我是如何构建 LennyRPG 的

用 AI 将 300+ 集播客转录稿变成一个有趣、可玩的 RPG 游戏。

摘要

本文作者 Ben Shih（Miro 的产品设计师，非技术背景）用 AI 工具将 Lenny's Podcast 的 300 多集转录稿变成了一个宝可梦风格的 RPG（角色扮演游戏，Role-Playing Game）——LennyRPG。玩家在像素世界中探索，遇到播客嘉宾，通过产品知识问答对战，胜出后"捕获"嘉宾加入收藏。文章完整呈现了从构思、AI 访谈生成 PRD（产品需求文档，Product Requirements Document）、概念验证、规模化处理数据、到最终发布的全流程，并分享了三条核心经验：用创造力而非执行速度取胜、把 AI 当协作者而非工具、AI 不能替代好的 UX 判断。

一、核心构想：宝可梦 + Lenny's Podcast

几个月前，Lenny 将 300 多集播客转录稿结构化并公开发布。作为多年听众，Ben 感到这是一个时机窗口——正如 Brian Balfour 所说，如果你抓住正确的时机，就找到了真正的机会窗口。

最初的想法是做一个"Lenny 面试模拟器"——让用户与 Lenny's Podcast 的嘉宾练习求职面试。但 Ben 越想越觉得不对：面试练习工具天然带有压力感，而他想做一个有趣的产品。

于是核心构想诞生了：

把 Lenny's Podcast 变成一个宝可梦风格的 RPG。玩家探索像素世界，遇到播客嘉宾，通过产品知识问答与他们对战，获胜后"捕获"他们——就像抓宝可梦一样。

对于视觉密集型产品，Ben 强调花时间做可视化能极大帮助后续 AI 理解需求。他把宝可梦截图拖入 Miro（在线协作白板工具），在上面用文本框和方框标注出地图、对战界面和角色外观的构想——不需要精致的设计稿，足够让 AI 理解意图即可。

同时，他用 ChatGPT 生成了一批测试用像素风角色头像（avatar），核心目的是验证内容生成工作流和调试提示词（prompt）。关键操作：把目标风格参考图和真人照片一起输入 ChatGPT，生成后让 AI 反推出完整的风格描述提示词，以便后续批量复用。

二、PRD：让 AI 面试你

Ben 的 AI 构建流程六步法：核心构想 → PRD → 概念验证（POC，Proof of Concept） → 添加功能 → 打磨 → 发布。这与 AI 时代之前并无本质不同，但前两步的投入决定后面 80% 的顺利程度。

他的 PRD 策略非常独特——不让 AI 替你写 PRD，而是让 AI 面试你。

具体做法：把核心构想和可视化草图粘贴给 ChatGPT，然后用以下提示词：

"向我提问，帮助你为以下网页游戏整理一份简要 PRD：我想创建一个小游戏，把 Lenny's Podcast 的所有集数生成问题，做成宝可梦 RPG 风格的游戏……"

ChatGPT 返回了 17 个问题。Ben 把问题搬到 Miro 中可视化，用 Wispr Flow（语音输入工具）口头回答。这个过程不仅给了 AI 远超一段描述所能提供的上下文，还迫使他思考想法中的漏洞和假设。

回答完所有问题后，他将答案与 Miro 中的所有素材（截图、草图）链在一起，让 AI 生成了一份全面的 PRD。这份文档成为整个构建过程中的唯一真相来源（single source of truth）——每当 AI 遇到瓶颈或上下文窗口耗尽，都可以让它回到 PRD 重新对齐。

三、概念验证：从 RPG-JS 到 Phaser 的曲折之路

Ben 的编码工具栈是三人分工：

他将 PRD 转为 Markdown 放入 Cursor，首先让 Claude Code 搜索开源项目加速。很快就找到了 RPG-JS，一个 RPG 游戏框架——五分钟就跑通了基本流程：地图移动、遭遇区域、基础 UI。

但问题很快暴露：RPG-JS 围绕背包系统和武器战斗设计，而 LennyRPG 的战斗是问答和逻辑驱动的。越尝试扭曲框架，AI 越难理解系统。与 Claude Code 讨论后，Ben 果断放弃，转向 Phaser 3——一个更灵活的 HTML5 2D 游戏框架。

然而灵活性意味着更多工作量。在 Phaser 中搭基础地图就花了很多精力。Claude Code 找到了一篇包含开源地图模板的 Medium 文章，大幅提速。但 Phaser 的复杂性意味着大量细节需要迭代：字体导入、UI 定位、Canvas 编辑……

一个关键技巧：让 Claude Code 创建一个 Markdown 文件记录所有尝试（什么有效、什么无效），随着代码库增长，这个日志让 AI 能持续理解上下文，哪怕是改字体这样的小事也不容易出错。

经过这些挑战，游戏终于达到了可玩状态：起始界面、地图、对战界面端到端跑通。Ben 在办公室做了轻量级非正式测试，核心问题是：玩家第一眼能理解怎么玩吗？核心循环合理吗？最重要的是——感觉好玩吗？ 这些反馈给了他将 POC 扩展为完整游戏的信心。

四、规模化：处理 300+ 集转录稿的系统化方法

从 POC 到完整游戏的核心挑战不是功能，而是系统化处理大规模数据。

4.1 结构化处理 300+ 转录稿

Lenny 提供的转录文件只有纯文本。Ben 先用 Cursor Composer 拉取播客 RSS 源（RSS Feed），为每条转录附加标题、链接、封面图等元数据（metadata），形成完整的可用数据集。

然后用 Claude Code 创建了一个 CLI（命令行界面，Command Line Interface）工具，系统化地调用 OpenAI API 为每集生成 5 道问答题。指令很简单：

"创建一个 CLI 命令工具，逐个读取 /transcript 文件夹中的转录稿，为每份生成 5 道题，按制定要求输出 JSON 格式……"

大约 20 分钟后，得到一个直接可嵌入游戏的结构化 JSON 文件。

4.2 250+ 角色头像的生成噩梦

每个播客嘉宾需要一个像素风 RPG 头像，手动下载照片逐一生成将耗费大量时间。Ben 的解法：每集 Lenny's Podcast 的封面图本身就包含嘉宾头像。他让 Cursor Composer 从 RSS 源抓取封面图 URL，下载到本地作为头像生成输入。

一致性是最大难题。他在 OpenAI Playground 中反复测试和优化提示词，测试不同模型（最终使用 gpt-image-1.5），直到每张头像风格统一。

然后再次用 Claude Code 写了一个 CLI 工具，一键批量生成所有头像。但——每张输出仍需人工逐一检查尺寸、风格、是否与嘉宾真人匹配。这步还发现了好玩的边缘情况（edge cases）：比如 Adam Grenier 的播客封面图上真的有兔耳朵，差点被删掉；还有两人同框的剧集（如 Jake Knapp 和 John Zeratsky），需要让 AI 为每个人单独生成头像。

4.3 Claude Code 的魔法：背景音乐

音频对游戏至关重要。Ben 只输入了一句："帮我搜索每个阶段的背景音乐，带静音控制。" Claude Code 自动找到了 OpenGameArt.org（开源游戏音频库），不仅为地图场景添加了音乐，还自动为对战界面、胜利画面和失败画面分别配乐。只需微调时间和音量——"那部分真的像魔法一样。"

4.4 游戏机制设计

Ben 手动设计了规则：

• 每个对手 3 道题，答对获 XP（经验值，Experience Points）
• 全部答对算"完美击杀"
• 随机出现加分题（Bonus Question）：额外 XP + HP 回复
• 阶段推进基于 XP 阈值，解锁新地图和新嘉宾
• 被击败的对手消失并加入收藏，防止重复刷分

他用常识和反复试玩来调试平衡性，AI 仅用于数学校验和边界情况检查——最终的感觉判断由人来做。

4.5 通过 MCP 连接 Supabase 排行榜

排行榜是游戏的竞争维度。Ben 在 Claude Code 中设置了 Supabase MCP（模型上下文协议，Model Context Protocol），只需描述"我要一个与 Supabase 同步的排行榜"，MCP 就自动调用 create_project 和 apply_migration 等工具创建项目、数据表和连接——几乎不需要写后端代码。结果是一个实时同步玩家进度的可用排行榜。

五、打磨与发布

发布前聚焦于减少摩擦和明显问题，而非添加新功能。

QA 检查：从 Claude Code 的 Awesome Skills marketplace 下载了 review skill，用于全面审查代码库，尤其擅长捕捉场景间状态问题、缺失的错误处理和多次游玩才暴露的逻辑 bug。

UI 打磨：端到端过一遍，将所有 UI/UX 不一致（间距、文本溢出、标签不清、对齐问题、视觉层级）记录到 Markdown 文件中，然后让 AI 逐条修复。清晰描述问题后，这个方法出奇高效。

SEO（搜索引擎优化）：用 Claude Code 处理了页面标题、meta 描述、社交预览和基础索引——对游戏类网站够了，主要确保可索引、可分享。

最终通过 Vercel 平稳部署。Ben 在 Lenny 的社区 Slack 中联系他做快速审核，得到了意想不到的热情回复——这就是那一下"推一把"就发布了的契机。Lenny 在 X（Twitter）上分享后，反响远超预期。

六、经验教训

1. 用手中的工具发挥创造力

AI 让"能不能造"不再成为瓶颈，创造力比执行力更重要。不要问"能做什么"，而是问"什么有趣？""什么有点荒唐？""没有 AI 我绝不会尝试什么？"Ben 想做游戏很久了，但时间和技术的门槛一直太高——AI 把门槛降到了值得一试的程度。

2. 卡住时，信任 AI——不只求答案，更求清晰

• 不会写 PRD？让 AI 面试你。
• 不确定技术栈选型？让 AI 和你一起推演取舍。
• 遇到无聊的重复劳动？暂停，问 AI 能不能先跑一遍——搜索音乐、探索开源库、处理大数据集。

最大的解锁：把 AI 当作帮助结构化思考的协作者（collaborator），而非执行命令的工具。 思路清晰后，一切都快得多。

3. AI 不是糟糕 UX 的借口

AI 生成的输出技术上能跑，但用起来可能别扭、令人困惑甚至沮丧。如果 Ben 发布了 AI 产出的第一版，游戏能运行，但不会好玩。

核心循环的感觉、UI 的细节、用户的情感体验——这些东西仍需意图、品味和判断力。AI 可以帮你跑得更快，但不能代替你对"真人如何体验你的产品"的深思熟虑。这部分，仍然靠你自己。

试试看！ 玩游戏：www.lennyrpg.fun

Ben 是 Miro 的 Growth Designer，喜欢创建小而有趣、有想法的产品。更多作品：benshih.design 或 LinkedIn。

原文链接：How I built LennyRPG