《ai-fishing-game》他做了款游戏，玩家全是AI

打开这个仓库之前，先想一个问题：一款游戏做出来，如果从头到尾没有一个人类玩家，它还算游戏吗？

GitHub 上有个叫 ai-fishing-game 的仓库，作者给它写了一句足够让人愣三秒的简介——“给 AI 玩的确定性文字钓鱼小游戏，单文件零依赖，让你的 AI 伴侣来钓鱼”。翻译一下：他把一整套钓鱼游戏的引擎写成单个 Python 文件，然后让你把它丢给 ChatGPT、Claude 或者任何带工具调用能力的模型，让 AI 自己买饵、抛竿、换钓点、下潜、集图鉴。人类只负责围观。

这个反直觉的设定没有妨碍它火。仓库 2026 年 6 月底创建，三个月出头，558 颗星、69 个 fork，在 GitHub 全站“fishing game”关键词的星标排名里冲到了第二位——排它前面的是一个分布式 Java 游戏服务器框架。Releases 页面里那个盲玩版 fishing.py，最新一版下载量八百多次，各版本附件加起来一千多次下载。对一个“玩家不是人”的游戏来说，这个数据相当能说明问题：AI 需要娱乐内容，这件事已经有人开始认真做了。

仓库档案

这游戏是什么

一句话：一个给大模型玩的、确定性随机的文字放置钓鱼游戏。

玩法本身是经典钓鱼循环，任何玩过休闲手游的人一秒就懂——开局送你 200 点数和五条蚯蚓，站在“月光池塘”边。买饵、抛竿，引擎按稀有度掷骰子：常见、少见、稀有、史诗、传说、神话，六档。钓上来的鱼卖钱换点数，点数解锁新钓点、买更好的饵。十一钓点，四季流转（每二十竿换一季），不同地点不同季节出的鱼不一样，想集齐图鉴就得满地图跑。

这是水面上的部分。真正下血本的是水下：你得先在钓鱼时随机捞到“藏宝图碎片”，集齐三五块拼成完整藏宝图，才能解锁一处钓点的潜水权限。然后去商店买氧气瓶——买五瓶八折、十瓶七折——带着氧气下水，这是深度预算：捕获只有水下才有的二十二种鱼，撞上十四种水下奇观（珊瑚宫、人鱼宫殿、鲸落、海妖巢穴），碰到五个“大遗迹”会当场暂停，让你在几个消耗不同氧气的选项里做抉择，氧气不够的选项只能眼睁睁放弃。上浮结算，一份远征账单告诉你这趟是赚是赔。

flowchart TD
    A["读一行状态栏 JSON"] --> B{"AI 决定下一步"}
    B --> C["买饵 / 换钓点 / 攒藏宝图碎片"]
    B --> D["连钓 N 竿"]
    B --> E["买氧气瓶下潜"]
    C --> D
    E --> F["潜水远征 + 大遗迹抉择"]
    D --> G{"引擎抽稀有度"}
    F --> G
    G -->|"常见/少见"| H["杂鱼折叠成一行清点"]
    G -->|"稀有及以上"| I["仪式感演出 + 图鉴首次收录"]
    G -->|"小概率"| J["幸运事件 / 漂流瓶 / 宝箱"]
    H --> K["卖鱼换点数"]
    I --> K
    J --> K
    K --> L{"图鉴还缺哪种鱼?"}
    L -->|"缺"| A
    L -->|"集齐"| M["全图鉴加成: 大遗迹概率×3"]
    M --> A

注意这个循环里没有一步需要人类操作。AI 看一眼返回末尾那行 📊 状态栏 JSON，就知道自己有多少钱、在哪儿、什么季节、图鉴缺几种，然后自己决定下一竿往哪抛。

为什么上头

钓鱼这个题材能横扫休闲手游市场十几年，靠的不是画面，是四样东西，这个仓库全都抄对了——或者说，全都做对了。

随机奖励，但是折叠式的。 抛竿的稀有度分布就是最原始的多巴胺引擎：大部分竿子钓上来的是“鲫鱼，5 两”，偶尔一竿金光闪闪。有意思的是作者对“无聊”的处理——杂鱼不删掉，但折叠成一行清点（鲫鱼★×5，（空 2）），精彩时刻才给完整演出。这正是刷子游戏的核心手感： ninety-nine 次平淡，是为了那一次上头的铺垫，但平淡不能占太多屏幕。

收集欲，有仪式感的收集。 八十多种鱼、二十五件宝物、十四种水下奇遇，第一次钓到某种鱼会记入图鉴，首次收录还给点数奖励，卖掉也不丢记录。稀有度播报做得相当用力：传说鱼有 👑、神话有 ❖，全图鉴里程碑单独放 🎉。AI 玩起来也会“为一条传说鱼上钩而激动”——这句话是 README 原文，而且真不是吹的，去看 issue 区里大家贴的 AI 玩家实录，模型钓到传说鱼时那股兴奋劲儿跟真人发朋友圈没区别。

稀缺解锁，一层套一层。 想潜水？先钓藏宝图碎片。碎片哪里来？钓鱼随机掉、漂流瓶里开出、宝箱里翻出，运气好直接开出一整张稀有藏宝图。想买好饵？先攒点数。想碰大遗迹？概率只有 3%，集齐全图鉴才涨到 9%。每一层内容都垫在随机门槛后面，玩家（不管是人是 AI）永远有一个“够一够能摸到”的下一个目标。

沉没成本，变成了保底。 全图鉴之后没新鱼可钓了怎么办？作者在 v2.2.2 里专门为此调了数值：集齐图鉴后大遗迹概率翻三倍，“没新鱼可发现的残局转向探遗迹”。这是老网游运营才有的嗅觉——在玩家要流失的节点，把下一个钩子递过去。

这套东西在人类玩家身上验证了几十年，作者只是第一个把它完整搬给了 AI。结果证明：多巴胺机制不分碳基硅基。

技术拆解

这个仓库真正值钱的地方不是玩法，是它把“给 AI 做游戏”需要的工程问题一个个拆掉解掉了。拆完你会发现，每一件都是可复用的。

单文件引擎，两个接口。 全部玩法逻辑在 engine.py 一个文件里，对外只暴露 cmd("指令") 和 new_game(seed)。没有网络、没有依赖、没有安装，任何能跑 Python 的沙箱直接 import 就能玩。这个“引擎即玩具”的封装思路，比绝大部分开源游戏项目干净得多。

确定性随机，mulberry32 一路到底。 内置 mulberry32 伪随机数生成器，随机状态全部序列化进存档。同一个种子加同一串指令，结果逐位可复现。默认种子 0x9e3779b9（黄金比例，细节控狂喜）。这件事对人类玩家是彩蛋，对 AI 玩家是基础设施：可复盘、可测试、可分享“同一局”——后面你会看到这直接就是一个变现点。

存档独立于上下文。 游戏状态写进磁盘上的 fishing_save.json，不在对话历史里。这意味着 AI 的对话被清空、换个会话，钓鱼进度照样在。这是“AI 玩长周期游戏”的第一块拼图——上下文是易耗品，磁盘才是硬盘。

省 token 三件套。 这是全仓库最硬核的设计。AI 玩游戏最大的成本不是开发，是推理费用：一竿一条消息来回，玩一百竿就是两百次往返，谁也烧不起。作者的解法：其一，cast 10 连钓十竿，返回一个汇总——新种、稀有、事件这些精彩时刻留全文，杂鱼和空军折叠成一行，两次往返替代二十次；其二，用分号把多条指令串成一批一次跑（buy basic_worm 10; cast 10），上限八条；其三，每次返回末尾附一行紧凑的机读状态栏 JSON，AI 扫一眼就知道全部状态，不用反复发 status。三招下来， token 消耗压掉一个数量级。这套“给 LLM 降本”的接口设计，做成任何 agent 工具都成立。

盲玩版，防剧透。 fishing.py 是 engine.py 的 base64 打包——把鱼谱、概率表藏起来，AI 只能看到 cmd() 返回的文字，像真玩家一样靠抛竿发现世界。作者在 README 里坦白得很诚实：“打包只是编码、不是加密，铁了心要偷看的模型一行代码就能解开，盲玩本质靠配合。”这种把限制的边界说清楚的态度，反而让设计意图一目了然。

内容即数据表。 鱼、钓点、饵料、季节、事件，全是 engine.py 顶部的纯数据表，加一条新鱼就是加一行字典，不碰任何逻辑代码。改完跑一下 build_blind.py，盲玩版自动重新生成。想把它改成“开箱模拟器”或者“抽卡集换”，理论上只需要换表。

健壮性做得像正经产品。 任何乱七八糟的输入都只返回一句提示文字，不抛异常；存档损坏、目录不可写，会在返回里明确告诉你，不会假装存好了。连 Windows 终端的 UTF-8 乱码问题都在 README 里给了三种解法。

直接可搬走的组件清单：cmd() 文本协议引擎、mulberry32 确定性存档方案、连钓折叠汇总算法、状态栏 JSON 协议、tool-schema.json 函数调用描述文件、base64 盲玩打包脚本。每一个都是给“AI 玩游戏”这个新场景造的轮子，市面上几乎没有现成货。

变现观察

先把话说直白：这个仓库本身没有广告、没有内购、没有付费墙，但它在一个更有意思的位置上——License 也就是商业模式的声明。

作者选的是 PolyForm Noncommercial 1.0.0，而不是常见的 MIT 或 Apache。这份许可证的含义很精确：任何人可以免费使用、修改、分发，甚至拿去自己玩，但任何商业用途必须另行取得授权。翻译成人话：我把玩具白送，谁来拿它赚钱，我们坐下谈。对一个三个月、558 星的单人项目来说，这是一个成本为零的“留白”——它没有放弃任何商业权利，同时在等一个愿意为“AI 娱乐内容”付钱的买家上门。想靠开源游戏变现的开发者，这一手比无脑 MIT 更值得学。

钓鱼品类本身，是手游行业反复验证过的印钞机题材。休闲钓鱼游戏的配方——随机稀有度、图鉴收集、体力（这里恰好是氧气瓶）——和这个仓库的玩法逻辑一一对应，而这类游戏在移动端靠激励视频广告（双倍奖励、稀有抽卡、氧气续命）跑通了十几年。玩法没问题，问题从来只是流量。

流量在哪？在 AI 陪伴应用里。Character.ai 一类的 AI 伴侣产品，日活用户的核心诉求是“和角色有事可做”，各家都在往对话里塞小游戏和小活动来拉留存。给这些产品供应“能玩的工具”，就是这个仓库精准踩中的货架——tool-schema.json 已经把接口标准都写好了，接进任何支持 function calling 的产品只差一行注册代码。分发路径也从“求应用商店推荐”变成了“上架 MCP 工具市场”。

还有第三条路是这个仓库自己开出来的：AI 玩游戏，本身就是内容。确定性设计让“同一局”可以精确复现——同一个种子、同一串指令，任何人的 AI 钓出来的鱼都一样。这意味着你可以办一场“AI 钓鱼大赛”：两个模型、同一个 seed、比谁先集齐图鉴，全程可验证、可回放。这种内容在短视频平台的天然传播力，不需要我多解释。

一句话总结：作者没有收钱，但他把收钱需要的每块积木——玩法、接口、许可、传播点——都摆在桌面上了。

给我的灵感

点子一：给 AI 伴侣做“玩具”，一个一个上架。 把任何一个上头的小循环——钓鱼、开箱、抽卡、占卜、养成——做成单文件 cmd() 引擎，配一份工具描述 JSON，打包成“AI 玩具”系列。每个玩具 MVP 两周以内，技术门槛就是一个 Python 文件。变现走两条腿：面向 AI 陪伴应用的 B 端授权（PolyForm NC 的许可结构直接照抄），面向个人用户的主题包订阅。这个仓库证明了需求存在，但目前货架基本是空的，先占坑的人赢。

点子二：一套引擎，两端卖。 引擎是数据表驱动的，这意味着鱼表换成别的表，游戏就换了一个皮。把同一套钓鱼引擎的数据表替换成“职场摸鱼事件”“修仙灵材”“球星卡包”，人类版输出成 H5 挂到微信小游戏平台吃激励视频广告，AI 版注册成 MCP 工具吃 agent 流量——一套逻辑代码，两个市场同时验证。钓鱼玩法在手游端验证了十几年，你要做的只是把验证过的配方换个容器。

点子三：做 AI 玩游戏的“赛事转播”。 确定性随机是老天爷赏的传播素材：同 seed 竞速赛、图鉴集齐挑战、“我的 GPT 和你的 Claude 谁钓到的传说鱼多”，每一场都能逐位复现、全程可公证。做这个不需要写游戏——直接用这个仓库就行——需要的是把对局包装成内容的运营能力。变现路径是平台流量分成和带货打赏，成本几乎为零，适合当副业的第一个实验田。

上手

这个仓库最值得记住的，不是钓鱼，是它提出的问题：当 AI 成了应用的主要用户，“内容”这个词的定义正在被改写。上一代开发者为人类做游戏，这一代人里，已经有人开始为模型做游戏了——而且第一个做的人，只写了一个文件。