1. 两个月公测下来Tuanjie AI 在 Unity 项目里到底能干什么Tuanjie AI 是 Unity 中国推出的游戏开发编程智能体公测两个月我把它接进了手头三个不同体量的 Unity 项目里跑了一遍。它不是单纯的代码补全插件而是一个能读取工程上下文、调用编辑器 API、生成资产并落盘到项目目录的 AI Agent。适合谁用独立开发者想一个人顶三个人、团队想把重复工作流固化下来、新手想用自然语言操作 Unity 编辑器这三类人用下来收益最明显。我试过的场景包括用一句话搭出一个带地面、玩家、敌人和光照的 3D 场景让 AI 生成 PlayerController 脚本后自动编译并读取 Console 报错批量把散落在各处的材质文件归拢到 Assets/Materials以及不打开 Unity 直接用 Generator MCP 生成 3D 模型和音效。整个过程里最让我意外的是它对 Unity 工程结构的理解深度——它能读到 Hierarchy 层级、Prefab 结构、Inspector 参数和资产依赖关系这是外部 AI 工具做不到的。公测期间免费额度充足主力 Coding 模型是 GLM-5.2 Max从 4.7 到 5.2 基本保持发布即接入的节奏。下面我把两个月的实测记录拆成可复制的配置步骤和验证动作帮你判断它在日常游戏开发中的实际可用性。2. 接入前的准备Tuanjie AI 的四种形态与选择建议Tuanjie AI 提供四种接入形态覆盖不同工作流。桌面端 Tuanjie Cowork 是完整形态支持 macOS 和 Windows打开后选择 Open Game Project 直接打开 Unity 或团结引擎项目AI 会自动读取工程完整上下文。IDE 插件支持 VS Code、Visual Studio、JetBrains IDEs适合不想离开编辑器的开发者。引擎内嵌 Codely Bridge 通过 Package Manager 安装cn.tuanjie.codely.bridge在 Unity 编辑器里通过 Window → Tuanjie AI → Open Bridge Window 打开它是 CLI 与编辑器通信的桥梁所有 Unity Tools 都通过 Bridge 调用编辑器 API。Codely CLI 是终端命令行工具适合自动化、CI/CD 集成和终端重度用户。我自己的主力组合是桌面端 Cowork 做日常开发CLI 做批量任务和 CI 集成。如果你只想快速体验先装桌面端如果你要接自动化流水线CLI 是必选项。安装 CLI 的前置条件是 Node.js 20.0推荐预装 ripgrep 加速搜索。Windows PowerShell 安装命令irm https://codesearch-plugins.tos-cn-shanghai.volces.com/codely-cli/install.ps1 | iexmacOS/Linux 安装命令curl -fsSL https://codesearch-plugins.tos-cn-shanghai.volces.com/codely-cli/install.sh | bash安装完成后运行codely首次会自动打开浏览器跳转至 Tuanjie AI OAuth 认证页面使用 Unity ID 登录即可。凭据本地缓存后续无需重复登录。这里要提醒一点如果你在团队里用建议把项目级配置和用户级配置分开。项目级配置放在项目目录/.codely-cli/settings.json会覆盖用户级同名配置这样团队共享的 MCP 和 Skill 不会跟个人配置打架。3. 可复制配置settings.json 与 Unity 项目初始化这一节给你可以直接复制粘贴的配置片段。先做项目初始化进入 Unity 项目根目录后运行cd /path/to/unity/project codely在交互模式中输入/init unity会生成 CODELY.md 文件包含项目类型、渲染管线、已安装的包、场景列表等关键信息。这个文件让 AI 深度理解项目背景手动补充项目专属规范可以进一步提升输出质量。接下来配置 MCP Server。配置文件位置用户级~/.codely-cli/settings.json项目级项目目录/.codely-cli/settings.json。基本配置结构如下{ mcpServers: { serverName: { command: path/to/executable, args: [--arg1, value1], env: { API_KEY: $API_KEY }, cwd: ./working/directory, timeout: 30000, trust: false } } }远程 HTTP MCP Server 示例{ mcpServers: { remote-api: { httpUrl: https://api.example.com/mcp, headers: { Authorization: Bearer ${API_TOKEN} }, timeout: 5000 } } }通过命令行添加 MCP 更简单codely mcp add tjlocal https://ai-generator.tuanjie.cn/mcp如果你用桌面端在对话框输入/选择 Manage MCP Servers填写名称和 URL选择 TypeStdio / SSE / Streamable HTTP新建对话会话后生效。自定义子代理的配置用 TOML 格式存放位置项目级.codely-cli/agents/优先级更高用户级~/.codely-cli/agents/。示例description Unity 测试专家 [agent] name unity-tester system_prompt 你是 Unity 测试专家专业知识包括 - Unity Test Framework (NUnit) - Play Mode 和 Edit Mode 测试 - Mock 和依赖注入 - 测试驱动开发 query ${task} [agent.model_config] model temp 0.1 top_p 0.95 [agent.tools] allowed_tools [read_file, write_file, search_file_content, run_shell_command] [validation] input_schema { task string, target string } [example] inputs { task 为 PlayerController 生成测试, target Assets/Scripts/PlayerController.cs } description 为指定脚本生成 Unity 测试注意task是保留字段且必须为 string 类型不能定义agent_name这是系统保留字段。4. 验证请求从场景搭建到脚本编译的完整动作配置完成后用几个实际动作验证 Tuanjie AI 是否真的能干活。第一个验证一句话搭建游戏场景。在 CLI 交互模式中输入帮我搭建一个 3D 游戏场景 1. 创建一个 10x10 的 Plane 作为地面命名为 Ground 2. 给地面添加 MeshCollider 组件 3. 创建一个 Capsule 作为玩家位置在 (0, 1, 0)命名为 Player 4. 给 Player 添加 Rigidbody 和 CapsuleCollider 5. 创建 3 个 Cube 作为敌人随机分布在场景中 6. 给所有敌人添加 Enemy 标签 7. 创建一个 Directional Light 8. 保存场景为 GameLevelTuanjie AI 会自动调用unity_scene.create、unity_gameobject.create、unity_gameobject.add_component、unity_editor.ensure_tag、unity_scene.save等一系列工具。执行完成后回到 Unity 编辑器你应该能看到 Hierarchy 里出现了 Ground、Player、三个 Enemy 和 Directional Light场景已保存为 GameLevel。第二个验证AI 辅助脚本开发加自动编译。输入创建一个 PlayerController 脚本 1. WASD 控制移动速度 5 2. 鼠标控制视角旋转 3. 空格跳跃力度 5 4. 包含完整注释和错误处理然后一键验证清空控制台编译所有脚本等待编译完成如果有错误请告诉我详细信息AI 会调用unity_console.clear→unity_editor.start_compilation_pipeline→unity_editor.wait_for_compile→unity_console.get读取错误并自动分析修复建议。如果编译通过Console 里应该没有红色报错脚本文件出现在 Assets/Scripts 目录下。第三个验证批量资产管理。输入搜索所有材质文件将它们移动到 Assets/Materials 文件夹 将 Player 保存为预制体 Assets/Prefabs/Player.prefab 将所有 Enemy 对象也保存为独立的预制体执行后检查 Project 窗口材质文件应该已经归拢到 Assets/Materials预制体出现在 Assets/Prefabs 下。第四个验证Generator MCP 生成资产。配置好https://ai-generator.tuanjie.cn/mcp后在 Cowork 或 CLI 中直接输入生成一张赛博朋克城市背景图 生成一把科幻风格的枪械模型 生成剑击中音效生成的资产会自动落盘到工程目录可通过菜单 AI → 搜索生成的资产 在 Project 窗口中统一管理。注意不建议 Generator MCP 与 Generator Extension 同时使用可能导致模型判断冲突。5. 常见报错排查401、local proxy failed、reading choices 与 OAuth两个月里我踩过的坑主要集中在认证、代理和配置冲突上。下面按真实报错对照排查。401 Unauthorized最常见的原因是 OAuth 凭据过期或未正确登录。CLI 中运行codely会重新触发浏览器 OAuth 认证使用 Unity ID 登录即可。如果桌面端出现 401检查是否在多个设备同时登录导致凭据冲突退出后重新登录。另外检查settings.json里 MCP 的env字段是否正确引用了环境变量$API_KEY这种写法需要确保环境变量已导出。local proxy failed这个报错通常出现在网络环境切换后。Tuanjie AI 的 CLI 和桌面端需要稳定的网络连接如果你在公司内网和家庭网络之间切换建议重启 CLI 会话。检查settings.json里 MCP 的timeout设置默认 30000 毫秒网络较慢时可以适当调大。如果使用远程 HTTP MCP Server确认httpUrl可达。reading choices 报错这个通常出现在模型返回格式异常时。排查步骤先检查当前使用的模型档位Core 档位适合长链路实现与复杂调试Basic 档位适合短问答与轻量改动在发送消息前切换即可。如果问题持续尝试新建对话会话因为修改或新建 Skill 后需要新建会话才能生效。另外检查是否有多个 MCP Server 返回了冲突的工具定义用/mcp list查看连接状态用/mcp reload重新加载配置。OAuth 认证失败首次运行codely会自动打开浏览器如果浏览器没有弹出手动访问终端输出的 URL。确保使用的是 Unity ID 登录而不是其他账号体系。凭据本地缓存后后续无需重复登录。如果缓存损坏删除本地凭据文件后重新登录。Bridge 状态不可用桌面端连接编辑器时如果对话框下方 Bridge 状态不是可用检查 Unity 编辑器中是否已安装 Codely Bridge 包。在 Unity 中通过 Package Manager 安装cn.tuanjie.codely.bridge然后通过 Window → Tuanjie AI → Open Bridge Window 打开。Console 出现日志后回到 CoworkBridge 状态应变为可用。如果 CLI 中 Unity Tools 不工作运行/upm install安装 Codely Bridge 插件/upm status查看插件安装状态。Skill 不生效修改或新建 Skill 后需要新建对话会话才能生效。用/skills list列出所有已发现的技能及状态/skills reload重新扫描并加载所有技能。Skill 存放路径优先级项目级.codely-cli/skills/高于用户级~/.codely-cli/skills/同层级内.agents/skills/优先于.codely-cli/skills/。6. 长期编码与 Agent 工作流把重复劳动交给 Coding Plan两个月用下来Tuanjie AI 最让我省心的不是单次代码生成而是把重复工作流固化下来。Skills 是这里的关键——一个 Skill 就是一个独立目录把完成某类专项任务所需的指令流程、脚本、模板、参考文档打包成可被 AI 自动发现、按需激活的标准化能力。平时只加载名称和描述用到时才加载完整内容不浪费上下文。标准目录结构my-skill/ ├── SKILL.md # 必须技能元数据 指令 ├── scripts/ # 可选脚本 ├── references/ # 可选文档 └── assets/ # 可选模板、资源SKILL.md 格式--- name: my-skill-name description: 技能的详细描述说明何时使用以及如何使用 --- # 技能标题 ## When to Use - 描述技能的触发场景 ## Instructions 具体的执行步骤和规则 ## Examples 使用示例在对话中直接输入create a new skill called api-auditorTuanjie AI 会自动生成技能目录、SKILL.md 主文件和标准目录结构。对于长期编码和 Agent 工作流Subagents 是另一个提效利器。内置子代理包括codebase_investigator代码库分析、依赖关系、架构、security-auditor安全漏洞审计、performance-analyzer性能瓶颈分析、git-expert版本控制操作、test-analyst测试覆盖率分析、api-documenterAPI 文档生成。使用方式security-auditor 检查 src/auth/ 代码的安全漏洞并行执行需要目录隔离并行执行 1. security-auditor 审查 src/auth/ 目录 2. performance-analyzer 分析 src/rendering/ 目录 3. api-documenter 为 src/api/ 生成文档如果你要把这套流程接进 CI/CDCLI 的非交互式执行模式很实用codely -p 为 src/utils/calculator.ts 的 add 函数生成单元测试 codely -p 运行测试 --yolo--yolo参数跳过确认适合 CI/CD 场景。GitHub Actions 示例name: AI-Assisted Code Review on: [pull_request] jobs: review: runs-on: ubuntu-latest steps: - uses: actions/checkoutv2 - name: Run AI Code Review run: | npm install -g unity-china/codely-cli codely -p 审查本次 PR 的所有变更生成 Review 报告 --yolo模型档位方面Core 适合长链路实现与复杂调试Basic 适合短问答与轻量改动在发送消息前切换即可无需额外配置。权限模式在执行文件系统操作、Shell 命令、Git 操作等潜在危险操作前会请求确认CLI 中可用--yolo跳过。如果你打算长期用这套工作流建议把团队固定的代码审查 checklist 封装成 Skill把项目专属规范写进 CODELY.md把常用 MCP 配置固化到项目级 settings.json。这样新成员加入时拉下代码就能获得一致的 AI 辅助体验。需要提醒的是Tuanjie AI 是 Unity 中国面向游戏开发打造的专业编程智能体公测期间免费额度充足。如果你在接入过程中遇到认证或配置问题可以查阅官方文档或者直接通过模型对话快速验证模型能力。对于长期编码和 Agent 工作流Coding Plan 提供了更稳定的额度支持。