这两天翻 GitHub 的日榜，AI 编程这一块冒出来的东西，已经很少是”再做一个更强的代码模型”了。大家开始琢磨另一件事：模型写完之后，谁来验？
一个会话里，模型能一口气吐八百行，也能把没跑过的代码说成”已完成”。今天这两个项目都在补这一环，但路子相反：一个给你配 49 个同事，用组织架构逼出验收；一个把视频拆成一堆网页，用两次渲染比对找出坏帧。
Claude Code Game Studios：把一间游戏工作室塞进一个会话
Donchitos 的这个仓库是 GitHub 模板，32,528 星，MIT 协议。数字先摆出来：49 个 agent、74 个 skill、12 个 hook、13 条 rules、39 份文档模板。
它不是又一个大而全的提示词，而是照着真实工作室的层级搭了三层：3 个导演把住创意、技术、制作；8 个部门主管各管一摊，游戏设计、主程、美术、音频、叙事、QA、发行、本地化；剩下的全是专员，从玩法程序、引擎程序、AI 程序，一直排到经济设计师、技术美术、无障碍专员、社区经理。
有个细节挺实在：每个 agent 的 frontmatter 里写了要用什么模型。三个导演点名 Opus，主程和 15 个专员写 Sonnet，剩下 30 个直接继承你当前会话的模型。README 特意说明，这是角色资历，不是账单分级——大部分岗位跑的还是你本来就开着的那个模型。引擎也分了三套，Godot 4、Unity、UE5 各带自己的子专员，GDScript、DOTS、GAS 这些坑都有人管。
用法不复杂：clone 模板，在根目录开 Claude Code，敲 /start。它会先问你现在处在哪一步——完全没想法、有个模糊概念、设计已清楚、还是有现成项目——再带你走。然后写 project.yaml，里面最关键的开关是 modes.rigor，minimal / standard / full 三档，默认 minimal。minimal 是 jam 节奏，不强制 GDD；standard 要 5 节 GDD，full 要 8 节。嫌一档太粗，还能用 system_overrides 单独给战斗系统加码。
真正让它和”多角色扮演”拉开距离的，是验收这条硬规矩：任何改动玩家看得见的东西的 story，光测试通过不算完，必须把游戏启动起来、真的看一眼、把截图存进 production/qa/evidence/。README 原话很直白——解析通过不算跑过。
OpenFilm：电影就是一张网页，验收就是把它看两遍
OpenFilm 是 10 月 4 日才建仓的项目，现在 4,139 星，MIT。一句话概括：让你的 coding agent 拍片，再用一个跑在浏览器里的 Studio 改片。
它的格式选择很聪明：一部片子就是一个 film.html，每个镜头是一张网页，用 frame(t) 这个函数画出任意时刻的画面。three.js、WebGL、canvas、SVG、CSS、GSAP、视频素材，浏览器能画的都能用。没有 Remotion、HyperFrames 那种框架层，一个函数就够了——因为 agent 本来就会写网页，这是它最熟的语言。
安装要 Node 22.2+、ffmpeg 和 git，然后 npx skills add openfilm/openfilm。第一次跑会下载一个约 100MB 的无头 Chromium。也有 macOS 和 Windows 桌面版，自带 ffmpeg 和浏览器。生成配音、音乐、图片、视频要接自己的 key，ElevenLabs、OpenAI、Google、fal 都行，项目本身不要账号。
它花力气最多的地方不是生成，是验收。look 命令会把片子的每一帧画两遍，用两种打乱的顺序各画一次，然后指出哪些帧变了；顺带报页面错误、字体没加载、音轨缺失、文字被画框切掉。这些都是模型最容易翻车、又最容易嘴硬说”没问题”的地方。
代价也明显：渲染靠 Chromium，慢，重，长片不现实。它更像给几十秒的 launch video、产品演示、动效短片准备的，不是拿去剪一部纪录片。
实话
Claude Code Game Studios 的 README 里有一段很少见的自我拆台：作者用同一个 brief，按不同 rigor 各做了一个能跑、能测的游戏，然后数”写第一行游戏代码之前产出了多少文档”。minimal 是 1 份一页 brief，0 分钟；standard 是 30 份，58 分钟。最后两个盲评加一次真人试玩，把 standard 那个排在了最后。
也就是说，多出来的 29 份文档买到的是可追溯性，不是更好的游戏。这段测量比任何宣传语都有说服力，也解释了为什么默认档是 minimal。
但也别把 49 个 agent 当成 49 倍产能。大部分专员继承会话模型，真正干活的是同一个模型换了岗位说明书和 13 条按路径生效的规则，token 该烧还是烧，只是烧得更有章法。OpenFilm 的 look 也一样，它是确定性检查，不是审美判断——帧没坏、字没出框，不代表片子好看。
这两个仓库真正值钱的地方，不是 49、74、4.1K 这些数字，而是它们把”怎么算做完”写成了能执行的文件。模型能力是租来的，验收流程是自己攒的。
