительная роскошь для одиночки. Я внедрил систему пакетной генерации ландшафтов и декораций. Скрипт берет за основу карту высот, определяет тип местности (биом) и в автоматическом режиме раскидывает деревья, укрытия, скалы и мелкие детали. Это позволяет за считанные минуты генерировать огромные тактические уровни, которые затем остается лишь слегка отполировать вручную в нашем редакторе.

* Юридическая автоматизация: Для полного соблюдения лицензий при использовании сторонних бесплатных 3D-моделей, написанный с ИИ скрипт скачивает страницы моделей, извлекает метаданные авторов, формирует реестр и автоматически собирает итоговый текстовый файл с титрами и благодарностями.

4. Мета-игра и локальный ИИ: Связываем слои воедино

Итоговым этапом стала связка тактического движка со стратегическим слоем глобальной карты острова. Написанные ранее спецификации позволили мне объединить экономику найма (виртуальные порталы, контракты, страховки) с логистикой боеприпасов и отрядов.

Особое место в новом цикле разработки занимает работа с повествованием. Помимо классических сетей нелинейных диалогов, архитектура проекта изначально закладывает использование локальных нейросетей, работающих прямо на устройстве игрока. Я надеюсь, это решение позволит ключевым неигровым персонажам естественно реагировать на действия игрока, генерируя контекстные реплики без необходимости обращаться к платной облачной инфраструктуре.

Грабли, избыточное усложнение и «Иллюзия продуктивности»

Важная часть нового подхода к разработке - умение вовремя распознать ситуации, где нейросеть создает лишь иллюзию продуктивности:

* Ловушка избыточного усложнения: Попросив ИИ спроектировать структуру звуков шагов для разных поверхностей, я получил монструозную схему из десятков аудиофайлов под каждый тип покрытия и скорость. Это перегружало оперативную память и неоправданно усложняло логику. Я выбросил эту систему и сжал ее до пяти базовых акустических классов (мягкий, звонкий, хрустящий, вязкий, водяной), привязав проигрывание звуков к ключевым кадрам контактов стоп в 3D-анимациях. ИИ отлично масштабирует решения, но иногда масштабирует и абсурд, если вовремя его не остановить.

* Нарушение архитектурных границ: ИИ стремится решить задачу наикратчайшим путем. Если не задать строгие рамки, генеративный ассистент легко может предложить изменить пользовательский интерфейс напрямую из глубинных систем боевой логики, что ломает всю структуру приложения. Разработчик обязан жестко контролировать соблюдение границ архитектуры.

* God Object: очень часто идет создание единого класса который пытается делать все на свете, и задача разработчика вовремя это перехватить и сделать рефакторинг.

Сводная матрица эффективности AI-Disrupt PDLC

Заключение

AI-Disrupt PDLC - это не про нажатие волшебной кнопки «Сделать игру». Это про системную инженерную трансформацию, когда соло-разработчик выстраивает четкий каркас из спецификаций, архитектурных правил и Python-скриптов, позволяя ИИ выполнять роль мощного исполнительного мотора и аналитика.

Благодаря этому подходу мне удается в одиночку двигать вперед проект АА-масштаба, сохраняя высокое качество кода, глубину математических систем и выдержанный визуальный стиль. Без ИИ-инструментов эта разработка затянулась бы на десятилетие.

В статье использованы живые рабочие скриншоты, не концепты. В процессе разработки возможны дальнейшие изменения UI.

Если интересно. Я веду короткие заметки в виде дневника разработки и могу постепенно выкладывать.