Godogen: Claude Code Skills für die komplette Godot-Spielerstellung

Godogen ist eine Pipeline, die aus einer Textaufforderung vollständige, spielbare Godot-4-Projekte generiert. Sie nutzt Claude Code-Fähigkeiten, um Architektur zu entwerfen, 2D/3D-Assets zu generieren, GDScript zu programmieren und visuell zu testen.
Technische Lösungen
Der Entwickler hat drei spezifische Engpässe gelöst:
- Knappheit an Trainingsdaten: LLMs verfügen über minimale GDScript-Schulung. Godogen enthält ein benutzerdefiniertes Referenzsystem mit einer handgeschriebenen Sprachspezifikation, vollständigen API-Dokumenten, die aus Godots XML-Quelle konvertiert wurden, und einer Datenbank für Eigenheiten undokumentierter Engine-Verhaltensweisen. Der Agent lädt nur benötigte APIs zur Laufzeit nach, um eine Überlastung des Kontextfensters durch Godots ~850 Klassen zu vermeiden.
- Build-Time vs. Runtime-Zustand: Szenen werden durch Headless-Skripte generiert, die Knotengraphen im Speicher aufbauen und in .tscn-Dateien serialisieren, wodurch die Fragilität manueller Bearbeitung von Godots Serialisierungsformat umgangen wird. Dem Modell wird beigebracht, welche APIs in jeder Phase verfügbar sind und dass jeder Knoten seinen Besitzer korrekt gesetzt haben muss.
- Evaluierungsschleife: Ein separater Gemini Flash-Agent fungiert als visuelle QA, analysiert gerenderte Screenshots der laufenden Engine und erkennt visuelle Fehler wie Z-Fighting, schwebende Objekte, Physik-Explosionen und gitterartige Platzierungen, die organisch sein sollten.
Architektur und Einrichtung
Das System läuft als zwei Claude Code-Fähigkeiten: ein Orchestrator, der die Pipeline plant, und ein Task-Executor, der jedes Teil in einem context: fork-Fenster implementiert, um Fehler und Zustandsakkumulation zu verhindern.
Voraussetzungen:
- Godot 4 (Headless oder Editor) im PATH
- Claude Code installiert
- API-Schlüssel als Umgebungsvariablen:
GOOGLE_API_KEYfür Gemini (Bildgenerierung und visuelle QA),TRIPO3D_API_KEYfür Tripo3D (Bild-zu-3D-Modell-Konvertierung, nur für 3D-Spiele) - Python 3 mit pip
Erste Schritte:
Führen Sie ./publish.sh ~/my-game aus, um einen neuen Projektordner mit allen installierten Fähigkeiten zu erstellen. Dies erstellt das Zielverzeichnis mit .claude/skills/ und einer CLAUDE.md-Datei und initialisiert dann ein Git-Repo. Öffnen Sie Claude Code in diesem Ordner und beschreiben Sie, welches Spiel erstellt werden soll – die /godogen-Fähigkeit übernimmt alles.
Leistungshinweise:
- Ein einzelner Generierungsdurchlauf kann mehrere Stunden dauern
- Der Betrieb auf einer Cloud-VM mit einer T4- oder L4-GPU funktioniert gut für Godots Screenshot-Erfassung
- Claude Code mit Opus 4.6 liefert die besten Ergebnisse; Sonnet 4.6 funktioniert, erfordert aber mehr Benutzerführung
- OpenCode ist eine praktikable Alternative, und das Portieren der Fähigkeiten ist unkompliziert
Asset-Generierung: Gemini erstellt 2D-Kunst und Texturen; Tripo3D konvertiert ausgewählte Bilder in 3D-Modelle. Das System ist budgetbewusst und maximiert die visuelle Wirkung pro ausgegebenem Cent.
Getestete Umgebung: Ubuntu und Debian. macOS ist ungetestet – die Screenshot-Erfassung hängt von X11/xvfb/Vulkan ab und benötigt einen nativen Erfassungspfad.
📖 Quelle lesen: HN AI Agents
👀 Siehe auch

Benchmark-Ergebnisse: Claude-Agentenschwarm mit Speichersystem zeigt 30–43 % Einsparungen bei Token-Kosten
Ein Entwickler testete einen 6-Agenten-Claude-Schwarm an einer 40-Punkte-Coding-Aufgabe mit und ohne ein benutzerdefiniertes Speichersystem namens Stompy. Die Ergebnisse zeigen, dass Sonnet 4.6 mit Speicher perfekte Ergebnisse bei 3,98 $ erzielte, verglichen mit 7,04 $ ohne, während Haiku 4.5 ohne Speicher komplett versagte, aber mit Speicher 39/40 Punkte erreichte.

LiteParse: Schneller Open-Source-Dokumentenparser für KI-Agenten
LiteParse ist ein Open-Source-Dokumentenparser, der räumliche Textanalyse mit Begrenzungsrahmen bietet, lokal ohne GPUs läuft und PDFs, Office-Dokumente und Bilder unterstützt. Er kann als Fähigkeit für über 40 KI-Agenten installiert werden, darunter Claude Code, Cursor und OpenClaw.

Hawkeye-Update fügt Schwarm-Orchestrierung, Remote-Aufgaben und lokale Modellunterstützung hinzu
Hawkeye v1.0+ unterstützt jetzt Multi-Agenten-Schwarm-Orchestrierung, Remote-Aufgabenwarteschlangen und verbesserte Ollama/LM Studio-Integration. Der lokale First-AI-Agent-Flugschreiber hilft Entwicklern, nachzuvollziehen, was passiert, wenn Agenten in Repositories arbeiten.

PayClaw startet Sandbox für Payment MCP Server mit virtuellen Visa-Karten
PayClaw hat eine Sandbox-Umgebung für seinen Payment-MCP-Server gestartet, die Händler-gebundene virtuelle Visa-Karten mit 15-minütiger Gültigkeit, MFA-geschützte menschliche Genehmigung pro Transaktion und Absichtserklärung vor Kartenausgabe bietet. Produktionskarten sind für den 4. März geplant.