前言（唯一的人类部分）
哦，其实并非，因为ai没有图片能力，所以图片都是我插的。
首先感谢豆姐，豆包工作下载即送30天会员（不是广告）
豆姐都不嫌我穷，我还怎么嫌豆姐弱呢？真的，蹬了一天了，蹬不完，根本蹬不完，别看我1天快把7天的量蹬光了，但是我今天又是更新知识库，又是同步github，又是组织迁移，又是宣发，又是让豆姐处理issue，又是整理文档记忆啥的。
omg，这都蹬不完，豆姐大气，太大气了，这不宣传一下真没话说。
对了，b站那边我发了（只有上传和发布是我干的，其他时候全是豆姐干的，ai忠诚的手这一块）。说起来豆姐不仅有全套剪辑能力（其他的没有），还有云电脑，终于不用担心电脑风扇转太快崩掉了。
太久不写md了，正在思考怎么写引用……
【AIGC】这个对战棋，是一个人两天半肝出来的 【AIGC】30 秒学会《烽决》—— 比军棋多三个玩法 【AIGC】15 秒，看懂这盘棋有多狠 【AIEC】两天半，从 0 到可玩 alpha：一个人的游戏工作室
欢迎体验，也欢迎提issue（在本博客下面留言，我会处理）
起因
《烽决》(duelchess) 是我和我的 Agent 用两天半做出来的游戏——严格说，是一套完整的「游戏工作室管线」：130 次提交、9,453 行代码（72 个文件）、74 个单元测试、173 张美术素材、30 个音效（15 类）、4 张地图，当前版本 v1.0.0-alpha.1（可玩 alpha）。
游戏做完，宣发怎么办？市场上宣发外包报价不菲，而我的团队规模是「1 个人 + 1 个 Agent」。于是我把宣发也交给了 Agent：四支视频（15s 高光 / 30s 教学 / 60s 综合 / 3min DevLog）从素材处理到成片，全部由 Agent 完成。这篇文章记录整个管线怎么搭的，以及踩过的坑。
一、素材：回放 JSON + 录屏帧
宣发素材来自游戏回放。每局对战有回放 JSON（每手：棋子、移动、事件），再加上浏览器录制的回放画面帧。
关键决策：不用录屏当画面主体，而是用回放数据驱动渲染。录屏帧 1800×931 横屏，塞进竖屏短视频必然糊；回放 JSON 反而给了精确的棋局状态——每手谁动了、从哪到哪、触发了什么事件（传送、铁轨滑行、吃子、炸弹同归、基地暴露、夺基地获胜）。
# 回放数据 → 每手状态快照（用官方规则引擎逐手模拟）
npx tsx sim_replay.ts replay_yongwang.json > sim_yongwang.json
模拟结果示例（第 1 手：红 5 级棋子走传送门，一步跨 9 格）：
{ "turn": "blue", "move": { "id": "r12", "from": "3,2", "to": "2,9" },
"events": ["moved", "teleport", "moved"], "via": ["2,3"] }
四个回放全部用规则引擎验证：0 非法移动。这保证了画面里的每一步棋都是规则合法的，而不是「看起来差不多」。
二、渲染引擎：五版迭代，四版被否
这是最扎心也最有价值的部分。画面渲染引擎一共写了五版：
| 版本 | 方案 | 用户反馈 |
|---|---|---|
| v1 | 录屏直剪拼接 | 太粗糙 |
| v2 | PIL 缩放 + 转场 + 字幕 + BGM | 没排版没特效，音量炸耳 |
| v3 | 竖屏小棋盘版 | 字太小看不清 |
| v3.1 | 大棋盘裁切特写 | 放大什么都看不见 |
| v4 | PIL 从零重绘棋盘（电竞风） | 清晰了，但是丑 |
| v5 | 原美术素材 + 局部放大特写窗 | 放大的全是无关内容 |
关键认知：Agent 没有眼睛，但用户有。每一版我都以为「技术上有进步」，但审美是主观且连续的——用户要的不是「更清晰」，而是「好看且看得清」。最终定稿的是 v4 重绘版（全盘 6×13 可见、44px 大字棋子数字、移动插值/爆炸/传送/胜利金光特效）+ v3 版 DevLog 长视频。
v4 的技术要点（PIL 渲染）：
- 规则引擎驱动：每手从快照拿棋子位置，再叠加动画——移动插值、跳跃弧线、战斗爆炸、传送光圈、胜利金光
- 信息区排版：金线分隔 + 回合 tag + 大标题（自动缩字号 84→40px）+ 金色副题 + CTA
- 特效打点：from 金色高亮框、to 白色脉冲框、虚线移动路径、基地暴露红框 + 「基地暴露」标签
# 每手动画帧：脉冲相位 + 特写窗平滑移动
glow_t = 0.35 + 0.65 * abs(math.sin(t * math.pi)) # 0..1 脉冲
frac = t # 特写窗 from→to 平滑
三、音量工程：先测再交付
用户第一次反馈最狠的一句是：「点开视频吓死我了，BGM 又几乎听不见。」——音量不是感觉问题，是可测的工程问题：
# 交付前必跑：整体电平 + 分段电平
ffmpeg -i out.mp4 -af volumedetect -f null - 2>&1 | grep -E "mean_volume|max_volume"
最终固化的音频链：
- 音效：
volume=0.22+adelay精确打点（每手节奏对齐） - BGM：音量 0.55~0.85，
atrim截长、片尾afade淡出 - 混音：
amix normalize=0（不自动压音量）+alimiter limit=0.95（限幅防削波） - 验收标准：mean ≈ -20dB、max ≤ -4dB，分段抽查无炸耳段
坑：amix 输入有上限，音效多时要分组混音（每组 ≤6 个，最后再混合并加限幅器）：
[bg][sf1]...[sf6]amix=inputs=7:normalize=0[g0];
[sf7]...[sf12]amix=inputs=6:normalize=0[g1];
[g0][g1]amix=inputs=2:normalize=0,alimiter=limit=0.95[mix]
四、宣发策略：Agent 也能做市场调研
视频是载体，策略是方向。Agent 用 8 个独立信源（Steamworks、The Game Marketer、SeeIndie、TrapPlan、Gamosy、Hash Hackers 等）做了独游宣发调研，结论直接落到四支视频的定位上：
- 发布前 6-12 个月就该建社区、发 devlog——社区不是发布后才有的
- 短视频 10-20s 的高光时刻是最大的自制流量引擎，胜过精剪大片
- Steam 页尽早开（wishlist 收集机），Next Fest 每游戏只有一次机会
- 微/纳米 creator（1K-25K 订阅、垂直匹配）优于大主播
- 国内渠道：B站 UP 主/二创、抖音/小红书、好游快爆/taptap 首发资源
于是四支视频各有分工：15s 高光（短视频钩子）→ 30s 教学（内容种草）→ 60s 综合（trailer 级）→ 3min DevLog（深度内容）。
五、经验教训
- Agent 没有眼睛，所以要有「自检协议」：每帧渲染后 OCR 验证文字可读、抽帧拼图人工可查、音量用工具测而不是靠感觉。用户说「你会做视频吗？没有眼睛怎么做视频」——答案是把验证做成确定性的流程。
- 审美反馈是最高优先级信号：技术实现完成 ≠ 交付完成。五版迭代里，每一版被否都是因为「技术对了，审美不对」。把用户反馈当作需求，不要辩解说「这是技术进步」。
- 数据驱动画面：回放 JSON + 规则引擎模拟，比截图靠谱得多——能精确复现每一手，还能加合法动画。
- 音画分离、解耦迭代：画面渲染和音频合成分开，改音量不用重渲画面（
-c:v copy只换音轨）。 - 记忆沉淀：每轮迭代把决策、结果、踩坑写进知识库（飞书）+ 本地记忆文件，下次不再重复踩同一个坑。
结果
四支视频全部交付：15s 高光（6 手关键战术）、30s 教学（13 手规则叙事）、60s 综合（15 手完整战局）、3min DevLog（开发过程）。音频达标（mean -18.7~-21.9dB、无削波）。版本口径始终锁死：可玩 alpha，不是完成品。
游戏试玩：https://duel.tmoc.qzz.io （灵感来自军棋，棋盘更像斗兽棋）