نبرد هوش‌های مصنوعی در توسعه بازی: وقتی Sonnet و Qwen بر لبه‌ی آروان‌کلاد با هم رقابت می‌کنند

تا همین چند سال پیش، توسعه یک بازی تحت وب با ده‌ها مرحله، غول‌های آخر (Boss Fights)، سیستم ذخیره‌سازی رمزنگاری‌شده و گرافیک و صدای تولیدشده با کد (Procedural)، نیازمند هفته‌ها برنامه‌نویسی، طراحی معماری و تست بود. اما امروز، به لطف مدل‌های زبانی بزرگ (LLMs) و مهندسی پرامپت (Prompt Engineering)، این فرایند می‌تواند تنها با یک دستور متنی جامع آغاز و به سرانجام برسد.

در این مقاله، داستان یک آزمایش جذاب در دنیای توسعه بازی‌های تحت وب را مرور می‌کنیم: اجرای یک پرامپت بسیار دقیق و مهندسی‌شده برای ساخت یک بازی تانک اکشن (Arena Shooter) توسط دو مدل هوش مصنوعی متفاوت، و در نهایت استقرار هر دو خروجی روی زیرساخت پردازش لبه (Edge Computing) آروان‌کلاد.

کالبدشکافی یک پرامپت همه‌جانبه

پرامپتی که برای این پروژه نوشته شده، یک درخواست ساده‌ی «یک بازی تانک برایم بنویس» نیست؛ بلکه یک سند طراحی بازی (Game Design Document) کامل است که به زبان ماشین ترجمه شده است. این پرامپت از هوش مصنوعی می‌خواهد یک بازی HTML5 Canvas تک‌فایلی (بدون استفاده از فریم‌ورک‌هایی مثل Phaser) بسازد.

برخی از جذاب‌ترین چالش‌های فنی مطرح‌شده در این پرامپت عبارتند از:

  • گیم‌پلی گسترده: شامل ۵۰۰ مرحله داستانی، باس‌فایت، حالت بقا (Survival)، حمله زمانی (Time Attack) و دفاع از پایگاه.

  • محدودیت‌های فنی سخت‌گیرانه: رندر شبه‌سه‌بعدی (Pseudo-3D) با ایجاد عمق در دیوارها و تانک‌ها، سیستم ذرات (Particles) و لرزش صفحه (Screen Shake).

  • تولید صدای رویه‌ای (Procedural Audio): بدون استفاده از هیچ فایل صوتی خارجی و صرفاً با استفاده از Web Audio API برای تولید افکت‌های صوتی و موسیقی پس‌زمینه.

  • ذخیره‌سازی امن: استفاده از رمزنگاری AES-GCM (Web Crypto) برای جلوگیری از تقلب در فایل‌های ذخیره بازی.

  • طراحی واکنش‌گرا (Responsive): پشتیبانی از کنترل‌های لمسی موبایل در حالت افقی و کیبورد در دسکتاپ (از جمله حالت دونفره محلی).

این سطح از جزئیات، یک تست استرس (Stress Test) واقعی برای حافظه، منطق برنامه‌نویسی و توانایی پیروی از دستورات در مدل‌های هوش مصنوعی است.

دو رقیب، دو رویکرد: Sonnet در برابر Qwen

برای ارزیابی توانمندی هوش مصنوعی، این پرامپت به دو مدل قدرتمند سپرده شد:

۱. مدل Sonnet 5 (از طریق Cursor)

سونت که توسط Anthropic توسعه یافته، در حال حاضر یکی از سریع‌ترین و قدرتمندترین مدل‌های جهان در زمینه برنامه‌نویسی است. این پرامپت در محیط توسعه Cursor (که یک IDE مبتنی بر هوش مصنوعی است) به این مدل داده شد. Sonnet با توانایی خارق‌العاده‌اش در کدنویسی و درک کانتکست‌های طولانی، به شکلی بهینه معماری کدهای یک‌پارچه و پیچیده را مدیریت می‌کند.

۲. مدل Qwen 3.5 (روی زیرساخت آروان‌کلاد)

در سمت دیگر، Qwen 3.5 (توسعه‌یافته توسط علی‌بابا) قرار دارد؛ یک مدل متن‌باز بسیار قدرتمند که توانسته در بنچمارک‌های مختلف شانه به شانه مدل‌های تجاری حرکت کند. استفاده از این مدل بر روی زیرساخت هوش‌ مصنوعی آروان‌کلاد نشان‌دهنده پتانسیل بالای مدل‌های متن‌باز در اجرای تسک‌های سنگین برنامه‌نویسی است. زیرساخت هوش مصنوعی آروان‌کلاد علاوه‌بر این مدل، مدل‌های دیگر را به صورت پروکسی و لوکال ارائه می‌دهد.

استقرار مدرن: جادوی پردازش لبه (Edge Computing)

یکی از جذاب‌ترین بخش‌های این آزمایش، نحوه میزبانی بازی‌هاست. به‌جای استفاده از هاست‌های سنتی یا سرورهای مجازی، هر دو بازی روی محصول پردازش لبه آروان‌کلاد (ArvanCloud Edge Computing) مستقر شده‌اند.

در یکی از بخش‌های اختیاری پرامپت، به صراحت درخواست شده بود که ساختار بازی به‌گونه‌ای باشد که بتوان آن را به عنوان یک رشته متنی (String) در یک Edge Worker سرو کرد. این یعنی:

  1. بدون نیاز به سرور (Serverless): کد HTML/JS/CSS مستقیماً در لبه شبکه اینترنت و در نزدیک‌ترین نود (Node) به کاربر پردازش و ارسال می‌شود.

  2. سرعت بی‌نظیر: از آنجا که بازی هیچ Asset خارجی (عکس یا صدای دانلودی) ندارد و کل آن از طریق یک اسکریپت Edge سرو می‌شود، زمان بارگذاری بازی (Load Time) تقریباً به صفر می‌رسد.

تجربه و مقایسه نتایج

شما می‌توانید نتیجه‌ی کار هر دو مدل هوش مصنوعی را به صورت زنده بازی کنید و تفاوت‌های آن‌ها در پیاده‌سازی منطق بازی، فیزیک تانک‌ها، هوش مصنوعی دشمنان و رندر گرافیکی را بسنجید:

هنگام تجربه این دو نسخه، به این نکات توجه کنید:

  • کدام مدل توانسته است سیستم صدای رویه‌ای (Web Audio) را بهتر پیاده‌سازی کند؟

  • رفتار دشمنان (AI) و برخورد گلوله‌ها با دیوارها در کدام نسخه نرم‌تر و دقیق‌تر است؟

  • آیا منوها، سیستم دستاوردها و رمزنگاری ذخیره بازی در هر دو نسخه طبق پرامپت کار می‌کنند؟

نتیجه‌گیری

این آزمایش فراتر از ساخت یک مینی‌گیم ساده است. ترکیب «مهندسی پرامپت دقیق»، «مدل‌های زبانی پیشرفته (Sonnet و Qwen)» و «زیرساخت پردازش لبه (Arvan Edge)» نشان می‌دهد که پارادایم توسعه نرم‌افزار در حال تغییر است. ما از روزهایی که صدها فایل و مگابایت‌ها دیتا برای یک بازی ساده تحت وب نیاز بود، به جایی رسیده‌ایم که یک مدل هوش مصنوعی می‌تواند تمام منطق، گرافیک و صدا را در یک بلوک کد تولید کرده و لبه‌ی شبکه آن را در کسری از ثانیه به دست کاربر برساند.

کدام هوش مصنوعی در ساخت این بازی برنده بود؟ پیشنهاد می‌کنم روی لینک‌ها کلیک کنید و خودتان داور این نبرد باشید!

شوخی سازنده

به سبک بازی‌های قدیمی در این بازی هم یک کد برای آزاد کردن همه امکانات وجود دارد. کد را پیدا کنید و از اسلحه‌های پیشرفته‌ لذت ببرید.