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”

亚马逊云科技开发者社区为开发者们提供全球的开发技术资源。这里有技术文档、开发案例、技术专栏、培训视频、活动与竞赛等。帮助中国开发者对接世界最前沿技术，观点，和项目，并将中国优秀开发者或技术推荐给全球云社区。如果你还没有关注/收藏，看到这里请一定不要匆匆划过，点这里让它成为你的技术宝库！

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。

 

您可以参考以下链接中的 Amazon Q Developer Agent 文档，以了解详细信息：https://docs.aws.amazon.com/amazonq/latest/qdeveloper-ug/software-dev.html?trk=cndc-detail

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：

1. 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。

2. 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。

3. 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。

4. 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 = Falsegame_close = False# Starting position of the snakex1 = width // 2y1 = height // 2# Initial movementx1_change = 0y1_change = 0# Initialize snakesnake_list = []length_of_snake = 1# Generate first foodfoodx = round(random.randrange(0, width - snake_block) / snake_block) * snake_blockfoody = round(random.randrange(0, height - snake_block) / snake_block) * snake_blockwhile 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 = Truegame_close = Falseif event.key == pygame.K_c:game_loop()for event in pygame.event.get():if event.type == pygame.QUIT:game_over = Trueif event.type == pygame.KEYDOWN:if event.key == pygame.K_LEFT:x1_change = -snake_blocky1_change = 0elif event.key == pygame.K_RIGHT:x1_change = snake_blocky1_change = 0elif event.key == pygame.K_UP:y1_change = -snake_blockx1_change = 0elif event.key == pygame.K_DOWN:y1_change = snake_blockx1_change = 0# Check if snake hits the boundariesif x1 >= width or x1 < 0 or y1 >= height or y1 < 0:game_close = Truex1 += x1_changey1 += y1_changewindow.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 itselffor segment in snake_list[:-1]:if segment == snake_head:game_close = Truedraw_snake(snake_list)# Display scorescore = font.render(f"Score: {length_of_snake - 1}", True, WHITE)window.blit(score, [0, 0])pygame.display.update()# Check if snake eats foodif x1 == foodx and y1 == foody:foodx = round(random.randrange(0, width - snake_block) / snake_block) * snake_blockfoody = round(random.randrange(0, height - snake_block) / snake_block) * snake_blocklength_of_snake += 1clock.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。

特别说明：本文封面图像是由 Amazon Bedrock 上的 Stable Diffusion SD3 Large 1.0 模型生成的。我使用的提示词如下，供大家参考：

“An illustration of a greedy snake slithering through a modern abstract circuit board design, with binary code and computer components in the background, representing the fusion of classic gaming and cutting-edge AI technology. The snake should be large, bold, and vibrant, with a sleek and dynamic appearance. The background should have a futuristic and digital aesthetic, with glowing neon colors and intricate circuitry patterns. The overall style should be a blend of retro gaming elements and contemporary AI/tech motifs.”

视频链接：https://dev.amazoncloud.cn/video/videoDetail?id=670e2aeafd2bed6cdfbfbe55

文章来源：https://dev.amazoncloud.cn/column/article/67174d4699168b3814665aea?sc_medium=regulartraffic&sc_campaign=crossplatform&sc_channel=bokey