Unity 官方擁抱 Claude Code 與 Codex：一個人就能做遊戲了嗎？大型工作室還需要數百名員工嗎？

一、Unity 正式把遊戲引擎交給 AI Agent

過去，想要使用 AI 協助開發 Unity 遊戲，最常見的方式是把問題貼進聊天視窗，再將 AI 產生的 C# 程式碼複製到專案中。

如果程式出現錯誤，開發者還需要手動打開 Unity Console、複製錯誤訊息、重新詢問 AI，再反覆修改。

這套流程最大的問題，不是 AI 不會寫程式，而是 AI 並不真正理解目前 Unity Editor 裡發生了什麼事情。

2026 年 9 月 9 日，Unity 正式推出 Claude Code 官方插件。9 月 16 日，Unity 又宣布 OpenAI Codex 版本正式推出。

日本 CGWORLD 在 10 月 6 日整理了這項消息，使其再次受到遊戲開發者關注。

這次改變的重要性，在於 Unity 不再只是被動接受 AI 產生的程式碼，而是開始提供一套由官方維護的工具與操作知識，讓 AI Agent 能更深入參與遊戲開發。

二、Claude Code 與 Codex 插件究竟能做什麼？

根據 Unity 官方說明，Claude Code 插件推出時包含 29 項 Skills，Codex 版本則包含 31 項 Skills。

這些 Skills 由 Unity 內部負責相關功能的工程團隊撰寫，目的是讓 AI Agent 了解 Unity 正確的開發方式，而不是從不同年代的論壇文章中自行猜測。

例如，AI 可以取得有關 UI Toolkit、uGUI、2D Tilemap、URP、Shader Graph、音訊、導航、物理系統、多人連線、內購與在地化的工作指引。

其中最重要的整合是 Unity CLI。

CLI 是 Command-Line Interface，也就是命令列介面。透過 Unity CLI，AI Agent 可以從終端機與正在運作的 Unity Editor 互動。

官方列出的能力包括安裝與管理 Unity Editor、建立及開啟專案、管理套件、檢查場景階層、建立或修改 GameObject、操作資產，以及執行部分建置與測試工作。

換句話說，AI 不再只是回答應該怎麼做，而是有機會在獲得權限後直接執行工作。

不過，必須強調，Skills 本身主要是工作流程知識與操作指引，不代表每一項功能都能在所有專案中完全自動完成。實際執行仍取決於 CLI、MCP、Unity 版本與專案環境。

三、這跟過去的 AI 寫程式有什麼差別？

傳統 AI 程式輔助工具的主要輸出是程式碼。

開發者提出需求，AI 產生 C#，然後由人類負責將程式整合進 Unity。

但 Unity 專案不是單純的程式碼集合。

一個看似簡單的遊戲功能，可能涉及 Scene、GameObject、Component、Prefab、Animator、Material、Input System、ScriptableObject 與 Project Settings。

例如開發者要求新增一個可操作的角色。

單純生成程式碼，可能只會得到一份 PlayerController.cs。

真正可運作的功能還需要建立角色物件、加入 Collider、設定 Rigidbody、配置輸入、連結攝影機，並確認遊戲執行時沒有例外錯誤。

當 AI 能透過工具檢查並操作 Unity Editor，這些工作就有機會被串成一條完整流程。

這是從 Code Generation 走向 Agentic Development 的差別。

前者主要負責產生程式碼，後者則嘗試完成包含操作、檢查與修正的多步驟任務。

四、對獨立遊戲製作者來說，究竟方便在哪裡？

對獨立開發者而言，最大的困難往往不是完全不會做遊戲，而是必須同時處理太多不同領域。

一個人可能需要兼任遊戲設計、程式、美術、UI、音效整合、測試與發行工作。

即使本身擅長 3D 建模，也不代表熟悉 Unity 的 UI Toolkit、C# 非同步處理、Addressables、多人連線或平台建置。

官方 AI Agent 插件最有價值的地方，就是降低這些領域之間的切換成本。

例如，一名以 3D 美術為主的獨立開發者，可能已經完成角色、建築與場景，但不熟悉遊戲存檔系統。

過去需要花時間搜尋教學、研究 API，再把各種程式碼整合進專案。

現在則可以要求 AI 分析既有專案架構，提出存檔系統方案，建立相關程式與物件，並執行初步測試。

同樣的方式，也可以應用於設定選單、物品欄、角色控制、場景切換與多語言介面。

這不代表所有工作都能一次成功，而是開發者有機會把時間從反覆查找操作步驟，轉移到遊戲設計與品質判斷。

五、一個人是否真的能做出過去需要十個人的遊戲？

從技術角度來看，AI 確實可能讓小型團隊完成更多工作。

尤其在原型製作、工具腳本、資料處理、UI 建立與重複性測試方面，AI Agent 有機會減少大量人工操作。

但不能因此直接推論，一個人使用 AI 就等於十名專業開發者。

原因在於遊戲開發存在不同類型的工作。

部分工作具有明確規則，例如批次修改 Prefab、建立設定選單、檢查缺少的資產引用。

這些工作比較容易透過自動化降低成本。

另一些工作則需要長時間的主觀判斷，例如遊戲是否有趣、戰鬥節奏是否合理、角色是否具有辨識度，以及故事是否能引起情緒共鳴。

AI 可以協助提出方案，但沒有可靠證據顯示它已經能穩定取代完整的遊戲創意決策流程。

此外，當遊戲規模增加，系統之間的相依性也會提高。

一個新功能可能影響存檔、多人同步、UI、動畫、效能與舊版本相容性。

因此，AI 讓一個人能做更多事，並不代表專案複雜度會同步下降。

六、獨立製作者最大的優勢，可能是試錯成本下降

傳統遊戲開發有一個昂貴的環節：驗證想法。

開發者可能花費數週製作一個玩法，最後才發現它並不好玩。

如果 AI Agent 能協助快速建立場景、控制器、UI 與基本互動系統，開發者就能更早進入實際遊玩測試。

例如設計一款俯視角動作遊戲。

開發者可以先要求 AI 建立角色移動、簡單敵人、攻擊判定與生命值系統。

接著實際遊玩，觀察攻擊節奏與操作手感。

如果玩法不成立，就修改設計，而不必先投入大量正式美術資產。

這種流程可以稱為快速原型驗證。

它可能是 AI 對獨立遊戲產業最重要的影響之一：不是保證一個人能完成大型遊戲，而是讓更多人有能力測試原本無法負擔的創意。

七、那大型遊戲公司還需要數百名員工嗎？

這是最具爭議性的問題。

如果 AI 能寫程式、修改場景、處理 UI、產生資產並執行測試，大型遊戲公司是否還需要維持原本的人力規模？

答案不能只用是或否來回答。

大型遊戲公司的工作量，並不是把獨立遊戲的工作乘上數百倍那麼簡單。

大型專案可能需要大量角色動畫、關卡製作、敘事演出、音效、動作捕捉、網路架構、平台最佳化、在地化、品質保證與長期營運。

這些工作彼此相依，還涉及不同團隊之間的協作與審核。

AI 可以加速其中部分工作，但它同時可能產生新的驗證需求。

例如 AI 生成一份程式碼，看起來能正常執行，卻可能在特定硬體、語言版本或多人連線情境下出現錯誤。

對大型商業遊戲而言，這種錯誤可能影響大量玩家，甚至導致版本回滾或服務中斷。

因此，大型工作室仍需要能理解整體系統、判斷風險並負責品質的人員。

八、真正可能改變的，是人力結構而非單純人數

AI Agent 對大型遊戲公司的影響，可能首先出現在工作分配。

例如工具工程師可以使用 AI 更快建立 Editor 擴充工具。

技術美術可以批次檢查資產命名、材質設定與 Prefab 結構。

QA 團隊可以利用 AI 協助產生測試案例、分析日誌及整理錯誤報告。

在地化團隊則可能將更多時間投入翻譯品質、文化適配與語境檢查，而不是手動處理大量字串表格。

這些變化可能降低部分重複性工作的需求，也可能增加對系統整合、工具維護與品質驗證人才的需求。

然而，目前 Unity 官方插件的發布資訊並沒有提供可靠的企業裁員比例或人力替代率。

因此，不能根據 31 項 Skills 就推算大型遊戲公司可以裁減多少員工。

更合理的觀察指標，是每名員工能完成多少經過驗證的工作，以及專案是否因此縮短開發週期或降低返工成本。

九、初階開發者會不會最先受到影響？

AI 自動化可能對部分入門級工作帶來壓力。

例如簡單 UI 腳本、基礎資料轉換、重複性工具開發與部分測試工作，過去可能由初階員工負責。

如果 AI 能完成其中一部分，公司可能重新評估相關職務的配置。

但這裡也存在另一個問題：如果公司不再提供足夠的入門工作，未來要如何培養能夠理解大型系統的資深工程師與技術美術？

資深開發者並不是憑空出現，而是透過長期參與專案、處理錯誤與理解實際製作限制累積能力。

因此，AI 對遊戲產業人才培養的影響，可能比短期裁員數字更值得關注。

另一方面，AI 也可能讓沒有傳統程式背景的美術、設計師與個人創作者取得更多開發能力，形成新的跨領域人才需求。

十、為什麼 Unity 要自己推出官方插件？

Unity 官方說明，過去通用 AI Agent 在處理 Unity 專案時，可能混用不同版本的 API、過時的論壇解法，以及不符合專案慣例的操作方式。

官方 Skills 的目的，就是讓 Agent 優先使用 Unity 工程團隊維護的知識。

例如 URP Render Graph、UI Toolkit 與套件管理，都存在版本差異與特定使用方式。

如果 AI 使用過時資訊，即使生成的程式碼在語法上正確，也可能無法在目前的 Unity 版本正常運作。

Unity 因此選擇將這些知識包裝成可以安裝到 Claude Code、Codex 等工具中的 Skills。

這也反映一項產業變化：未來遊戲引擎的競爭，可能不只比較渲染能力與開發工具，還包括 AI Agent 能否有效理解並操作引擎。

十一、這跟 MCP 有什麼關係？

MCP 是 Model Context Protocol，讓 AI 系統能以標準化方式與外部工具互動。

Unity 已提供透過 CLI 使用的 MCP Server，使支援的 AI Agent 能讀取專案狀態並執行 Editor 操作。

但 MCP 與 Skills 不是同一種東西。

MCP 偏向提供工具連接與操作能力。

Skills 則偏向提供完成特定工作所需的知識、規範與操作流程。

例如 MCP 可能提供建立 GameObject 的操作能力，而 Skill 則告訴 Agent 在特定 Unity 工作流程中應該如何正確建立與設定物件。

兩者結合，才更接近真正能完成多步驟任務的 AI Agent。

十二、使用 AI Agent 開發遊戲，也有新的風險

AI 能直接操作專案，代表錯誤也可能直接影響專案。

例如 Agent 可能修改錯誤的 Scene、覆蓋 Prefab、更新不相容的套件，或在未充分理解架構時修改共用程式。

因此，開發者仍需要使用 Git 等版本控制系統，並在重要修改前建立可回復的狀態。

對大型團隊而言，AI 產生的修改也應經過 Code Review、自動化測試與必要的人工驗收。

此外，商業專案還需要注意原始碼、未公開資產與企業資料是否會傳送給第三方模型服務。

官方插件提供的是整合能力，不代表所有資料安全、著作權與專案治理問題都已自動解決。

十三、未來會不會出現只有三個人的大型遊戲工作室？

技術上，AI 可能讓非常小的團隊完成比過去更大規模的內容。

但遊戲的規模不能只用地圖面積、角色數量或程式碼行數判斷。

一款擁有大量 AI 生成資產的遊戲，仍可能缺乏良好的關卡設計、操作手感、敘事節奏與一致的美術方向。

反過來說，一款規模較小、但設計高度完整的獨立遊戲，也可能提供比大型作品更鮮明的體驗。

因此，AI 帶來的最大機會，可能不是讓每個人都去製作自己的 AAA 遊戲，而是讓創作者用更少資源，完成原本受技術與預算限制的作品。

至於大型公司是否因此縮編，仍需要觀察實際專案數據、產業景氣、企業投資策略與勞動市場變化，不能將所有人力調整都歸因於 AI。

結論：AI 不一定取代遊戲開發者，但正在重新定義開發者的工作

Unity 官方推出 Claude Code 與 Codex 插件，代表 AI Agent 正從外部程式碼助手，逐步進入遊戲引擎的實際製作流程。

對獨立開發者而言，這可能降低跨領域技術門檻，加快原型製作與工具開發。

對大型遊戲公司而言，AI 可能改變職務分工、工作效率與人才需求，但並沒有充分證據證明它已經能按固定比例取代大型團隊。

未來真正重要的能力，可能不只是親手完成每一項操作，而是理解遊戲系統、提出正確需求、驗證 AI 的結果，並將不同技術整合成完整作品。

AI 正在讓遊戲開發的工具變得更強大，但決定遊戲是否值得玩的，仍然是設計、判斷與創造力。

Tech English 技術名詞

• AI Agent（人工智慧代理）：能使用工具、執行多步驟任務並根據結果調整操作的 AI 系統。
• Skill（專業技能指引）：提供 AI Agent 特定領域知識、操作規範與工作流程的指令套件。
• Unity CLI（Unity 命令列介面）：允許開發者與自動化工具從終端機管理及操作 Unity 的介面。
• MCP / Model Context Protocol（模型上下文協定）：讓 AI 系統連接外部工具與資料來源的標準化協定。
• Rapid Prototyping（快速原型開發）：以較低成本迅速建立可測試版本，驗證遊戲玩法與設計假設的方法。
• Human-in-the-Loop（人類參與驗證）：在 AI 自動化流程中保留人類審查、決策與品質控制的設計方式。