How to engineer an AI harness for game development

In a 45-minute talk titled "Your Game Is A Harness" at Indie Rodeo in Calgary on 9/12/26, the author shared ideas on using LLMs in real game development, the kind of daily work done eight hours a day, five days a week, rather than one-shot demos. The author notes the post is entirely human-written, drawn from the talk's slides rather than a transcript.

The author's own journey began with mood.site, a moodboarding site built by blindly copy-pasting code into ChatGPT's web interface. Despite the clumsy process, the project was completed in about 2-3 weeks of nights, roughly 20 hours total, a timeline the author believes would have been far longer without an LLM. Since then, LLMs such as Claude Code and later Claude models have improved significantly, and for web-based stacks the author feels there is little an LLM cannot do.

Games, however, have proven a different story. The author's consistent takeaway is that LLMs are Bad At Games. Part of the reason, the author suggests, is training data: high-quality web projects are abundant online, while comparable game source is orders of magnitude scarcer. Games also contain many elements that are not easily represented as code, and they must handle dozens of systems beyond the text layout that web apps rely on.

The author acknowledges possible bias, having worked as a game programmer for nearly 15 years, which makes them quick to spot weak game code while being less critical of unfamiliar Svelte code. The talk's framing, that a game itself acts as a harness for AI-assisted development, aims to address these gaps in practical workflows.

في محاضرة مدتها 45 دقيقة بعنوان "لعبتك هي منظومة" في مؤتمر Indie Rodeo في كالغاري بتاريخ 9/12/26، شارك المؤلف أفكاراً حول استخدام نماذج اللغة الكبيرة في تطوير الألعاب الحقيقي، وهو العمل اليومي الذي يُنجز ثماني ساعات يومياً، خمسة أيام في الأسبوع، وليس العروض التجريبية لمرة واحدة. ويشير المؤلف إلى أن المنشور كُتب بالكامل بأيدٍ بشرية، وأنه مستمد من شرائح المحاضرة لا من نص مكتوب لها.

بدأت رحلة المؤلف مع mood.site، وهو موقع لإعداد لوحات الإلهام بُني عبر نسخ الشيفرة البرمجية ولصقها بشكل أعمى في واجهة ChatGPT على الويب. ورغم العملية المرتبكة، أُنجز المشروع خلال نحو 2-3 أسابيع من العمل الليلي، بإجمالي حوالي 20 ساعة، وهي مدة يرى المؤلف أنها كانت ستطول كثيراً من دون نموذج لغوي. ومنذ ذلك الحين تحسّنت نماذج مثل Claude Code ونماذج Claude لاحقاً تحسناً ملحوظاً، ويرى المؤلف أن قليلاً جداً من المهام في المنظومات القائمة على الويب يعجز النموذج عن إنجازه.

غير أن الألعاب أثبتت أنها قصة مختلفة. فالخلاصة التي يكررها المؤلف هي أن نماذج اللغة الكبيرة سيئة في الألعاب. ويرى أن جزءاً من السبب يعود إلى بيانات التدريب، إذ تتوافر مشاريع الويب عالية الجودة بكثرة على الإنترنت، بينما شيفرة الألعاب المماثلة أندر بمراتب من حيث الحجم. كما تحتوي الألعاب على عناصر كثيرة لا يسهل تمثيلها في صورة شيفرة، ويجب أن تتعامل مع عشرات الأنظمة التي تتجاوز تخطيط النصوص الذي تعتمد عليه تطبيقات الويب.

ويقر المؤلف بأن لديه تحيزاً محتملاً، إذ عمل مبرمجاً للألعاب نحو 15 عاماً، ما يجعله سريع الملاحظة لشيفرة الألعاب الضعيفة، بينما يكون أقل نقداً لشيفرة Svelte التي لا يعرفها جيداً. ويهدف طرح المحاضرة، القائل بأن اللعبة نفسها تعمل كمنظومة لتطوير المدعوم بالذكاء الاصطناعي، إلى معالجة هذه الثغرات في سير العمل العملي.

ক্যালগেরির Indie Rodeo-তে ৯/১২/২৬ তারিখে "Your Game Is A Harness" শিরোনামের ৪৫ মিনিটের একটি বক্তৃতায় লেখক বাস্তব গেম ডেভেলপমেন্টে LLM ব্যবহার নিয়ে ধারণা শেয়ার করেছেন। এটি সেই প্রতিদিনের কাজ, যা সপ্তাহে পাঁচ দিন, দিনে আট ঘণ্টা করা হয়, কেবল একবারের ডেমো নয়। লেখক উল্লেখ করেছেন, এই পোস্টটি সম্পূর্ণ মানুষের লেখা, বক্তৃতার স্লাইড থেকে নেওয়া, কোনো ট্রান্সক্রিপ্ট থেকে নয়।

লেখকের যাত্রা শুরু হয় mood.site দিয়ে, একটি মুডবোর্ডিং ওয়েবসাইট, যা ChatGPT-এর ওয়েব ইন্টারফেসে অন্ধভাবে কোড কপি-পেস্ট করে তৈরি হয়েছিল। এই অগোছালো প্রক্রিয়া সত্ত্বেও, প্রকল্পটি প্রায় ২-৩ সপ্তাহের রাতের কাজে, মোট প্রায় ২০ ঘণ্টায় সম্পন্ন হয়। লেখক বিশ্বাস করেন LLM ছাড়া এর সময়সীমা অনেক বেশি লম্বা হতো। এরপর Claude Code এবং পরে Claude মডেলগুলোর ব্যাপক উন্নতি হয়েছে, এবং ওয়েব-ভিত্তিক স্ট্যাকের ক্ষেত্রে লেখকের মনে হয় LLM দিয়ে এমন খুব কমই আছে যা করা যায় না।

তবে গেমের ক্ষেত্রে ভিন্ন গল্প প্রমাণিত হয়েছে। লেখকের ধারাবাহিক উপসংহার হলো LLM গেমে ভালো নয়। লেখকের মতে এর একটি কারণ প্রশিক্ষণ ডেটা: উচ্চমানের ওয়েব প্রকল্প অনলাইনে প্রচুর, কিন্তু তুলনীয় গেমের সোর্স কোড অনেক কম। গেমে এমন অনেক উপাদান আছে যা সহজে কোড হিসেবে প্রকাশ করা যায় না, এবং ওয়েব অ্যাপ যে টেক্সট লেআউটের উপর নির্ভর করে তার বাইরেও ডজনখানেক সিস্টেম সামলাতে হয়।

লেখক সম্ভাব্য পক্ষপাতের কথা স্বীকার করেন, কারণ তিনি প্রায় ১৫ বছর গেম প্রোগ্রামার হিসেবে কাজ করেছেন, ফলে দুর্বল গেম কোড দ্রুত ধরতে পারেন, আর অপরিচিত Svelte কোডের ক্ষেত্রে কম কঠোর থাকেন। বক্তৃতার মূল ভাবনা, যে গেমটি নিজেই AI-সহায়িত উন্নয়নের হার্নেস হিসেবে কাজ করে, তার লক্ষ্য হলো বাস্তব কর্মপ্রবাহের এই ঘাটতিগুলো মোকাবিলা করা।

In einem 45-minütigen Vortrag mit dem Titel "Your Game Is A Harness" auf der Indie Rodeo in Calgary am 9/12/26 teilte der Autor Ideen zum Einsatz von LLMs in der echten Spieleentwicklung, also der alltäglichen Arbeit, die acht Stunden am Tag, fünf Tage die Woche anfällt, und nicht um einmalige Demos. Der Autor merkt an, dass der Beitrag vollständig von Menschen geschrieben wurde und auf den Folien des Vortrags basiert, nicht auf einem Transkript.

Die Reise des Autors begann mit mood.site, einer Moodboard-Website, die durch blindes Kopieren und Einfügen von Code in die Weboberfläche von ChatGPT entstand. Trotz des umständlichen Vorgehens wurde das Projekt in etwa 2 bis 3 Wochen abendlicher Arbeit fertiggestellt, insgesamt rund 20 Stunden. Der Autor ist überzeugt, dass dies ohne LLM deutlich länger gedauert hätte. Seitdem haben sich LLMs wie Claude Code und später die Claude-Modelle stark verbessert, und für webbasierte Stacks meint der Autor, dass ein LLM kaum etwas nicht leisten kann.

Spiele haben sich jedoch als ganz andere Geschichte erwiesen. Die gleichbleibende Erkenntnis des Autors lautet: LLMs sind schlecht in Spielen. Ein Teil des Grundes liegt laut dem Autor in den Trainingsdaten: Hochwertige Webprojekte gibt es online in Hülle und Fülle, vergleichbarer Spielquellcode ist dagegen um Größenordnungen seltener. Spiele enthalten außerdem viele Elemente, die sich nicht ohne Weiteres als Code darstellen lassen, und sie müssen Dutzende Systeme jenseits des Textlayouts bewältigen, auf das sich Webanwendungen stützen.

Der Autor räumt eine mögliche Voreingenommenheit ein, da er knapp 15 Jahre als Spieleprogrammierer gearbeitet hat. Dadurch erkennt er schwachen Spielecode schnell, ist aber bei ihm unbekanntem Svelte-Code weniger kritisch. Die Leitidee des Vortrags, dass das Spiel selbst als Harness für KI-gestützte Entwicklung dient, soll diese Lücken in praktischen Arbeitsabläufen schließen.

En una charla de 45 minutos titulada "Your Game Is A Harness" en Indie Rodeo, en Calgary, el 9/12/26, el autor compartió ideas sobre el uso de LLM en el desarrollo real de videojuegos, el tipo de trabajo diario que se realiza ocho horas al día, cinco días a la semana, en lugar de demostraciones de un solo intento. El autor señala que la publicación está escrita íntegramente por humanos, a partir de las diapositivas de la charla y no de una transcripción.

El recorrido del autor comenzó con mood.site, un sitio de moodboards construido copiando y pegando código a ciegas en la interfaz web de ChatGPT. A pesar del proceso torpe, el proyecto se completó en unas 2-3 semanas de noches, unas 20 horas en total, un plazo que, según el autor, habría sido mucho más largo sin un LLM. Desde entonces, LLM como Claude Code y, más tarde, los modelos Claude han mejorado notablemente, y para las pilas tecnológicas web el autor considera que hay poco que un LLM no pueda hacer.

Los juegos, sin embargo, han demostrado ser otra historia. La conclusión constante del autor es que los LLM son malos en los juegos. Parte de la razón, sugiere, es el material de entrenamiento: los proyectos web de alta calidad abundan en internet, mientras que el código fuente comparable de juegos es órdenes de magnitud más escaso. Además, los juegos contienen muchos elementos que no se representan fácilmente como código, y deben gestionar decenas de sistemas más allá de la disposición de texto en la que dependen las aplicaciones web.

El autor reconoce un posible sesgo, ya que ha trabajado como programador de juegos durante casi 15 años, lo que le permite detectar rápidamente código de juego deficiente, aunque es menos crítico con el código Svelte que le resulta desconocido. El planteamiento de la charla, según el cual el propio juego actúa como arnés para el desarrollo asistido por IA, pretende abordar estas carencias en los flujos de trabajo prácticos.

Lors d'une conférence de 45 minutes intitulée « Your Game Is A Harness » à Indie Rodeo, à Calgary, le 9/12/26, l'auteur a partagé des idées sur l'utilisation des LLM dans le développement de jeux réel, c'est-à-dire le travail quotidien effectué huit heures par jour, cinq jours par semaine, plutôt que des démonstrations ponctuelles. L'auteur précise que l'article est entièrement rédigé par un humain, à partir des diapositives de la conférence et non d'une transcription.

Le parcours de l'auteur a commencé avec mood.site, un site de moodboards construit en copiant-collant aveuglément du code dans l'interface web de ChatGPT. Malgré ce processus maladroit, le projet a été achevé en environ 2 à 3 semaines de soirées, soit environ 20 heures au total, un délai que l'auteur estime bien plus long sans LLM. Depuis, des LLM comme Claude Code, puis les modèles Claude, se sont nettement améliorés, et pour les piles technologiques web, l'auteur estime qu'il y a peu de choses qu'un LLM ne sache pas faire.

Les jeux, en revanche, se sont révélés une tout autre histoire. La conclusion constante de l'auteur est que les LLM sont mauvais dans les jeux. Une partie de l'explication, selon lui, tient aux données d'entraînement : les projets web de qualité abondent en ligne, alors que le code source de jeux comparable est des ordres de grandeur plus rare. Les jeux comportent aussi de nombreux éléments difficiles à représenter sous forme de code, et doivent gérer des dizaines de systèmes au-delà de la mise en page de texte sur laquelle reposent les applications web.

L'auteur reconnaît un biais possible, car il a travaillé près de 15 ans comme programmeur de jeux, ce qui le rend prompt à repérer un code de jeu faible, tout en étant moins critique envers le code Svelte, qui lui est moins familier. Le principe de la conférence, selon lequel le jeu lui-même sert de harnais au développement assisté par IA, vise à combler ces lacunes dans les flux de travail pratiques.

Indie Rodeo में, कैलगरी में 9/12/26 को, "Your Game Is A Harness" नामक 45 मिनट के एक भाषण में लेखक ने वास्तविक गेम डेवलपमेंट में LLM के उपयोग पर विचार साझा किए। यह वह रोज़मर्रा का काम है जो सप्ताह में पाँच दिन, दिन में आठ घंटे किया जाता है, न कि केवल एक-बार के डेमो के रूप में। लेखक नोट करते हैं कि यह पोस्ट पूरी तरह मनुष्यों द्वारा लिखी गई है और भाषण की स्लाइड्स से ली गई है, न कि किसी ट्रांसक्रिप्ट से।

लेखक की यात्रा mood.site से शुरू हुई, एक moodboarding साइट जिसे ChatGPT के वेब इंटरफ़ेस में बिना सोचे-समझे कोड कॉपी-पेस्ट करके बनाया गया था। इस अनाड़ी प्रक्रिया के बावजूद, परियोजना लगभग 2-3 सप्ताह की रातों में, कुल लगभग 20 घंटों में पूरी हुई। लेखक का मानना है कि LLM के बिना यह समय सीमा कहीं अधिक लंबी होती। तब से Claude Code और बाद में Claude मॉडल जैसे LLM में काफी सुधार हुआ है, और वेब-आधारित स्टैक के लिए लेखक को लगता है कि LLM के लिए कुछ भी असंभव नहीं है।

हालाँकि, गेम्स एक अलग कहानी साबित हुए हैं। लेखक का लगातार निष्कर्ष है कि LLM गेम्स में अच्छे नहीं हैं। लेखक के अनुसार इसका एक कारण प्रशिक्षण डेटा है: उच्च-गुणवत्ता वाले वेब प्रोजेक्ट ऑनलाइन भरपूर हैं, जबकि तुलनीय गेम सोर्स कोड कई गुना कम है। गेम्स में कई ऐसे तत्व भी होते हैं जिन्हें आसानी से कोड के रूप में नहीं दर्शाया जा सकता, और उन्हें टेक्स्ट लेआउट से परे दर्जनों प्रणालियों को संभालना पड़ता है, जिन पर वेब ऐप निर्भर रहते हैं।

लेखक संभावित पूर्वाग्रह को स्वीकार करते हैं, क्योंकि वे लगभग 15 वर्षों तक गेम प्रोग्रामर रहे हैं, जिससे वे कमजोर गेम कोड को जल्दी पहचान लेते हैं, जबकि अपरिचित Svelte कोड के प्रति वे कम आलोचनात्मक होते हैं। भाषण का मूल विचार यह है कि गेम स्वयं AI-सहायित विकास के लिए एक हार्नेस का काम करता है, और इसका उद्देश्य व्यावहारिक कार्यप्रवाह की इन कमियों को दूर करना है।

Dalam presentasi berdurasi 45 menit berjudul "Your Game Is A Harness" di Indie Rodeo di Calgary pada 9/12/26, penulis membagikan gagasan tentang penggunaan LLM dalam pengembangan game sungguhan, yaitu pekerjaan harian yang dilakukan delapan jam sehari, lima hari seminggu, bukan demo sekali jadi. Penulis mencatat bahwa tulisan ini sepenuhnya ditulis manusia, bersumber dari slide presentasi dan bukan dari transkrip.

Perjalanan penulis dimulai dengan mood.site, situs moodboard yang dibangun dengan menyalin dan menempel kode secara membabi buta ke antarmuka web ChatGPT. Meskipun prosesnya canggung, proyek ini selesai dalam sekitar 2-3 minggu pengerjaan malam, total sekitar 20 jam, jangka waktu yang menurut penulis akan jauh lebih lama tanpa LLM. Sejak saat itu, LLM seperti Claude Code dan kemudian model Claude berkembang pesat, dan untuk stack berbasis web penulis merasa hampir tidak ada yang tidak bisa dikerjakan LLM.

Namun game ternyata cerita yang berbeda. Kesimpulan konsisten penulis adalah LLM buruk dalam membuat game. Sebagian alasannya, menurut penulis, ada pada data pelatihan: proyek web berkualitas tinggi melimpah di internet, sedangkan kode sumber game yang sebanding jauh lebih langka, dalam selisih beberapa kali lipat. Game juga memuat banyak elemen yang tidak mudah direpresentasikan sebagai kode, dan harus menangani puluhan sistem di luar tata letak teks yang menjadi tumpuan aplikasi web.

Penulis mengakui kemungkinan bias, karena pernah bekerja sebagai programmer game selama hampir 15 tahun, sehingga cepat menyadari kode game yang lemah, tetapi kurang kritis terhadap kode Svelte yang tidak ia kenal. Kerangka presentasi, bahwa game itu sendiri berfungsi sebagai harness untuk pengembangan berbantuan AI, bertujuan menjembatani kesenjangan ini dalam alur kerja praktis.

カルガリーのIndie Rodeoで2026年9月12日に行われた、45分間の講演「Your Game Is A Harness」で、筆者は実際のゲーム開発におけるLLMの活用について考えを共有しました。対象は一度きりのデモではなく、1日8時間、週5日の日常業務です。筆者は、この投稿は文字起こしではなく講演のスライドをもとに、すべて人間が書いたものであると注記しています。

筆者の歩みは、ムードボードを作成するサイトmood.siteから始まりました。これはChatGPTのWebインターフェースにコードを盲目的にコピー＆ペーストして作ったものです。非効率な進め方ではありましたが、夜間の作業で約2〜3週間、合計約20時間でプロジェクトは完成しました。筆者は、LLMがなければこの期間はずっと長くかかっただろうと考えています。その後、Claude Codeや後継のClaudeモデルが大きく進化し、Webベースのスタックであれば、LLMにできないことはほとんどないと筆者は感じています。

しかしゲームでは事情が異なりました。筆者が一貫して得た結論は、LLMはゲームが苦手であるということです。その理由の一つとして、学習データの問題を挙げています。高品質なWebプロジェクトはオンライン上に豊富にありますが、同等のゲームのソースコードはそれよりも桁違いに少ないのです。また、ゲームにはコードとして表現しにくい要素が多く、Webアプリが依存するテキストレイアウトを超えて、数十ものシステムを扱わなければなりません。

筆者は、約15年間ゲームプログラマーとして働いてきたことから、自身に偏りがあるかもしれないと認めています。そのため、ゲームの弱いコードはすぐに見抜ける一方、なじみのないSvelteのコードには厳しく評価しきれないとも述べています。講演の枠組みである「ゲームそのものがAI支援開発のハーネスになる」という考え方は、実践的なワークフローに残るこれらのギャップに取り組むことを目指しています。

Em uma palestra de 45 minutos intitulada "Your Game Is A Harness" na Indie Rodeo, em Calgary, em 9/12/26, o autor compartilhou ideias sobre o uso de LLMs no desenvolvimento real de jogos, o tipo de trabalho diário feito oito horas por dia, cinco dias por semana, e não demonstrações pontuais. O autor observa que a publicação foi escrita inteiramente por humanos, a partir dos slides da palestra e não de uma transcrição.

A jornada do autor começou com o mood.site, um site de moodboards construído colando código às cegas na interface web do ChatGPT. Apesar do processo desajeitado, o projeto foi concluído em cerca de 2 a 3 semanas de noites, aproximadamente 20 horas no total, um prazo que o autor acredita que teria sido bem mais longo sem um LLM. Desde então, LLMs como o Claude Code e, mais tarde, os modelos Claude melhoraram significativamente, e para pilhas baseadas na web o autor sente que há pouca coisa que um LLM não consegue fazer.

Os jogos, porém, provaram ser uma história diferente. A conclusão consistente do autor é que os LLMs são ruins em jogos. Parte da razão, segundo ele, está nos dados de treinamento: projetos web de alta qualidade são abundantes online, enquanto código-fonte comparável de jogos é ordens de grandeza mais raro. Os jogos também contêm muitos elementos que não são facilmente representados como código e precisam lidar com dezenas de sistemas além do layout de texto no qual os aplicativos web se apoiam.

O autor reconhece um possível viés, pois trabalhou como programador de jogos por quase 15 anos, o que o torna rápido em identificar código de jogo fraco, mas menos crítico com código Svelte, que lhe é desconhecido. A proposta da palestra, de que o próprio jogo atua como um arnês para o desenvolvimento assistido por IA, visa resolver essas lacunas nos fluxos de trabalho práticos.

В 45-минутном выступлении «Your Game Is A Harness» на Indie Rodeo в Калгари 9/12/26 автор поделился идеями об использовании LLM в реальной разработке игр, то есть в повседневной работе, которая занимает восемь часов в день, пять дней в неделю, а не в разовых демонстрациях. Автор отмечает, что публикация полностью написана человеком и основана на слайдах выступления, а не на расшифровке.

Путь автора начался с mood.site, сайта для создания мудбордов, собранного слепым копированием кода в веб-интерфейс ChatGPT. Несмотря на неуклюжий процесс, проект был завершен примерно за 2-3 недели вечерней работы, около 20 часов в общей сложности, и автор считает, что без LLM на это ушло бы значительно больше времени. С тех пор такие LLM, как Claude Code, а позже модели Claude, заметно улучшились, и, по ощущениям автора, для веб-стеков LLM способна почти на все.

Игры же оказались другой историей. Неизменный вывод автора: LLM плохо справляются с играми. Частично причина, по его мнению, в обучающих данных: качественных веб-проектов в сети много, а сопоставимого исходного кода игр на порядки меньше. Кроме того, в играх много элементов, которые нелегко представить в виде кода, и им приходится обрабатывать десятки систем помимо текстовой верстки, на которую опираются веб-приложения.

Автор признает возможную предвзятость: почти 15 лет он работал программистом игр, поэтому быстро замечает слабый игровой код, но менее критичен к незнакомому коду на Svelte. Идея выступления, что сама игра выступает обвязкой для разработки с помощью ИИ, призвана закрыть эти пробелы в практических рабочих процессах.

在卡尔加里Indie Rodeo大会上的一场45分钟演讲《你的游戏就是一个框架》中，作者分享了在真实游戏开发中使用大语言模型的想法，这种开发是每天八小时、每周五天的日常工作，而不是一次性的演示。作者注明，这篇文章完全由人工撰写，内容取自演讲幻灯片而非文字记录。

作者的历程始于mood.site，这是一个情绪板网站，最初是通过将代码盲目复制粘贴到ChatGPT网页界面中完成的。尽管过程笨拙，该项目在大约2-3周的夜间工作中完成，总计约20小时。作者认为，如果没有大语言模型，这个时间线会长得多。此后，Claude Code以及后来的Claude模型等大语言模型有了显著进步，对于基于网页的技术栈，作者觉得大语言模型几乎无所不能。

然而，游戏领域被证明是另一回事。作者一贯的结论是大语言模型不擅长游戏。作者认为，部分原因在于训练数据：高质量的网页项目在网上大量存在，而同类的游戏源代码则少了几个数量级。游戏还包含许多不易表示为代码的元素，并且必须处理数十个系统，而不仅仅是网页应用所依赖的文本布局。

作者承认可能存在偏见，因为他从事游戏程序员工作近15年，这使他能够迅速发现糟糕的游戏代码，而对不熟悉的Svelte代码则不那么挑剔。演讲的框架是：游戏本身就是AI辅助开发的框架，旨在弥补实际工作流程中的这些不足。