企业官网建设流程全解析

1. 三款模型同台竞技：这个对比测试到底在测什么

三个大模型，同一个任务——从零做一个能跑的3D游戏。听起来像是评测机构的标准化跑分，但实际动手之后你会发现，这件事远比跑个benchmark复杂得多。Step 5 Preview、DeepSeek V4 Pro、GLM5.3，这三个名字最近在开发者圈子里被反复提及，各自都有明确的定位和拥趸。但把它们放在同一个3D游戏开发任务里横向对比，考验的就不只是代码生成能力了。

我拿到这个对比任务的时候，第一反应是：3D游戏开发这个场景选得很有意思。它不像写个排序算法或者CRUD接口那样有标准答案，3D游戏涉及渲染管线、场景图管理、物理碰撞、输入处理、资源加载、帧率控制等多个子系统，任何一个环节掉链子，最终跑起来的效果就是“能看但不能玩”或者“能玩但卡成PPT”。这恰好能暴露模型在长链条任务规划、跨文件代码一致性、图形学领域知识这几个维度的真实水平。

先说清楚这三个模型各自的特点。Step 5 Preview是阶跃星辰最新的预览版本，主打代码生成和复杂推理；DeepSeek V4 Pro是深度求索的旗舰模型，在数学和逻辑推理上一向口碑不错；GLM5.3是智谱的最新迭代，在中文理解和工程化落地方面积累深厚。三者都是当前国内第一梯队的选手，但风格差异明显。

我设计的测试任务是：用Three.js做一个第一人称视角的3D迷宫探索游戏，要求包含随机迷宫生成、WASD移动、鼠标视角控制、碰撞检测、小地图、计时器和通关判定。这个任务的好处是——它足够复杂，能拉开差距；又足够聚焦，不会因为需求模糊导致结果不可比。所有模型使用相同的提示词，分三个阶段交互：先出架构方案，再生成核心代码，最后根据运行报错进行修复。

提示：做模型对比测试时，提示词的一致性比提示词的“精妙程度”更重要。我见过太多对比文章，给A模型精心设计的提示词，给B模型随便扔一句话，然后得出结论说A比B强——这种测试没有参考价值。

为什么选Three.js而不是Unity或Godot？因为Three.js是纯代码驱动的，模型生成的每一行JavaScript都能直接对应到最终效果，没有编辑器操作的黑盒。Unity虽然更主流，但模型没法直接操作编辑器界面，生成的C#脚本还得手动挂载、配置参数，对比维度就不纯粹了。Three.js的另一个好处是浏览器直接跑，省去了编译和部署环节，测试效率高很多。

这个测试适合谁来参考？如果你正在选型代码生成工具，或者想了解当前大模型在3D图形编程上的真实能力边界，这篇实测记录应该能给你一些直观的参考。如果你只是好奇“AI能不能做游戏”，那结论可能会让你意外——能，但离“做好”还有一段距离。

2. 三阶段实测过程全记录

2.1 第一阶段：架构方案生成对比

第一阶段我让三个模型分别给出项目的架构设计。提示词是：“我要用Three.js做一个第一人称3D迷宫游戏，包含随机迷宫生成、WASD移动、鼠标视角、碰撞检测、小地图、计时器和通关判定。请给出完整的文件结构和模块划分方案。”

Step 5 Preview的回复最详细。它给出了一个六文件结构：main.js负责初始化和主循环，mazeGenerator.js用递归回溯算法生成迷宫，playerController.js处理输入和移动，collisionSystem.js做AABB碰撞检测，minimap.js用Canvas 2D绘制俯视图，gameState.js管理计时和通关逻辑。每个文件的职责边界清晰，模块间的依赖关系也标注了。特别值得一提的是，它主动提到了“用requestAnimationFrame驱动主循环，用deltaTime保证不同帧率下的移动速度一致”——这个细节说明它理解游戏循环的本质。

DeepSeek V4 Pro的方案更偏向“一步到位”。它给了一个单文件方案，所有逻辑塞在一个HTML文件里，大约800行代码。好处是复制粘贴就能跑，坏处是后续修改和扩展很麻烦。它在架构说明里提到“为了降低部署复杂度，采用单文件内联方式”，这个取舍有道理，但对于一个需要持续迭代的游戏项目来说，单文件结构很快就会变成维护噩梦。不过它在物理碰撞部分给出了具体的数学公式，包括射线与AABB求交的推导过程，这部分比另外两家更扎实。

GLM5.3的方案介于两者之间，给了四个文件：index.html、game.js、maze.js、utils.js。它的特色是在utils.js里封装了一个事件总线，用来解耦输入系统和游戏逻辑。这个设计模式在中小型游戏里确实好用，但GLM5.3没有进一步解释为什么需要事件总线，只是说“便于扩展”。从架构完整性来看，Step 5 Preview > GLM5.3 > DeepSeek V4 Pro。

2.2 第二阶段：核心代码生成质量

第二阶段是重头戏——让三个模型基于各自的架构方案生成完整代码。我逐个在本地环境跑了一遍，记录下实际运行效果。

Step 5 Preview生成的代码一次通过率最高。迷宫生成用的是递归回溯，代码逻辑正确，生成的迷宫没有死循环和孤立区域。玩家控制器里对键盘事件的处理很规范，用了keydown和keyup配合状态对象，而不是直接在事件回调里改位置——这个细节很关键，前者能保证按住W键持续移动，后者会导致按键重复触发。碰撞检测部分，它把玩家简化为一个圆柱体，用圆形与网格单元的相交测试来判断碰撞，虽然不是最精确的方案，但对于迷宫游戏来说够用了，而且计算量小。

不过Step 5 Preview有一个明显问题：小地图的坐标映射搞反了。它把世界坐标的X轴映射到了Canvas的Y轴，导致小地图上的方向跟实际移动方向不一致。这个bug我在第三阶段反馈后才修复。

DeepSeek V4 Pro的代码在数学上最严谨。它的碰撞检测用了射线投射，从玩家位置向移动方向发射一条射线，检测与墙壁的交点，然后根据交点距离决定是否允许移动。这个方案比AABB更精确，能处理斜向移动时的墙角碰撞。但问题在于——它生成的射线检测代码里，射线方向向量没有归一化，导致移动速度在不同方向上不一致。斜着走比直着走快，这在游戏里是致命的。我检查了代码，发现它在计算方向向量后直接用了，没有调用.normalize()。

GLM5.3的代码最“稳”。没有特别惊艳的设计，但每个模块都能正常工作。它的迷宫生成用了Prim算法，生成的迷宫通路比较宽敞，走起来舒服。小地图绘制用了离屏Canvas做缓存，每帧只重绘变化的部分，性能比另外两家好。但它的鼠标视角控制有个小毛病：没有做俯仰角限制，鼠标一直往上推，视角会翻转。这个bug在FPS游戏里很常见，修复也简单，加个Math.max和Math.min夹紧就行。

注意：模型生成的3D代码，最常见的三类bug是——向量未归一化导致速度不一致、坐标系映射错误导致方向反了、角度未夹紧导致视角翻转。这三个坑我在不同模型上都踩到过，建议在代码审查时优先检查这几处。

2.3 第三阶段：报错修复与迭代能力

第三阶段我模拟真实开发场景，把运行时报错和异常表现反馈给模型，看它们能不能准确定位并修复。

Step 5 Preview的修复能力最强。我把小地图方向反了的问题描述给它，它立刻定位到minimap.js里的坐标映射函数，解释说“世界坐标的X轴对应Canvas的X轴，Z轴对应Y轴，我写反了”，然后给出了修正后的代码。更关键的是，它还主动检查了其他地方的坐标映射，发现玩家位置指示器的旋转角度也错了，一并修了。这种“举一反三”的能力在调试阶段非常省心。

DeepSeek V4 Pro在修复射线未归一化的问题时，第一次改错了地方。它把归一化加在了碰撞检测函数里，但移动速度的计算在另一个函数中，导致问题依旧。我第二次反馈后，它才找到正确的修改位置。这说明它在跨文件追踪数据流方面稍弱，需要更明确的错误定位信息。

GLM5.3修复俯仰角限制只花了一轮。它直接在鼠标移动事件里加了角度夹紧逻辑，代码简洁有效。但当我反馈“小地图性能可以优化”时，它给出的方案是“降低小地图刷新频率到每秒10次”，这个方案能用但不够优雅——更好的做法是只在玩家移动时重绘，静止时不重绘。GLM5.3没有主动想到这个层面。

3. 三款模型的能力边界与选型建议

3.1 各自擅长的场景

跑完整个测试，三个模型的画像已经比较清晰了。

Step 5 Preview适合复杂项目的从零搭建。它的架构设计能力明显高出一档，能把一个模糊的需求拆解成职责清晰的模块，并且在编码阶段保持跨文件的一致性。如果你要做一个中等规模以上的项目，需要模型帮你规划整体结构，Step 5 Preview是首选。它的代码风格也最接近有经验的开发者——变量命名规范、注释到位、错误处理完善。

DeepSeek V4 Pro适合算法密集型的模块开发。它的数学功底在三个模型里最强，碰撞检测的射线求交推导、迷宫生成的递归回溯实现，都写得严谨准确。但它在工程化方面偏弱，单文件方案虽然跑得快，但不利于维护。如果你的任务核心是某个具体算法，比如寻路、物理模拟、 procedural generation，DeepSeek V4 Pro能给出质量最高的代码。

GLM5.3适合快速原型验证。它的代码最“稳”，很少出现跑不起来的情况，虽然缺少惊艳的设计，但胜在可靠。对于需要快速验证想法、做demo的场景，GLM5.3的产出效率最高。它的中文注释也最自然，适合中文团队协作。

3.2 共同的短板

三个模型在3D游戏开发上有一个共同的短板：对性能优化的理解停留在表面。它们都能写出功能正确的代码，但很少主动考虑渲染批次合并、几何体实例化、纹理压缩这些进阶优化手段。Step 5 Preview提到了离屏Canvas缓存小地图，这已经是三个模型里最深入的性能优化了。如果你要做的是一个商业级的3D应用，模型生成的代码只能作为起点，后续的性能调优还得靠人工。

另一个共同问题是对边界情况的处理不够全面。比如窗口resize时的相机宽高比更新、页面失焦时暂停游戏循环、移动端触摸事件的支持，这些在实际项目中必须考虑的问题，三个模型都没有主动提及。你需要在使用时自己补全这些逻辑。

实操心得：用模型生成3D游戏代码时，建议在提示词里明确加上“考虑窗口resize、页面失焦暂停、移动端触摸支持”这几个要求。不加的话，它们大概率会忽略。

3.3 关于WorkBuddy的配合使用

这次测试过程中，我用WorkBuddy做了一些辅助工作。WorkBuddy的工作台模式很适合管理这种多模型对比的任务——我可以把三个模型的对话分别放在不同的工作区里，互不干扰。它的跨对话记忆功能在第三阶段修复时特别有用，我不需要反复粘贴之前的代码，WorkBuddy能自动关联上下文。

WorkBuddy的自定义指令功能也值得一说。我给它定了一条规则：“所有代码生成任务，优先考虑模块解耦和可测试性”，后续所有对话都自动遵循这个规则，省去了每次重复说明的麻烦。对于需要长期维护的项目，这个功能能显著提升一致性。

不过WorkBuddy的系统缓存目录默认在C盘，如果你跟我一样C盘空间紧张，建议在设置里改到D盘。具体路径在“设置-高级-缓存管理”里，改完之后重启WorkBuddy生效。另外它的安全审核机制比较严格，生成涉及网络请求的代码时会触发审核提示，这是正常现象，确认代码用途合规即可继续。

4. 常见问题与排查技巧实录

4.1 模型生成3D代码的高频问题速查

4.2 提示词工程的实际技巧

跟这三个模型打交道的过程中，我总结了几条实用的提示词技巧。

第一条：明确技术栈版本。Three.js的API在不同版本间有破坏性变更，比如Geometry在r125之后被移除，改用BufferGeometry。如果你不说版本，模型可能生成过时的API调用。我的做法是在提示词开头就写“使用Three.js r160版本”。

第二条：分阶段交互比一次性生成效果好。一次性让模型生成完整游戏代码，它容易在细节上偷懒。分三个阶段——先架构、再核心模块、最后整合——每个阶段聚焦一个目标，产出质量明显更高。Step 5 Preview在分阶段模式下表现尤其好，因为它的上下文保持能力最强。

第三条：报错信息要具体。不要只说“跑不起来”，要给出控制台报错、异常表现、复现步骤。模型不是调试器，它需要足够的信息才能定位问题。我通常会把Chrome DevTools的报错截图转成文字贴给模型，修复准确率能提升不少。

4.3 本地环境搭建的注意事项

Three.js项目虽然浏览器直接跑，但有几个环境细节容易踩坑。

如果你用ES Module方式引入Three.js，需要通过HTTP服务访问，直接双击HTML文件会触发CORS错误。最简单的做法是在项目目录下跑python -m http.server 8000，然后浏览器访问localhost:8000。Node环境的话，npx serve也行。

纹理加载是另一个坑。模型生成的代码里，纹理路径经常写的是相对路径，但实际文件可能不在对应位置。建议在代码里加一个纹理加载失败的回调，打印出具体是哪个文件没找到，方便排查。

还有一点：模型生成的代码默认假设屏幕是桌面端宽屏。如果你在移动端浏览器打开，可能会发现控制台报“touch事件未处理”的警告。这不是bug，但会影响移动端体验。需要自己补上触摸事件监听。

5. 从实测结果看3D游戏开发的AI辅助边界

5.1 模型能做什么，不能做什么

把三个模型的表现放在一起看，AI在3D游戏开发中的能力边界已经比较清晰了。

能做的：生成标准化的游戏循环骨架、实现常见的算法（迷宫生成、碰撞检测、寻路）、编写输入处理和状态管理代码、根据报错定位问题并给出修复方案。这些任务占了一个3D游戏项目60%到70%的代码量，模型能显著缩短开发时间。

不能做的：性能调优的深度优化、美术资源的创建和处理、游戏手感的调校、复杂物理模拟的精确参数调整。这些任务要么需要人类的美学判断，要么需要针对具体硬件的反复测试，模型目前还替代不了。

做得不够好的：边界情况的全面考虑、跨模块的数据流追踪、对“代码可维护性”的主动追求。模型倾向于生成“能跑就行”的代码，如果你不明确要求，它不会主动做模块解耦、错误处理、单元测试这些工程化的工作。

5.2 实际项目中的协作模式

基于这次测试，我目前采用的协作模式是：模型出草稿，人工做精修。

具体来说，新项目启动时，让Step 5 Preview出架构方案和核心模块代码，我审查后调整模块划分。算法密集的部分，比如迷宫生成和碰撞检测，让DeepSeek V4 Pro单独生成，我验证数学正确性。快速原型阶段用GLM5.3，因为它的代码最稳，很少需要调试。

代码审查的重点放在三个地方：向量运算是否正确、坐标系映射是否一致、边界情况是否处理。这三处是模型最容易出错的地方，也是人工审查价值最大的地方。

5.3 后续可以扩展的方向

这次测试只覆盖了Three.js这一个技术栈。如果你用的是Babylon.js、PlayCanvas或者原生WebGL，模型的表现可能会有差异。Babylon.js的API更面向对象，模型生成代码的准确率可能会更高；原生WebGL的样板代码多，模型容易在细节上出错。

另一个值得探索的方向是让模型生成单元测试。3D游戏的逻辑部分——迷宫生成、碰撞检测、计分规则——都是可以单元测试的。如果让模型同时生成实现代码和测试代码，能大幅提升代码的可靠性。我试过让Step 5 Preview给迷宫生成函数写测试，它生成了包括连通性验证、边界检查、性能基准在内的完整测试用例，质量超出预期。

最后分享一个我在这次测试里学到的小技巧：当你觉得模型生成的代码“哪里不对但又说不上来”的时候，把代码贴回给模型，让它“以代码审查者的身份找出潜在问题”。三个模型在这种模式下都能发现一些自己之前忽略的bug。Step 5 Preview甚至能指出“这个变量名有歧义，建议重命名”这种代码风格层面的问题。这个自审查的步骤，我現在已经加到了标准工作流里。