Communitygithub.com

MelonS/MelonS-Agents

Prototipo de juego estilo colonia-sim en miniatura, construido con un agente de desarrollo de juegos. Muestra de portafolio que demuestra habilidades en forma de T: agente de IA + desarrollo de juegos.

¿Qué es MelonS-Agents?

Esta habilidad, MelonS/MelonS-Agents, define un proyecto prototipo de juego de simulación de colonias en miniatura llamado 'pawnsim', desarrollado en Unity en un plazo de 7 días. Su objetivo principal es servir como pieza de portafolio para demostrar cómo un agente de IA puede orquestar el desarrollo completo de un juego, integrando módulos como la generación de activos, el andamiaje de código, el ajuste de balances y un Director de IA dentro del juego. El alcance está estrictamente delimitado: incluye 2-3 peones, 3 necesidades, 2 recursos y 4 acciones, con un mapa de 50x50 y una IA de utilidad básica. Se apoya en la herramienta 'game-dev-agent' para la generación procedural de arte, código y audio, y cada día produce una compilación ejecutable. La audiencia objetivo son ingenieros de agentes de IA en empresas de videojuegos y empresas tecnológicas, mostrando el proceso de construcción en público a través de commits diarios y un registro detallado del agente.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/MelonS/MelonS-Agents/tree/HEAD/games/pawnsim

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

pawnsim

Prototipo de simulación de colonias en miniatura para Unity, construido en 7 días usando game-dev-agent para la generación de activos, andamiaje de código, ajuste de balances y el Director de IA dentro del juego.

Juego de referencia

Género de simulación de colonias. Estamos construyendo un prototipo vertical — NO es una copia, NO compite. Solo demostración.

Alcance (fijado al inicio del Día 1)

IncluidoExcluido
2-3 peones10+ peones
3 necesidades (comida, sueño, ánimo)8+ necesidades
2 recursos (madera, comida)economía completa + cadenas de producción
3-4 acciones (talar, comer, dormir, deambular)construir, fabricar, investigar
Mapa de 50×50mundo abierto / múltiples biomas
Director de IA — 3-5 tipos de eventosestaciones, simulación climática, incursiones
IA de utilidad (prioridad de necesidad más alta)simulación de ánimo / relaciones
Guardado/carga básico (JSON)autoguardado / múltiples ranuras / nube
2D cenital3D / isométrico

Calendario de entregables por día

DíaQué muestra el .exe al ejecutarse
1Título → Inicio → mapa vacío + 1 peón inactivo, cliqueable
2El peón se mueve al hacer clic derecho, panel de necesidades visible con tiempo decreciente
3Árboles en el mapa, el peón puede talar madera, contador de madera aumenta
43 peones, satisfacción autónoma de necesidades (IA de utilidad)
5El Director de IA genera eventos aleatorios (texto impulsado por LLM)
6Guardado/carga funcional, se añaden BGM + SFX
7Pulido + video demo + README de portafolio

Cada día = instantánea builds/day-X-2026-MM-DD.exe guardada.

Estructura de directorios

games/pawnsim/
├── SKILL.md (este archivo)
├── unity-project/          # Raíz del proyecto Unity 2022.3.32f1
│   ├── Assets/
│   │   ├── Scripts/        # C# (generado por el módulo code_assist)
│   │   ├── Sprites/        # Arte 2D (generado por el módulo asset_gen)
│   │   ├── Audio/          # BGM + SFX (generado por el módulo audio_gen)
│   │   ├── Configs/        # Datos de balance en ScriptableObject
│   │   └── Scenes/
│   ├── Packages/
│   └── ProjectSettings/
├── builds/                 # Instantáneas .exe de fin de día (ignoradas por git)
│   ├── day-1-2026-05-26.exe
│   └── ...
└── docs/
    ├── DESIGN.md           # Alcance + lista de sistemas
    ├── AGENT_LOG.md        # Lo que hizo el agente cada día
    └── DEMO.md             # Guion del video demo + narrativa de portafolio

Narrativa de construcción pública

Cada registro de commit diario = la contribución del agente ese día. El README de portafolio al final del Día 7 = "El agente de IA construyó este juego en 7 días; aquí se muestra cómo fue cada día + qué módulo del agente hizo qué".

Audiencia objetivo: responsables de contratación de ingenieros de agentes de IA en empresas de videojuegos + empresas tecnológicas en general que buscan roles de agente de IA / aplicaciones LLM.

Skills relacionados