一句話指揮 AI 只拿六分：米哈遊筆試裡的小遊戲，考的其實是另一種能力

九月六日，米哈遊的線上筆試在求職社羣牛客網上炸開一串討論。題目結構是十道單選、十五道多選、兩道編程題，外加一個特殊環節：讓考生用 AI 輔助完成一個小遊戲的設計。這個環節的滿分是十四分，而討論串裡的最高呼聲之一，是一位只剩十分鐘、直接開擺丟一句命令給 AI 就交卷的考生，拿了六分。認真調了一下午的，反而有人只過了兩分。

這件事值得從徵才機制的角度細看，因為它透露遊戲公司對「會寫程式」這四個字的定義正在改寫。

筆試現場發生了什麼

先還原考生的實際體驗。那位花了一整個下午的考生說，自己「感覺寫對了」，測試樣例也能過，提交後卻暴零，找不到問題出在哪。另一位考生遇到的小遊戲需求裡有個彈簧，需要給玩家向上的動力，他反覆向 AI 描述這個需求，AI 就是遲遲不實現。還有人做出來的小遊戲左右移動時會上下漂移，讓 AI 修，修完照樣漂。

這些抱怨表面上是技術問題，實際上指向同一個核心：考生與 AI 之間的溝通迴圈失靈了。你說的話 AI 沒聽懂，AI 產出的缺陷你無法定位，於是整個流程卡死在原地。

傳統編程題的考法是封閉式的：輸入、輸出、邊界條件都定義清楚，比的是腦內演算法與手寫程式碼的正確率。米哈遊這次的 AI coding 環節是開放式的：給你一個遊戲需求，工具隨你用，最後看產出能不能動、好不好玩。這兩種考核篩出來的人，技能分佈完全不同。

為什麼「開擺」反而拿分

那位一句話拿六分的考生，做法看起來像放棄，其實意外命中了這類題目的給分邏輯。遊戲設計是分層的：有一個能跑的基本版，就有一部分的分；角色會動、有碰撞、有規則，各再拿一段。一句話生成的版本，很可能已經覆蓋了「能跑」與「基本功能」這兩層。

而那些「調了大半天」的考生，問題往往出在他們用傳統筆試的思維在對待 AI：追求一次到位的完美修正。但 AI 生成的程式碼有一個特性，每一次修改都是重新擲骰子，你修好了漂移，可能同時弄壞了跳躍。考生越是盯著單一缺陷反覆要求 AI 修，越是陷入這個循環。

這裡有一個貼近日常的比喻。AI coding 像是請了一位手腳很快但聽不太懂人話的實習生：你說「彈簧要有向上的力」，他理解成別的東西；你罵他不對，他改了一版，又搞壞了別處。帶過人的都知道，跟這種實習生合作，關鍵技能是描述需求的精準度、拆解任務的能力，以及判斷哪些瑕疵可以放著、哪些必須現在處理的取捨。這些恰恰是學校算法課不教的東西。

米哈遊把這個環節放進筆試，等於宣告：在遊戲開發的實際工作場景裡，這些「帶實習生」的能力，已經被視為工程師核心職能的一部分。這與我們先前觀察到的非名校生靠實習路徑進入大廠的趨勢，共同指向同一件事：企業篩選人才的標準，正從「證明你會」轉向「證明你能做出來」。

選擇題與編程題照舊，AI 只是加賽

值得注意的是，這次筆試並沒有取消傳統環節。從同一討論區其他考生分享的內容看，米哈遊的程式題考到了分塊與超時問題，另有考生為一道銅傀儡題的邊界條件排查了一個小時，最後發現官方測試數據本身疑似有缺陷。這些都是熟悉的演算法競賽式考法。

也就是說，企業的邏輯並非用 AI 取代人腦考核，而是在原有篩子上多加一層網。演算法題負責確認基本功，AI coding 環節負責篩出另一種能力：在需求模糊、工具不可靠的條件下，仍能把東西做出來的人。這種雙軌考核結構，比單純「允許用 AI」或「禁止用 AI」都更誠實地反映了產業現場的真實樣貌。實際的遊戲開發工作，本來就是演算法能力與 AI 協作能力混著用的。

對求職者的三個實際啟示

第一，別把 AI coding 當成附加題輕忽，也別把它當成傳統程式題硬調。它的給分是分層的，先確保拿到「能跑」的基本分，再逐層加功能，比追求一次完美更劃算。

第二，描述需求時要給 AI 可驗證的規格。說「彈簧要給玩家向上的初速度，落地後重力把它拉回來」，遠比「彈簧要有彈的感覺」容易被正確實現。這種規格化表達能力，未來在任何使用 AI 的職位上都用得上，跟我們在一百多家公司聯名呼籲正視 AI 時代網路安全的信中所看到的產業集體轉向，是同一個大環境的兩個切面：AI 進入工作流程之後，人的角色從執行者移往定義者與把關者。

第三，學會判斷 AI 的產出該不該修。小遊戲的漂移、手感不佳，在考試時間壓力下可能就是必須放棄的沉沒成本。工程師的價值判斷力，在 AI 時代反而更值錢。

篩子換了，遊戲規則也換了

一場筆試的討論串，記錄了求職者與新考核方式的第一輪碰撞。有人靠一句話拿了六分，有人調試整個下午只過兩分，這個反差本身就是最好的教材：當工具的執行速度暴增， bottleneck 移回到了人身上，你能不能把需求說清楚、把優先順序排對、把不完美的產出做出取捨。

下一屆校招的考生，大概會提前把「怎麼跟 AI 合作做出一個能跑的小遊戲」寫進備考清單。這個改變發生得安靜，但它對程式教育與人才市場的影響，會比多數人預期的更長遠。

（筆名：沈安）