本文转载自微信公众号「阿若Arrows」，点此查看原文。
昨天下午吃完饭小睡了一会，回到电脑前打开一看，立马不困了
hy4预览版上线了
首发已经上线了workbuddy和codebuddy并且前两周免费试用
先是Ox Alpha的两周免费刚刚结束，现在腾讯的hy4又来接力了
这半个月也是实现token共产了
时间点还很巧hy4在28号发布，27号就是欧洲最大的游戏展gamescom2026的开幕式。阿若作为一个游戏迷这两天也看了很多游戏厂商在讲述自己之前在amescom找到了很多制作游戏的灵感。
那今天测试hy4也不看什么数据了
就恰好就用hy4扮演一家中国独立游戏工作室，在参加完gamescom2026实现从展会之后进行调研、商业分析、可玩游戏原型制作和临时变更压力测试的游戏制作全流程。
先说结论，Hy4 整体能力很强，面对复杂需求也能保持较好的完成度。不过，它的细节稳定性仍然不足，产出通常还需要人工复核和打磨。
那么话不多说一起来看看hy4的表现如何吧
第一阶段：热点调研与事实核查
第一阶段，我没有急着让HY4做游戏，而是先把它扔进了一场还没有结束的展会。
我选的是Gamescom 2026。测试开始时，闭幕数据和获奖名单还没完全公布，媒体也在互相转载。我更想看它知不知道哪些东西不能下结论。
我让它扮演一家中国独立游戏工作室的研究负责人。团队5人，预算200万元，周期12个月。脱离这些限制谈机会，很容易得到一份根本做不出来的报告。
整理 Gamescom 2026 的重要公告并核对来源，分析趋势，为这支团队提出产品机会。不得把传闻写成事实，来源冲突必须保留，无法确认的内容标记为未知或未完成。
HY4 先交出了一张来源登记表。52 条来源分成 A、B、C、D 四级，14 处冲突单独保留。
接着是一张 156 行、17 个字段的公告数据库，每个项目都带来源和冲突备注。其中 100 条被标成官方确认，56 条是媒体报道，没有收录传闻。
87 个项目是新 IP，占 55.8％。已披露玩法的 60 个项目里，18 个带合作元素。已披露商业模式的 73 个项目里，64 个采用买断制。HY4 没停在报数字。
它判断合作玩法适合传播，但自建联机会迅速吃掉预算。真要做双人玩法，就优先本地双人和 Steam Remote Play。小团队更需要一个 30 秒内能被记住的动作或画面。
它给出三个方向，并把《灶火》排在第一位。这是一款双手操作的中式面点经营游戏，核心不是堆系统，而是把揉、擀、包做出手感。
它还生成了一份事实核查报告。4 个凭印象补全的字段中，3 项被退回未知，另一项重新取得两个来源才保留。面对可疑内容站，它也没有硬编收入数字。
当然，这轮也不是全过。我复查后发现，100 条官方确认里有 20 条没有直接挂接 A 级来源，其中 5 条只有 C 级来源。HY4 会建立规则，也会暴露缺口，但还不能保证每一行都执行到底。
所以我的评价很直接，长链整理、跨文件归纳和自查很强，但发布前的人工复核还省不了。
接下来我会把这些材料重新交还给 HY4，让它进一步分析做成一份一个具有专业媒体品质、可以公开展示的互动数字专题。
第二阶段：一份互动数字专题，看看究竟什么游戏有价值
第一阶段结束后，我没有把那五份文件收进文件夹，而是把它们原封不动地继续交给 HY4。任务变了。它不再只是做研究，而是要把表格、报告、来源和产品机会重新编排成一份可以直接对外展示的互动数字专题。
把第一阶段的五份交付物转化为一个本地可运行的互动专题。保留事实、推断与主观判断的分层，关键结论必须能回到来源，不用未经核实的数据补全页面。
下面这段完整录屏，就是它交出的成品。
📹
从 HTML 和 JavaScript 的实现看，这不是一张只负责好看的长图。页面把内容拆成基本盘、时间线、数据解剖、关系图、公告图鉴、趋势、独立观察、机会洞察和方法边界九个区块。
156 条公告与 52 条来源都写进了本地数据文件，筛选、搜索、排序、卡片抽屉、时间线、桑基图和发行商关系图也都有对应逻辑，不是静态占位。
我觉得做得最好的一点，是第一阶段的研究边界没有在网页里消失。事实、推断和主观判断有三套明确的视觉标记，来源编号可以点开查看，14 项冲突和 8 项未完成内容也被放在页面里。
它在工程上也考虑得比较完整。字体、图表库、粒子效果和数据都放在本地，没有依赖外部 CDN。
但完成度高，也会制造一种错觉。首页把 64.1％ 的官方直接确认做成了醒目的大数字，可我在第一阶段复查时已经发现，100 条官方确认里有 20 条没有直接挂接 A 级来源，其中 5 条只有 C 级来源。
放在表格里，这是几行需要补证的数据。放进一个看起来很完整的专题页里，它就更容易被读者当成已经盖章的结论。
另一个问题是编辑节奏。公告图鉴把 156 条项目全部接了进来，证明数据确实连通了，但这一段会非常长。
所以这一阶段真正显示出来的，是 HY4 能接着上一阶段继续工作，把多份办公交付物编排成一个能运行、能追溯、能交互的成品。
它新增得最多的是结构、界面和传播效率，关键数字的证据强度与整页的阅读节奏，仍然需要人来把关。
第三阶段：制作可玩原型
做到这里，HY4 已经从一场还没结束的展会里整理出了研究材料，又把材料做成了一份可以交互的数字专题。
但这两件事都发生在办公软件和浏览器里。它能不能再往前一步，真的进入游戏引擎，把自己找到的机会做成可以玩的东西？
我把第一阶段排在首位的《灶火》重新交给它。这次不接受 HTML 2D 小游戏，也不接受只有画面的概念演示。我要的是一个能在 macOS 独立运行、有完整玩法循环的 3D 原型。
根据第一阶段选出的《灶火》方向，使用正式游戏引擎制作一款可以运行的 3D 拉面原型。核心循环需要覆盖接单、揉面、拉面、出餐和评分，作品应能够在 macOS 独立运行。制作过程中自行测试、修复问题，并保留尚未解决的限制。
下面这段完整录屏，就是 HY4 最终交出的试玩版本。
📹
我玩过这个游戏之后，第一反应其实很简单，这回真的是个游戏了。确实是一个能在Godot里跑起来、能导出成macOS应用的3D原型。
从菜单进厨房，接下老马的 4 股大宽到陈师傅的 16 股二细。揉面、拉伸、对折、下锅、评分、打烊，一条完整的游戏循环被塞进了 52 秒里。规模不大，但它至少没有停在概念上。
真正让我觉得有意思的，反而是那些没做对的地方。第一版面条用了 Verlet 物理，鼠标一动就断，体验大概就是「我还没拉呢，怎么先碎了」。HY4 没有继续硬修，而是换成解析曲线。
断条也从直接失败改成了自动回弹，面条悬在碗上的问题，改到真的落进汤里才停。
这一步，挺关键。
因为做游戏最麻烦的从来不是把代码写出来，而是发现一套方案不好玩以后，愿不愿意推倒重来。
HY4 在这一轮里表现出来的，不只是会写 GDScript，而是能自己测试、发现问题、换方案，再把一个能运行的版本交回来。
998 分也好，录屏里的两个 S 评分也好，都是它用自己制定的规则给自己打分。看着很爽，但还不能当成玩家评价。
画面也是一样。深色拉面馆、木纹案板、灯笼和热汤已经有了统一气质，但揉面时的白光有点过头，4 股面在远处还是容易看成两团，手机上看订单文字也偏小。有完成度，也有很明显的原型感。
所以我对这一阶段的评价会比 S 更克制一点。HY4 已经能从一份调研报告出发，走进正式游戏引擎，做出一个可以继续迭代的原型。
第四阶段：临时变更压力测试
游戏刚能跑，我又临时改口了。
这次我把自己换成发行商，还要求补上完整手柄支持和色觉辅助。
核心玩法不能动，不准推倒重做，技术修改只给 30 分钟。我要看的不再是 HY4 会不会从零做东西，而是项目已经成形以后，它能不能接住一串临时变更。
在现有《灶火》原型上完成发行商变更。增加完整手柄操作和色觉辅助，保留原有核心玩法，不得推倒重做。技术修改限时 30 分钟，并回归验证原有键鼠操作没有失效。
下面这段视频，就是改完后的手柄版本。
📹
这次变化看得很直接。菜单和揉面改用手柄 A，拉面变成左摇杆控制方向、RT 控制抓取，Start 可以暂停。
打开色觉辅助以后，界面又多了形状、文字和刻度。整套流程重新跑了一遍，原来的拉面玩法没有被拆掉。
我觉得这轮最像真实开发的一点，是 HY4 先判断哪些地方能动。核心玩法不碰，只改输入和 UI。核心代码在 29 分钟内完成，48 项回归测试全部通过。
完整测试、修错和导出其实花了 57 分钟，它也没有把超时藏起来。
当然，机器上没有接物理手柄，测试用的是注入事件，录屏也是脚本驱动。它能证明按键和流程工作，不能证明摇杆与 RT 的真实手感。
Xbox 键位提示、改键、震动和掉线处理也都还没做完，色觉辅助同样只有一种模式。
写在最后
四个阶段跑下来，我现在如果只用一句话评价 HY4，大概是，它已经很像一个能独立推进项目的执行者，但还不是一个可以彻底放手的负责人。
它的强项很明显。面对一个模糊目标，它能自己找资料、拆任务、产出文件，再把上一阶段的结果继续往下用。
52 条来源和 156 条公告没有停在表格里，它们变成了互动专题，又变成了《灶火》的产品方向。游戏做出来以后，临时加手柄和色觉辅助，它也能接着原工程改，不需要重新开始。
更难得的是，它并不只会一口气往前冲。来源冲突会登记，无法确认的字段会退回未知，物理方案不成立就换成解析曲线，临时改输入以后还会补回归测试。
这种连续工作和自我修正，才是 HY4 在这次测试里最亮眼的地方。
短板也很清楚。它能建立一套很漂亮的规则，却不一定把规则执行到每一行。第一阶段那 20 条缺少 A 级来源的官方确认，就是最直接的例子。
到了游戏阶段，自动脚本可以跑出 S 评分，注入事件也能让 48 项测试全部通过，但它们依然代替不了真人玩家和物理手柄。
这也是 HY4 最需要警惕的地方。
它太擅长把东西做得像成品了，网页越漂亮、数据越完整、评分越高，人就越容易忘记追问，证据真的够吗？完成度会增强说服力，也会把没验证的部分一起放大。
所以我不太会把 HY4 当成一个替我做决定的人。还需我负责做复核，再给那个看起来已经完成的结果多问一句，真的可以交出去了吗？
HY4 可以把第一碗面端上来。
但好不好吃，还是得人来尝。
我是阿若，持续实测最新 AI 产品，分享可复现的工具用法。少追概念，多看效果，让每一支箭头都指向真实生产力。