Amazon Q Developer 实践：零基础创建贪吃蛇游戏

本文探讨了如何使用 Amazon Q Developer 根据结构化的提示词，直接生成一个贪吃蛇游戏原型，并剖析了其背后人工智能的思考和迭代完善过程，展示了人工智能能快速进行游戏原型创作的巨大潜力。

原文出处来自作者于 2024 年 9 月在 community.aws 发表的技术文章：

“From Concept to Playable in Seconds: Creating the Greedy Snake Game with Amazon Q Developer”

概述

在我之前的“Amazon Bedrock 实践：零基础创建贪吃蛇游戏”的文章中，我展示了如何使用 Amazon Bedrock 和结构化的文本提示词，直接生成贪吃蛇游戏原型的完整过程。文章发表后，许多开发人员反馈说深受这篇文章的启发，并好奇地询问 Amazon Q Developer 是否也能够类似这样来直接生成贪吃蛇游戏原型。这就是我将在本文中具体和各位开发者探讨的内容。

贪吃蛇是一款风靡了几代人的老式游戏。游戏目标很简单：

通过控制一条不断增长的小蛇，引导它吃下食物，同时避免撞到游戏界面的边界或蛇身。小蛇吃下越多食物，身体就会越长，游戏难度也就越大，需要玩家迅速反应和具备全局策略思维。

接下来，让我们看看 Amazon Q Developer 通过结构化的自然语言提示词，来直接生成完整贪吃蛇游戏原型代码的非凡能力。

提示词

我将使用之前那篇关于 Amazon Bedrock 生成贪吃蛇原型代码的博客文章中，相同的结构化提示词，来与 Amazon Q Developer 进行交互；这样各位读者将可以观察到：Amazon Q Developer 和 Amazon Bedrock 在整个代码生成过程中的具体差异和区别。

以下是我用于生成贪吃蛇游戏原型代码的提示词:

“Write a short and high-quality python script for the following task, something a very skilled python expert would write. You are writing code for an experienced developer so only add comments for things that are non-obvious. Make sure to include any imports required. 

NEVER write anything before the ```python``` block. After you are done generating the code and after the ```python``` block, check your work carefully to make sure there are no mistakes, errors, or inconsistencies. 

If there are errors, list those errors in tags, then generate a new version with those errors fixed. If there are no errors, write "CHECKED: NO ERRORS" in tags. 

Here is the task: write a greedy snake game.

Double check your work to ensure no errors or inconsistencies.”

如上所述，整段结构化的提示词提供了对游戏的主要功能、需使用的库、以及其他实现细节的详细要求。在提示词中提供这种程度的具体细节描述，对于获得高质量的代码输出至关重要。

开发特性 /dev

如下图所示，在 Amazon Q Developer 聊天对话框中，我在输入提示词描述之前，先输入了 "/dev"。

在 Amazon Q Developer 的上下文中，"/dev" 是一个特殊命令，用于调用 Amazon Q Developer Agent 进行软件开发，而不是指 Linux 系统中的目录。

您可以参考 Amazon Q Developer Agent 文档，以了解详细信息。

与 Amazon Q Developer 互动

以下截图展示了与 Amazon Q Developer 的聊天互动界面。我要求其为贪吃蛇游戏原型生成高质量的 Python 脚本，其确认了该请求，并告知我生成代码可能需要的时间（几分钟）。

数分钟后，Amazon Q Developer 以思考过程汇总的形式作出了回应，这其实也体现了其背后大型语言模型的思考过程，如下图所示。

让我们来一起梳理 Amazon Q Developer 的思考过程。

根据 Amazon Q Developer 的以上汇总摘要，其创建一款贪食蛇游戏原型经历了以下步骤：

首先，它计划打开与编写贪食蛇游戏的问题陈述相关的现有本地代码，以探索工作空间并确定是否有可以重用或修改的代码。

接着，它发现因为工作区是空的，没有与贪吃蛇游戏相关的代码文件，需要自己重新编写。为了解决这个问题，它决定创建一个名为 "snake_game.py" 的 Python 新文件，并准备从头开始实现贪食蛇游戏原型代码。

贪食蛇游戏原型代码，随后在 "snake_game.py" 的 Python 文件中被它实现了，它还声明：代码已经完成并能正常运行了。

然后，它对代码进行了仔细地审阅。审阅完成后，它确认了贪食蛇游戏原型的代码已经完整实现，并已经能够正常运行了。它还特别提及：代码已经包括了所有必需的组件，例如游戏初始化、主游戏循环、蛇形移动、食物生成、碰撞检测和得分显示等等。

图中底部的 "Files used" 部分，总结了代码生成过程中执行的文件操作，供我们参考。

输出完整的贪吃蛇游戏原型代码

以下代码即由 Amazon Q Developer 完整生成的游戏原型代码。

import pygame

import random

# Initialize Pygame

pygame.init()

# Set up the game window

width, height = 640, 480

window = pygame.display.set_mode((width, height))

pygame.display.set_caption("Greedy Snake")

# Colors

BLACK = (0, 0, 0)

WHITE = (255, 255, 255)

RED = (255, 0, 0)

GREEN = (0, 255, 0)

# Snake properties

snake_block = 20

snake_speed = 15

# Initialize clock

clock = pygame.time.Clock()

# Font for score display

font = pygame.font.SysFont(None, 50)

def draw_snake(snake_list):

for block in snake_list:

pygame.draw.rect(window, GREEN, [block[0], block[1], snake_block, snake_block])

def game_loop():

game_over = False

game_close = False

# Starting position of the snake

x1 = width // 2

y1 = height // 2

# Initial movement

x1_change = 0

y1_change = 0

# Initialize snake

snake_list = []

length_of_snake = 1

# Generate first food

foodx = round(random.randrange(0, width - snake_block) / snake_block) * snake_block

foody = round(random.randrange(0, height - snake_block) / snake_block) * snake_block

while not game_over:

while game_close:

window.fill(BLACK)

message = font.render("You Lost! Press Q-Quit or C-Play Again", True, RED)

window.blit(message, [width // 6, height // 3])

pygame.display.update()

for event in pygame.event.get():

if event.type == pygame.KEYDOWN:

if event.key == pygame.K_q:

game_over = True

game_close = False

if event.key == pygame.K_c:

game_loop()

for event in pygame.event.get():

if event.type == pygame.QUIT:

game_over = True

if event.type == pygame.KEYDOWN:

if event.key == pygame.K_LEFT:

x1_change = -snake_block

y1_change = 0

elif event.key == pygame.K_RIGHT:

x1_change = snake_block

y1_change = 0

elif event.key == pygame.K_UP:

y1_change = -snake_block

x1_change = 0

elif event.key == pygame.K_DOWN:

y1_change = snake_block

x1_change = 0

# Check if snake hits the boundaries

if x1 >= width or x1 < 0 or y1 >= height or y1 < 0:

game_close = True

x1 += x1_change

y1 += y1_change

window.fill(BLACK)

pygame.draw.rect(window, RED, [foodx, foody, snake_block, snake_block])

snake_head = [x1, y1]

snake_list.append(snake_head)

if len(snake_list) > length_of_snake:

del snake_list[0]

# Check if snake hits itself

for segment in snake_list[:-1]:

if segment == snake_head:

game_close = True

draw_snake(snake_list)

# Display score

score = font.render(f"Score: {length_of_snake - 1}", True, WHITE)

window.blit(score, [0, 0])

pygame.display.update()

# Check if snake eats food

if x1 == foodx and y1 == foody:

foodx = round(random.randrange(0, width - snake_block) / snake_block) * snake_block

foody = round(random.randrange(0, height - snake_block) / snake_block) * snake_block

length_of_snake += 1

clock.tick(snake_speed)

pygame.quit()

quit()

if __name__ == "__main__":

game_loop()

以下截图展示了以 Amazon Q Developer 生成的贪吃蛇游戏原型代码片段为背景，前景为该游戏代码运行时的截图：

在深入了解 Amazon Q Developer 实现的游戏原型代码之前，理解 Pygame 在游戏开发中的作用是非常重要的。Pygame 是一组专门用于编写多媒体应用程序（包括游戏）的 Python 模块。它提供了丰富的功能，从处理图形、声音，到管理用户输入、游戏事件等等。

上述代码是使用 Pygame 库编写的经典贪吃蛇游戏原型的 Python 实现。

其主要功能包括：设置游戏窗口、初始化蛇和位置、生成食物、处理用户输入以控制蛇身移动、检测与边界或蛇身是否发生碰撞、更新游戏状态，以及在屏幕上渲染游戏元素等等。游戏将持续进行，直到蛇与边界或自身发生碰撞，此时玩家可以选择退出或重新启动游戏。

不过，如果你是一个游戏新手，以上 AI 生成的游戏原型代码运行后，蛇移动的速度可能会过快，从而让游戏初级玩家无法掌控。

因此，我接着给 Amazon Q Developer 又安排了一个新任务：

调整蛇奔跑的速度。

调整蛇的奔跑速度

以下是我拟提交给 Amazon Q Developer 的交互对话框，从而可以调整贪吃蛇游戏中蛇奔跑速度的英文提示词：

“The code works, but the speed of the snake is too fast. I'm just a beginner at the game, could you adjust the game's speed for me?”

在提交提示词后，Amazon Q Developer 迅速作出回应，截图如下所示：

以上截图展示了一段我和 Amazon Q Developer 的聊天对话记录。

我要求对贪吃蛇游戏的代码进行调整，并表示当前的速度对于初学者来说太快了。

Amazon Q Developer 的回复，解释了如何将初始值为 15 的 snake_speed 变量修改为较低的 8。这样蛇的移动速度就会减慢，游戏对初级玩家来说会更加易于控制。底部的代码片段显示了将 snake_speed 从 15 改为 8，并添加了注释说明这一调整。

你可以按照上述建议进行操作，只需要修改其中一行代码，如下所示：

snake_speed = 8

把新修改后的代码运行起来。你会发现：蛇奔跑的速度比之前慢多了，即使是游戏初级玩家也可以自由地控制蛇的运行啦！

小结

本文展示了 Amazon Q Developer 在根据自然语言的结构化提示词，生成游戏原型代码方面的卓越潜力。

生成的代码体现了 Amazon Q Developer 以及其背后的大模型，理解复杂需求、利用流行库以及根据用户反馈进行迭代改进的巨大潜力。通过调整蛇的速度，其展现了对个性化游戏体验的适应性探索，而整个思维过程的汇总提供了其宝贵的见解，增强了人类对 AI 系统的透明度和信任度。

随着 AI 技术的不断进步，像 Amazon Q Developer 这样的 AI 工具有可能彻底改变软件开发领域，加速应用程序或游戏的原型制作和迭代周期，并极大地促进创新。虽然本文展示的贪吃蛇游戏只是一个较简单的案例，但 Amazon Q Developer 展示出来的能力，为其在更复杂的应用程序开发方向开辟了令人兴奋的无限可能。