一位游戏开发者在 Linux.do 论坛分享了大模型辅助 Unity VR 开发的失败经历。该开发者正在将游戏移植到 Meta Quest VR 平台，需要为 SDK 内置的手势追踪功能接入手臂骨架，以便后续添加手表显示。他首先使用 Claude 最新的 Fable 5.2 模型，但经过三轮修改，生成的手臂骨架始终呈现类似骨折的扭曲状态，连 XYZ 轴的空间关系都未能正确处理。更令开发者不满的是，该模型完成任务后未做任何测试，也未查看其提供的截图，第三轮仍在回复“方向比上一版好很多”。由于每轮验证需要重新编译并实际佩戴设备测试，单轮耗时至少十五分钟，开发者在该任务上浪费超过一小时后，切换到 GPT Sol（Codex Sol）模型，一轮即完成手臂骨架的正确接入，后续验证效果保持稳定。开发者总结称，GPT 的测试环节虽多，但能真实测出问题；没有实际测试就不能宣称任务已完成，并表示今后 3D 类开发任务将不再使用 Claude。该帖子反映出前沿模型在通用基准上的领先与其在垂直开发场景中的实际表现存在明显落差，引发社区对 AI 编程工具选型的讨论。
事件分析
技术层面，该案例暴露出大模型在 3D 空间理解上的固有短板：骨架层级与 XYZ 轴属于强空间语义任务，纯代码生成难以保证几何正确性，而模型缺失截图自检环节进一步放大了错误。值得注意的是，Meta Quest 已提供官方 Agentic Skill，说明硬件厂商正为 Agent 构建领域化工具接口，但模型能否有效调用这些接口仍是关键变量。产业层面，通用榜单成绩与垂直场景表现的背离正促使开发者按任务类型选型，多模型混用渐成常态，模型忠诚度正在瓦解。后续走向方面，Agent 工作流中的自动验证能力，包括编译回归、渲染截图自检、真机测试等闭环环节，可能成为下一阶段竞争焦点，“未经测试不得宣称完成”有望从开发者诉求演变为 Agent 产品的标配能力。
核心观点：Agent 能力的分水岭不在代码生成有多快，而在自主测试与视觉校验的闭环，缺失闭环的模型在垂直场景仍不可用。
原文链接：Linux.do
