【Scratch×AI 系列 05】工程化实战:先统一目录(init),再拆分流水线(plan / exec-plan / build)

news2026/4/4 14:04:35
摘要Scratch 项目最容易“做着做着就乱”素材散落、版本混杂、产物找不到AI 更是无从下手xw-scratch-init 不是“创建文件夹”而是把协作与自动化的前提一次性铺好把流程拆成 plan → exec-plan → build是为了把 AI 从“胡写 JSON”变成“稳定流水线”只要把“验收标准”写对AI 就能被约束在正确的轨道上系列导航01先搞懂 SB3为什么 AI 生成的 project.json 常常“导不进 Scratch”02Target 与素材引用舞台/精灵为什么会消失03Blocks 结构与 inputs/fieldsAI 最容易写错的地方04进阶与踩坑清单05工程化实战先统一目录init再拆分流水线plan / exec-plan / build06流程使用上从想法到 planX.md验收标准怎么写才有用)07流程使用下从 planX 到可导入的 .sb3打包与自检SKILL已上传到gitee仓库位置点我跳转1. 背景Scratch×AI 的第一道坎不是积木是“工程混乱”一开始做 Scratch 游戏很轻松拉几个积木、拖几张图就能跑。但当你把 AI 引入流程你会发现真正的阻力常常不是“不会做”而是“没法协同、没法复现、没法迭代”。典型问题包括素材到处都是微信发来的图、下载的音效、临时截图……放哪叫什么哪个版本需求靠聊天记录改了一个规则没人知道影响哪些脚本导出的 .sb3 放得到处都是哪个是能交付的版本哪个是中途试验品最要命的是AI 需要“确定的路径和约定”否则它只能凭空猜测所以在 Scratch×AI 的工作流里第一件事往往不是“让 AI 写 project.json”而是先让工程变成“可被工具理解的工程”。2. 我对 Scratch×AI 工程的最低要求为了让后续自动化稳定我给自己定了 4 条硬要求素材必须集中管理并且路径稳定需求必须能落成文档并且可拆成可验收的计划每一步的产物必须可追踪从 plan 到 project.json 到 sb3任何脚本/工具重复执行都不能破坏已有内容幂等这 4 条要求本质上指向一个答案先统一目录结构再谈自动化。3. xw-scratch-init流水线的地基目录规范就是生产力xw-scratch-init 的职责很单一初始化一套标准化 Scratch 游戏工作区结构并且保证幂等已存在不覆盖只补齐缺失项。目录结构示例assets资源目录 backdrops舞台背景图片文件夹 sprite精灵图片文件夹 sprite1精灵1图片文件夹 sounds音频文件存放文件夹 scripts需求文件夹 goal需求目标文件夹 总体需求.md游戏整体创意说明文档占位填充 plan需求分析计划文件夹将来会存放需求拆解 md 文件3.1 为什么要把 assets 和 scripts 分开这是为了把“可读可维护”和“可执行可追溯”分层assets纯素材面向“人类维护”和“版本控制”scripts纯文档与产物面向“流程执行”和“自动化生成”直接收益plan 文档可以用稳定路径引用素材例如assets/sprite/sprite1/plane.svgexec-plan 阶段可以扫描这些路径生成 project.jsonbuild 阶段可以根据 project.json 的引用把真正用到的素材打进 sb33.2 为什么幂等很重要因为你会反复跑今天加了一个新精灵明天又开了一个新项目需求变了让 AI 重新生成计划/执行计划如果 init 每次都覆盖内容你会丢素材、丢需求文档、丢执行产物。所以原则是只补齐缺失项不碰已有内容。4. 为什么“让 AI 直接生成 SB3”会翻车最开始很容易想走捷径让 AI 直接输出.sb3或者至少输出“能导入的 project.json”。但失败率极高而且失败形式五花八门JSON 看似完整但 Scratch 导入后白屏target 没加载、资源对不上blocks 写得像对但 next/parent 关系断裂脚本不执行或执行一半inputs/fields 编码细节错下拉枚举、shadow 输入最容易翻车素材引用写成路径assets/...打包后 Scratch 找不到造型/背景不显示你改一句需求AI 再生成一次整个工程结构都变了不可复现、不可对比、不可回滚本质问题AI 生成的最大风险不是“不会生成”而是“不可控”。5. 三段式拆分plan / exec-plan / build把风险关进笼子里把流程拆成 plan → exec-plan → build本质是在解决三组矛盾人类表达 vs 机器结构人类想讲“玩法”机器需要的是 project.json 的精确结构可读资产 vs 可打包资产仓库里希望assets/sprite/plane.svg可读可维护sb3 里必须md5.ext平铺在根目录快速迭代 vs 可追溯需求改动频繁产物必须能对比、能回滚、能定位“从哪一步开始不对”拆分后每一步的输入输出都变得清晰且可验收。6. 每个 Skill 的职责边界非常重要6.1 plan把想法变成“可验收的计划”planSKILL通过多轮对话采用“每轮只问 1~2 个关键问题 回放已确认点 标记待定项”的节奏把“脑内想法”变成“可执行需求同时为了把“需求”和“实现”彻底解耦减少错误传播此SKILL不写实现细节不写 opcode、不写 project.json把“脑内想法”变成“可执行需求” 很多 Scratch 项目卡在“说得很嗨但落不下来”。xw-scratch-plan 通过多轮对话把目标、胜负条件、玩家操作、玩法闭环、数值规则、资源清单这些关键点逐步收敛成明确条目避免后续反复返工。降低沟通成本与遗漏风险 它采用“每轮只问 1~2 个关键问题 回放已确认点 标记待定项”的节奏能避免一次性把问题抛光导致用户疲劳也能防止关键需求比如失败条件、UI反馈、声音需求漏掉。建立可迭代的拆分粒度plan1/plan2/… 把大需求拆成多个“可交付功能包”每个 plan 聚焦一个阶段素材/移动/规则/UI/关卡等让开发节奏可控任何改动也能定位影响范围改的是哪一包。分包交付、改动可追溯方便后续 exec-plan/build 接上流水线。用“验收标准”约束 AI 与开发过程 它强制每个 plan 文件都包含可在 Scratch 里手动验证的验收标准比如“按空格跳跃落地后可再次跳跃”这会显著减少“做完才发现理解错”的情况也让后续 exec-plan 有清晰的对照实现目标。输出落地位置固定便于流水线接续 最终产物会稳定写入 /project_name/scripts/goal/总体需求.md 并在 /project_name/scripts/plan/ 下生成 planX.md。这样 exec-plan、build 都可以把这些路径当作确定输入形成稳定流水线。不写实现细节不写 opcode、不写 project.json产物示例scripts/goal/总体需求.md覆盖写入scripts/plan/plan1.md、plan2.md…按需创建这一层的价值是让 AI 有一个稳定的“需求约束”并让你用验收标准控制质量。6.2 exec-plan把 planX.md 落成“可运行的 project.json”它解决“结构正确性”并严格依赖权威规范Scratch 3.0 SB3 结构、opcode、inputs/fields 细节。把 planX.md 里的功能性需求按 Scratch 3.0 规范“落地”为可运行的 project.json 并同步产出 exec_log.md 做过程追溯。把最容易“翻车”的环节——从自然语言需求到 SB3 精确结构——变成可重复、可验收、可追踪的一步让整个 plan→exec→build 流水线稳定运转。结构正确性更高 用权威 SB3 规范约束 targets/blocks/inputs/fields 等细节减少“能导入但不跑/白屏/脚本断链”的问题。需求到实现可对照 按 plan 的验收标准去实现避免实现偏离需求。可追溯可回滚 exec_log 记录实现要点、资源引用、关键决策与变更后续改动能快速定位影响范围。工程化衔接顺畅 输出的 project.json 用可读的 assets/… 路径引用素材方便 build 阶段稳定扫描并打包成 sb3。产物示例scripts/plan/planX/project.jsonscripts/plan/planX/exec_log.mdexec_log 的意义不是“写作文”而是可追溯这次执行实现了哪些验收点引用了哪些 assets 路径做了哪些关键决策与变更6.3 build把 project.json 资源打成标准 .sb3它专门解决“可导入性”和“资源规范”把 planX/project.json 其引用的素材转换成 Scratch 3.0 可导入的标准 .sb3 资源改成 md5 命名并打包。build 流水线读取输入 读取 /project_name/scripts/plan/planX/project.json 扫描出所有被引用的资源 targets[].costumes[].md5ext 、 targets[].sounds[].md5ext 。只收集“真正在用”的资源 只处理 project.json 里实际引用到的素材没被引用的不会被打进包里。创建 build 目录 在 /project_name/scripts/plan/planX/build/ 准备打包工作区。复制并规范化资源命名 对每个被引用的资源文件计算内容 MD5生成 . 例如 xxxx.svg / xxxx.wav 并把文件复制到 build 根目录和 project.json 同级符合 sb3 结构。回写 project.json 引用 把 project.json 里的 assetId / md5ext 改成新的 md5 命名保证 Scratch 导入时能找到资源。打包生成 sb3 把 build 目录内的 project.json 所有 md5 资源文件压成 zip再改名为 planX.sb3 。自检 确保 build/project.json 是合法 JSON且里面所有 md5ext 都能在 build 目录找到对应文件同时检查 sb3 包内是“平铺结构”不额外套一层文件夹。优点保证可导入性 sb3 资源命名和目录结构是 Scratch 编辑器最敏感的点build 把这些坑一次性兜住。开发与交付分离 开发阶段用可读路径 assets/… 管素材交付阶段自动变成标准 md5 资源包两边都舒服。产物一致、可复现 同一份素材和 project.json 重复打包结果稳定便于版本管理与回归。产物示例scripts/plan/planX/build/planX.sb3scripts/plan/planX/build/project.json已转换为 SB3 规范命名已重新更名后的素材文件7. 这套设计的关键原则7.1 可控每一步都有确定输入与确定输出plan输入是对话输出是 markdown 文档exec-plan输入是 planX.md输出是 project.json exec_logbuild输入是 project.json assets输出是 sb3 build/project.json你永远知道“下一步拿什么做输入”也能对每一步做局部验收。7.2 可复现产物按 plan 归档天然可对比每个 plan 都有自己的产物目录scripts/plan/plan1/scripts/plan/plan2/…你可以轻松对比两次生成的差异定位回归问题。7.3 可维护开发用可读路径交付用 SB3 规范Scratch×AI 最实用的工程策略开发阶段用assets/...管理素材便于协作与版本控制交付阶段用md5.ext打包保证 Scratch 官方编辑器导入成功8. 小结init 是地基plan/exec/build 是“稳定流水线”当你让 AI 直接写 SB3你是在赌它“刚好写对所有细节”。但现实是SB3 细节太多且有大量跨字段约束失败是常态。当你先用 init 统一目录再用 plan/exec-plan/build 三段式拆分你得到的是可控的输入输出可追溯的日志与产物可维护的素材管理可重复执行的工程化流程接下来真正决定质量的关键点只有一个把 plan 文档里的“验收标准”写对让 AI 在可验收的边界内输出。下一篇我会进入实操细节如何把一个创意写成 planX.md尤其是“验收标准”怎么写才真正能约束住 AI。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2482443.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…