基于 Rokid AIUI：从一句咒语到一副眼镜，我做了款 AR 寻宝游戏《寻宝猎手》

展会上戴着 Rokid 眼镜讲解产品时我就在想：眼镜最大的优势是"你看到什么，它就懂什么"。能不能把它变成一个游戏引擎——你抬头看到的真实世界，就是游戏关卡？于是我做了《寻宝猎手》：AI 出题"找一个红色的东西"，你在房间里找到它、拍下它，AI 判定通过，宝物入袋。

接下来我将介绍我做的《寻宝猎手》:

一.首先我们先进入https://aiui.rokid.com/

登录自己Rokid的账号后界面如下：

现在使用的AIUI Stuido对新手也十分友好，只要自身有想法，即使对代码不了解也能完整属于自己的智能体搭。

他改为三种选择方式：新手的话建议使用对话创建；同时也支持智能体直接导入。

此次我将通过对话创建功能来实现我的项目，选择对话创建，在下方输入想要完成的内容。如我输入的“我设计一款小游戏，我想要让眼前的现实世界直接变成游戏地图，生成一个寻宝猎手小游戏”后就直接帮我生成智能体。

等待几分钟后即可看到生成出的智能体：

通过界面可以看出有些地方存在错误，这正好体现出AIUI界面对新手的友好，我们不需要自己从代码中找错误，我们在下方输入发现的错误后，会自动帮我们进行修改。具体出现哪些问题我们稍后再说。

二.智能体的构建与提审

在左上角点击进入界面，会出现如图界面：

首先给你的智能体进行起名，选择应用类别（根据自己实际做的项目选择哦）我做的是一个小游戏，所以我选择--娱乐。接下来进行输入开场白和功能介绍等内容。

开场白--顾名思义就是在开始时给你进行的交互开始。

功能介绍--简单的介绍你的智能体的功能。

还有一个最容易忽略的信息就是左上方的图标，在AIUI中不可以使用默认的图标影响后续审核。

再点开权限依赖这个界面，基本前四个都需要进行勾选；

因为我的智能体用不到Rokid账号信息，在这我就不进行勾选了。

在预览素材这，提审要 3 到 5 个预览素材，至少一图一视频。我一开始想省事，让 AI 画了几张"眼镜界面"，看两眼就删了——风格跟实际界面完全不是一回事，图文不符在提审时最容易被卡。后来我运行我的项目，使用实际项目的截图和视频进行提交。然后进行AIX打包后进行提审。

三.项目提审后，我开始讲解一下我的项目整体架构及流程

这是我的项目整体结构：

├── assets/                # 音频资源目录
│   ├── hit.wav
│   ├── miss.wav
│   └── win.wav
├── lib/                   # 工具库脚本
│   ├── quests.js          # 任务相关逻辑
│   ├── sfx.js             # 音效管理
│   ├── storage.js         # 本地存储
│   ├── tts.js             # 语音合成
│   └── vision.js          # 视觉识别
├── pages/                 # 页面目录
│   ├── collection/
│   │   └── index.ink
│   ├── hunt/
│   │   └── index.ink
│   └── index/
│       └── index.ink
├── tools/                 # 工具脚本
├── AGENTS.md              # 智能体说明文档
├── app.js                 # 应用入口脚本
└── app.json               # 应用配置文件

别看这代码结构复杂，其实都是平台自动生成，并非我们手动进行敲代码；

在通过生成出的内容进行调试我的智能体，中途出现过很多问题，如果你只是看到功能为实现并不知道是哪的具体问题，你可以在下方直接输入：帮我查询该项目是否存在问题，有问题帮我进行修改

他会自动检查你的代码查看会出哪些问题，并且会自动修改。

四.我的项目怎么玩

我将在模拟器进行操作演示

项目分为五个主题：色彩猎人找指定颜色，文字侦探找带某个字的招牌，材质大师找指定材质，动态追踪找正在移动的东西（行人不算），反向思维最烧脑，题目是"找这条街上看起来最古老的物体"这种，没有标准答案。

这是我的小游戏的首界面：

通过模拟器的镜腿操作开始AI会自动出题，根据要求进行拍摄目标，完成任务，同时可以通过语言交互，可以进行提示，结束，重来，返回等功能；眼睛拍一张照片，和任务描述一起丢给大模型，让它判断画面里有没有符合目标的东西。命中就播报"漂亮！红色的消防栓，第 1 件宝物入手"，没命中它会回一句二十字以内的鼓励。

卡住了喊"提示"，它给的是渐进式提示：第一句是"红色的东西，交通设施里很常见哦"，第二句才缩到"路边有个红色的、矮矮的圆柱体"。反正不直接报答案。

图鉴：收集存在本地，最多 200 条，每条带主题、宝物名和日期。玩几局之后回去翻，能看到"9 月 15日 [色彩猎人] 红色的消防栓"这种记录。图鉴是重复玩下去的理由，不然找到就结束了。

五.最后

做《寻宝猎手》这么长时间，我最大的感受是：眼镜不是把屏幕变小了塞到眼前，而是第一次让"你正在看的东西"变成了输入。

手机要你举起它，世界就先被打断了。眼镜不用——你抬眼看到什么，它就在理解什么。这也正是我把它做成寻宝的原因：宝物不是代码里生成的金币，是你房间里那个红色的消防栓、street 边那块旧招牌、校园里那棵老树。

四个版本，一次推倒重来，容易出现的坑我上面都写清楚了。如果你也在做 AIUI，希望这些能帮你少熬一晚。