本文介绍了如何利用 AI 工具和技术栈（Next.js, Prisma, PostgreSQL）来开发一个历史角色猜谜游戏。作者从一个国庆期间的线下游戏体验出发，设想了 AI 在生成谜题方面的潜力。整个开发流程遵循“vibe code”模式，包括需求讨论、UI/UX 设计、前后端实现、API 对接（Wiki API, LLM API）以及最终的优化。AI 在代码编写、UI/UX 设计稿实现、前后端对接等方面发挥了核心作用，仅花费少量成本便完成了项目的开发。

💡 **AI 在游戏开发中的核心作用**：作者利用 AI（特别是 Deepseek）完成了大部分代码编写、UI/UX 设计稿的实现以及前后端逻辑的对接。整个开发流程围绕 AI 的能力展开，展现了 AI 在软件开发中的高效性和成本效益，仅花费了约 5 元人民币。

🛠️ **“Vibe Code”开发流程实践**：文章详细阐述了“vibe code”的开发模式，即通过与 AI 持续的讨论和迭代来推进项目。这一流程包括明确需求、设计 UI/UX、实现前端、设计后端表结构、前后端对接、集成外部 API（Wiki 和 LLM）以及 bug 修复和优化，强调了人与 AI 协作的有效性。

🚀 **技术栈与部署方案**：项目采用了 Next.js、Prisma 和 PostgreSQL 的技术组合。部署方面，结合了 Cloudflare（国内访问加速）、Vercel（应用部署）和 Neon（云数据库），构建了一个稳定且高效的部署架构，确保了游戏的可用性和访问速度。

🧠 **RAG 流程集成**：游戏的核心功能之一是利用 Wiki API 和 LLM API 实现 RAG（Retrieval-Augmented Generation）流程，这意味着 AI 不仅生成谜题，还能结合外部知识库进行更智能的问答或谜题生成，增强了游戏的互动性和深度。

线上地址： https://history-echoes.umiko.moe/

项目地址： https://github.com/umitsurumi/history-echoes

---

起因是国庆期间和朋友玩的历史角色猜谜游戏，感觉这东西很适合让 AI 来生成谜题。但鉴于自己是个瓜皮 java ，所以也正好拿来作为 vibe code 的一次实践。

vibe code 的流程上大致是这样的：

叙述大致需求，并与 AI 讨论，明确细节和技术栈，形成具体文档。使用 1 形成的文档，与 AI 讨论，整理为 UI/UX 的文档。AI 以 UI/UX 设计稿实现前端页面（ mock 后端数据）。后端表结构设计和测试数据初始化，并更新技术文档。AI 实现后端逻辑和前后端的对接，移除先前的 mock 数据。对接 wiki api 和 LLM api ，实现 rag 流程。bug 修复和优化。

技术栈是 nextjs + prisma + postgresql ，部署通过 cloudflare （国内访问加速） + vercel （应用部署） + neon （ pg 云数据库） 解决的。

大体上的 code 工作都是 AI 完成的，使用的是 vscode + roo code 插件 + deepseek 。和 AI 的讨论就是用的可以预设 prompt 的客户端，比如 UI/UX 和需求确定的时候使用不同的角色扮演 prompt 。

不得不说 deepseek 是真便宜，搞下来才花了 5 块钱，不过这个小游戏本来也不复杂就是了。