Ramp Labs 将 Claude Code 植入 RollerCoaster Tycoon 技术分析

一、新闻概述

1. 标题

Ramp Labs 实验项目：让 AI 在经典游戏 RollerCoaster Tycoon 中自主管理主题公园

2. 发布时间

2025 年 1 月（根据内容推断）

3. 来源

Ramp Labs 官方实验室

二、核心内容

1. 事件摘要

A. 主要内容

Ramp Labs 完成了一项实验性项目，将 Claude Code 集成到经典游戏 RollerCoaster Tycoon 2 中，创建了一个能够自主管理主题公园的 AI 代理。该项目通过 OpenRCT2 开源实现，构建了完整的 CLI 接口和 JSON-RPC 通信层。

B. 核心亮点

  • Claude Code 可以自主分析公园财务、游客反馈、设施状态等 100+ 数据点
  • AI 能够自主决策：调整票价、雇佣员工、建设饮料摊位、修理设施
  • 项目完全开源，提供完整的构建指南和技术文档
  • 探索了通用 AI 代理在可视化环境中的能力边界

2. 关键信息

A. 项目规模

  • 开发时间：约 40 小时（跨越数周）
  • 技术栈：C++、Claude Code、JSON-RPC、libvterm
  • 团队配置：4 个并行的 Claude Code 实例协作开发

B. 涉及技术

  • OpenRCT2：RollerCoaster Tycoon 2 的开源重实现
  • rctctl：仿照 kubectl 设计的完整 CLI 工具
  • Claude Code：Anthropic 的 AI 编程助手
  • JSON-RPC：游戏与 AI 间的通信协议

C. 项目背景

Ramp 正在构建跨产品界面和内部运营的 AI 代理。该项目是对"通用代理"（One Agent）概念的早期探索，在玩具环境中测试 AI 的能力边界。

三、详细报道

1. 主要内容

A. 为什么选择 RollerCoaster Tycoon

RollerCoaster Tycoon（过山车大亨）不仅仅是一个"过山车游戏"，它本质上是一个 B2B SaaS 接口的蒙特梭利教具。

核心原因：

  • 游戏完美模拟了以客户为中心的业务运营和 SaaS 驱动的数字反馈循环
  • 游戏内置了丰富的监控界面和管理窗口
  • 氛围匹配：Claude Code 的终端窗口带来复古未来主义感，与 Claude 的 playful 个性相得益彰

与其他游戏对比：

  • Minecraft：开放沙盒，缺乏资本主义结构
  • Pokemon：主角是无法开设有限责任公司或申请信用卡的儿童
  • StarCraft：包含经济、竞争和员工管理，但不够以客户为中心

B. Claude 能做什么（不能做什么）

Claude 擅长的领域：

  1. 游戏知识：Claude 对 RCT 非常熟悉，对被"黑入"90 年代游戏的前提毫不在意
  2. 信息收集：擅长浏览游戏的多样化指标和可观测性功能，创建有见地的报告
  3. 操作数字控制杆：调整配置、开关设施、定价、雇佣员工、启动营销活动
  4. 放置商店/平底骑乘设施：可以可靠地放置洗手间、饮料摊位，甚至尝试旋转木马

Claude 挣扎的领域：

  1. 路径规划与连接：定位主干道、路由新路径、连接骑乘入口/出口
  2. 过山车建设：放置大型预制过山车需要多尺度空间推理
  3. 垂直维度：倾斜地面、地下建设、自定义过山车设计

关键洞察：
限制通用代理的因素是其环境的可读性和接口强度。因此，倾向于将代理视为自动化的"勤奋"，而非"智能"，用于运营挑战。

C. 技术实现细节

项目架构：

graph TB
    Claude[Claude Code] -->|CLI Commands| rctctl[rctctl CLI]
    rctctl -->|JSON-RPC| RPC[RPC Layer]
    RPC -->|localhost:9876| Game[OpenRCT2 Game]
    Game -->|Terminal Display| Claude
    Game -->|Game State| Data[100+ Data Points]
    Data -->|Metrics| Claude

项目架构图

核心组件：

  1. 新的菜单项：在游戏菜单栏中添加 Claude 入口
  2. 新窗口类型：显示终端，镜像远程运行的 Claude Code
  3. rctctl CLI：仿照 kubectl 模式设计的完整命令行工具
  4. RPC 层：将 CLI 命令传输到游戏状态
  5. 测试：集成错误报告工具

rctctl CLI 示例：

$ rctctl map area --x 44 --y 38

Map Area
--------
Anchor : (44, 38) top-left
Span   : 16x16 tiles

X:44 45 46 47 48 49 50 51 52 53 54
Y:38 R  P  P  P  P  .  .  E  E  .  T
39 P  P  .  S  P  S  T  P  Q  S  .
40 P  R  S  R  P  P  .  P  Q  S  .
41 P  S  S  S  .  P  P  P  P  P  P

Legend:

  • R = Ride track/support（轨道/支撑）
  • P = Footpath（人行道）
  • E = Ride or park entrance（骑乘或公园入口）
  • T = Tree or foliage（树木或植被）
  • Q = Queue path（排队路径）
  • S = Scenery/building（场景/建筑）

2. 开发过程

A. 开发模式

团队完全不掌握 C++，采用"vibe coding"（感觉编码）方式完成整个项目。

第一轮尝试：

  • 使用 ChatGPT o3-Pro Deep Research 制定计划
  • 用 Claude Code 分解为路线图
  • 管理 4 个终端的 Claude Code 并行执行
  • 3 小时后卡住，全部推翻重来

第二轮尝试：

  • 切换到 Codex on GPT-5.1-codex
  • 将任务分解为更小的块
  • 使用谨慎的规划阶段
  • 保持上下文在 60% 以上（编码模型性能最佳区间）

B. 开发体验

  • 不像编程，更像管理模拟游戏
  • vaguely 上瘾（模糊的上瘾感）
  • 进展速度和焦点松散放大了每个新功能发布的奖励感
  • 需要大量脑力带宽保持所有 4 个代理忙碌

主要挫折：

  • 意外使用 "revert" 一词，Codex 字面理解并运行了 git revert
  • 损失了 1-2 小时的进度

C. 质量保证

  • 游戏内的 Claude 是勤奋的测试员
  • 集成的错误报告工具让它直接将 bug 报告写入仓库
  • 这个反馈循环对于修复帮助文本、CLI 不一致性和观察到的 bugs 非常宝贵

3. 数据与事实

A. 开发数据

  • 总投入时间：约 40 小时
  • 跨度：数周
  • 代理数量：4 个并行 Claude Code 实例
  • 上下文管理：保持在 60% 以上

B. 技术指标

  • CLI 命令：覆盖所有重要数据点、控制和操作
  • 数据点：100+ 游戏内指标
  • 通信协议：JSON-RPC over localhost:9876
  • 渲染：libvterm 终端渲染

四、影响分析

1. 行业影响

A. 技术趋势

  • 探索了通用代理在可视化环境中的能力边界
  • 验证了环境可读性是代理成功的关键因素
  • 为 B2B SaaS 中的 AI 代理应用提供了实验参考

B. 代理设计范式

核心教训：

  1. 环境可读性是关键
  2. 编码代理是巨大助推力，但要构建"风帆"
  3. 开发循环（反馈循环）至关重要
  4. 经验胜过研究

2. 用户影响

A. 开发者社区

  • 提供了完整的开源实现
  • 展示了 AI 辅助开发的潜力
  • 证明了非专业开发者可以用 AI 完成复杂项目

B. AI 研究者

  • 提供了 AI 能力边界的实证案例
  • 展示了多模态交互的挑战
  • 验证了文本-空间推理的局限性

3. 技术趋势

A. 代理能力演进

  • 当前模型正推动"通用代理"的边界
  • 限制从代理能力转向安全性和集成问题
  • 现在是开始在玩具环境中测试广泛范围代理的完美时机

B. 交互界面设计

  • Claude 擅长干净、结构化的全知监控界面
  • 在基于文本的游戏空间渲染中明显挣扎
  • 创意的文本表示可能不切实际，最好通过"即代码"（stuff-as-code）方式解决

五、各方反应

1. 官方回应

Ramp Labs 将该项目定位为对 AI 代理能力的探索性实验，强调：

  • 代理应该自动化的"勤奋"而非"智能"
  • 环境可读性决定代理成功与否
  • 通过游戏构建对 LLM 能力的直觉理解

2. 技术社区

  • OpenRCT2 开源社区提供了基础实现
  • kubectl 的 CLI 设计模式被借鉴
  • C++ 社区的开源贡献使得项目成为可能

3. 用户反馈

  • 项目展示了 AI 在游戏环境中的实际应用
  • 证明了非专业开发者可以用 AI 完成复杂 C++ 项目
  • 为 AI 辅助编程提供了有趣的实际案例

六、相关链接

1. 官方资源

2. 技术文档

  • SETUP.md：完整设置指南
  • CODING_AGENT.md：技术深度解析
  • RCTCTL.md：完整 CLI 参考

3. 招聘信息

七、快速开始指南

1. 前置要求

  • macOS（Sonoma 或更新版本）+ Xcode
  • CMake 3.24+ 和 Ninja
  • RollerCoaster Tycoon 2（Steam 购买）
  • libvterm：brew install libvterm pkg-config

2. 构建步骤

# 克隆分支
git clone -b claude https://github.com/jaysobel/OpenRCT2.git
cd OpenRCT2

# 配置
cmake -S . -B build -G Ninja -DOPENRCT2_PREFER_STATIC=ON

# 构建所有内容（游戏 + CLI 工具 + 终端）
cmake --build build --target agent_bundle -j8

# 运行
./build/OpenRCT2.app/Contents/MacOS/OpenRCT2

3. 编译产物

agent_bundle 目标编译：

  • OpenRCT2：嵌入终端窗口的游戏本体
  • rctctl：Claude 用于通过 JSON-RPC 控制游戏的 CLI 工具
  • Sprite 资产：图形和 UI 元素

参考资料

  1. AI Plays Rollercoaster Tycoon - Ramp Labs
  2. OpenRCT2 Claude Fork - GitHub
最后修改：2026 年 01 月 18 日
© 允许规范转载
如果觉得我的文章对你有用，请随意赞赏