企业官网建设流程全解析

1. 三个模型同台做3D游戏，我为什么选了这个题目

最近圈子里讨论度最高的话题之一，就是几个主流大模型在代码生成上的正面对比。Step 5 Preview、DeepSeek V4 Pro、GLM5.3 这三个名字频繁出现在各种技术群里，但真正拿同一个项目去横向实测的内容并不多。大多数对比要么是跑个算法题，要么是写个单文件脚本，这种测试说实话参考价值有限——真实开发场景里，代码是跨文件、跨模块、有状态、有依赖的，单文件跑分高不代表能扛住一个完整项目。

我决定用一个3D游戏作为测试载体。原因很直接：3D游戏开发天然涉及多个技术维度——场景图管理、渲染管线、物理碰撞、输入系统、资源加载、状态机、UI叠加。它不像CRUD接口那样有固定套路，也不像纯算法题那样可以靠背模板得分。一个模型能不能把3D游戏做出来，能暴露出它在空间推理、数学计算、架构设计、调试能力上的真实水平。

这次实测的目标不是评出谁最强，而是搞清楚三件事：第一，每个模型在3D游戏这个场景下的能力边界在哪里；第二，它们各自擅长什么、容易在什么地方翻车；第三，如果你手头有类似需求，应该怎么选、怎么用。文章里会涉及大量实操细节和踩坑记录，适合正在做AI辅助开发、或者对模型代码能力评估感兴趣的读者。

提示：本文所有测试均在相同硬件环境和相同提示词条件下进行，尽量保证公平。但模型输出存在随机性，单次结果不代表绝对水平，建议结合自己的实际场景多做几轮验证。

2. 测试方案设计：为什么是3D游戏，为什么是这三个模型

2.1 3D游戏作为测试基准的合理性

选3D游戏做基准，不是因为它难，而是因为它"综合"。一个最小的可玩3D游戏，至少需要以下模块协同工作：

• 场景初始化：相机、光照、地面、天空盒
• 玩家控制：键盘输入映射、移动向量计算、相机跟随
• 物理系统：重力、碰撞检测、地面判定
• 游戏逻辑：得分、计时、胜负条件
• UI系统：分数显示、开始/结束界面
• 资源管理：模型加载、纹理绑定、音频播放

这些模块之间不是孤立的，它们通过状态和事件相互耦合。比如玩家移动会触发碰撞检测，碰撞结果会影响得分，得分变化要更新UI。模型如果只会写孤立函数，在这个场景下会立刻暴露问题——它可能写出一个能跑的移动逻辑，但和碰撞系统对不上；或者UI更新了但游戏状态没同步。

另外，3D游戏对数学的要求是实打实的。向量运算、矩阵变换、四元数旋转、射线检测，这些不是靠语言模型"感觉"就能写对的。一个模型如果对空间数学理解不到位，写出来的相机控制会出现万向节死锁，或者移动方向跟视角对不上。这种错误在2D场景里不明显，在3D里一测就现原形。

2.2 三个模型的定位差异

在开始之前，先简单说一下这三个模型在我实际使用中的定位感受，这会影响我对它们输出结果的预期和评判角度。

Step 5 Preview是这次实测里我接触最少的。从命名看它处于预览阶段，我预期它在某些能力上可能还没完全稳定，但往往预览版模型会在特定方向上做激进尝试。实际用下来，它在代码结构组织上有自己的思路，不是简单堆砌。

DeepSeek V4 Pro在代码生成领域口碑一直不错，尤其是长上下文和复杂逻辑处理。我之前的经验是它在算法实现和架构设计上比较稳，但有时候会过度设计，把简单问题复杂化。这次重点看它在3D这种需要精确数学的场景下表现如何。

GLM5.3是最近讨论度很高的版本，社区反馈它在代码理解和生成上有明显提升。我比较关注它在"一次成型"方面的能力——也就是能不能在较少迭代次数下产出可运行代码。3D游戏这种多模块项目，如果每次都要大量人工修补，实用性就会打折扣。

2.3 统一的测试流程

为了保证对比有意义，我采用了相同的测试流程：

1. 统一提示词：用同一段自然语言描述游戏需求，不针对任何模型做提示词优化
2. 统一运行环境：相同的浏览器版本、相同的本地服务器配置
3. 统一评估维度：从可运行性、功能完整度、代码质量、迭代次数四个维度打分
4. 记录完整过程：包括每次报错、每次修改、每次重新生成

提示词的核心内容是：做一个3D第一人称视角的收集类游戏，玩家在场景中移动，收集随机生成的道具，有时间限制和得分系统。技术栈限定为Three.js + 原生JavaScript，不依赖构建工具，直接浏览器打开可运行。

注意：限定技术栈很重要。如果不限定，模型可能选择它最熟悉的框架，导致对比失去意义。Three.js是目前最通用的Web 3D方案，对三个模型来说都是"公平赛道"。

3. Step 5 Preview 的实战表现：结构清晰但细节需要补

3.1 首次生成：架构意识在线

Step 5 Preview 第一次输出的代码让我有点意外。它没有把所有逻辑塞进一个文件，而是主动拆成了几个模块：

• main.js：入口，负责初始化场景和启动游戏循环
• player.js：玩家控制器，包含移动和相机逻辑
• world.js：场景搭建，地面、光照、道具生成
• game.js：游戏状态管理，得分、计时、胜负判定

这种拆分方式说明它对项目结构有基本认知，不是单纯地"把代码写出来"。每个模块的职责边界也比较清晰，没有出现玩家控制器里去操作UI这种越界行为。

但问题出在模块之间的通信上。它用了全局变量来共享游戏状态，比如window.gameState。这种做法在小型项目里能跑，但扩展性很差。而且它没有处理模块加载顺序问题，如果浏览器缓存导致某个文件加载慢，初始化就会报错。

3.2 3D数学部分：基本正确但有隐患

玩家移动逻辑是3D游戏的核心。Step 5 Preview 用了标准的向量计算方式：

// 根据相机朝向计算移动方向 const forward = new THREE.Vector3(0, 0, -1).applyQuaternion(camera.quaternion); const right = new THREE.Vector3(1, 0, 0).applyQuaternion(camera.quaternion); forward.y = 0; right.y = 0; forward.normalize(); right.normalize(); const moveDirection = new THREE.Vector3(); if (keys.w) moveDirection.add(forward); if (keys.s) moveDirection.sub(forward); if (keys.a) moveDirection.sub(right); if (keys.d) moveDirection.add(right); moveDirection.normalize();

这段代码逻辑是对的，把y轴分量清零再归一化，避免了相机俯仰影响移动速度。但它漏了一个关键处理：当玩家同时按下W和S，或者A和D时，moveDirection会变成零向量，归一化时会产生NaN。虽然实际游戏中很少同时按相反方向键，但这是健壮性问题。

更隐蔽的问题在相机控制上。它用了欧拉角直接设置相机旋转：

camera.rotation.y -= mouseMovementX * sensitivity; camera.rotation.x -= mouseMovementY * sensitivity;

这种写法在俯仰角接近正负90度时会出现万向节死锁，相机翻滚。正确做法是用四元数或者限制俯仰角范围。Step 5 Preview 没有做这个限制，实测中快速上下移动鼠标时相机确实会失控。

3.3 道具收集与碰撞：能用但不够精确

道具收集用的是距离检测：

const distance = player.position.distanceTo(item.position); if (distance < 1.5) { collectItem(item); }

这种"球形碰撞"在大多数情况下够用，但视觉上会有偏差——玩家明明还没碰到道具，道具就消失了。更精确的做法是用包围盒检测或者射线检测。不过考虑到这是快速原型，这个精度可以接受。

真正的问题在于道具生成。它用了完全随机的位置：

const x = (Math.random() - 0.5) * 40; const z = (Math.random() - 0.5) * 40;

但没有检查生成位置是否与障碍物重叠。实测中出现了道具生成在墙体内部的情况，玩家无法收集，导致游戏无法完成。这个bug在测试中触发了两次，说明不是偶发。

3.4 迭代修复：需要明确指令

针对上述问题，我给了Step 5 Preview 明确的修复指令。它的响应质量取决于指令的具体程度：

• 说"修复相机问题"，它会重新生成整个相机控制代码，可能引入新问题
• 说"限制相机俯仰角在正负85度之间"，它能精确修改对应代码

这说明它对模糊指令的处理能力有限，需要用户自己先定位问题。对于有经验的开发者这不是大问题，但对新手来说，可能不知道问题出在哪里，也就无法给出精确指令。

经过三轮迭代，Step 5 Preview 的版本达到了可玩状态。最终代码约450行，功能完整，但代码里还残留了一些未使用的变量和注释掉的调试代码。

4. DeepSeek V4 Pro 的表现：数学扎实但容易过度设计

4.1 首次生成：一次就跑起来了

DeepSeek V4 Pro 的首次输出是三个模型里唯一一个直接就能跑的。没有报错，没有缺失依赖，打开浏览器就能操作。这一点确实体现了它在代码生成上的成熟度。

它的代码组织方式和Step 5 Preview不同，用了类继承结构：

class GameObject { constructor(scene) { this.scene = scene; this.mesh = null; } update(deltaTime) {} } class Player extends GameObject { constructor(scene, camera) { super(scene); this.camera = camera; this.velocity = new THREE.Vector3(); this.setupControls(); } update(deltaTime) { this.handleMovement(deltaTime); this.updateCamera(); } }

这种面向对象的结构在扩展性上更好，但代码量也更大。对于一个小型游戏来说，有点杀鸡用牛刀的感觉。

4.2 物理与碰撞：精度最高

DeepSeek V4 Pro 在碰撞检测上用了射线检测：

const raycaster = new THREE.Raycaster(); raycaster.set(player.position, new THREE.Vector3(0, -1, 0)); const intersects = raycaster.intersectObjects(groundObjects); if (intersects.length > 0) { player.position.y = intersects[0].point.y + playerHeight; this.velocity.y = 0; this.isGrounded = true; }

这种写法比简单的距离检测精确得多，玩家不会穿模，也不会浮空。道具收集也用了包围球检测，但半径是根据道具模型的实际尺寸动态计算的，不是硬编码。

相机控制方面，它用了四元数来避免万向节死锁：

const quaternion = new THREE.Quaternion(); quaternion.setFromEuler(new THREE.Euler(pitch, yaw, 0, 'YXZ')); camera.quaternion.copy(quaternion);

这是标准的第一人称相机实现方式，数学上没有问题。实测中相机控制非常顺滑，没有出现任何翻滚或抖动。

4.3 过度设计的代价：代码臃肿

DeepSeek V4 Pro 的问题不在功能，而在代码量。它实现了一个完整的事件系统、一个状态机、一个对象池来管理道具。这些在大型项目里是必要的，但在这个小游戏里显得冗余。

最终代码约1200行，是Step 5 Preview的三倍。其中真正核心的逻辑可能只有400行，其余都是框架代码。这导致两个问题：一是调试时需要在大量代码中定位问题，二是模型在后续迭代中容易改错地方——它可能会去修改事件系统的代码，而实际问题出在游戏逻辑里。

另外，它引入了一些不必要的依赖。比如用了一个第三方库来处理键盘输入，但这个库需要额外引入，增加了部署复杂度。虽然它自己在注释里说明了如何引入，但对于"直接打开浏览器就能跑"这个要求来说，多一步都是负担。

4.4 迭代体验：稳定但改动范围大

给DeepSeek V4 Pro提修改需求时，它的响应很稳定，不会引入新bug。但它的改动范围往往超出预期。比如我说"增加一个跳跃功能"，它不仅加了跳跃，还重构了玩家状态管理，把原来的简单布尔值改成了状态机。功能是实现了，但代码变动太大，不利于版本对比。

实操心得：用DeepSeek V4 Pro做快速原型时，建议在提示词里明确限制代码规模，比如"用最少的代码实现，不要引入额外抽象"。否则它很容易把项目做成一个"框架"。

5. GLM5.3 的表现：平衡性最好但偶有惊喜和惊吓

5.1 首次生成：完成度最高

GLM5.3 的首次输出在功能完整度上是最好的。它不仅实现了所有要求的功能，还额外加了一些小细节：道具收集时的粒子效果、得分变化的动画、游戏结束时的渐隐过渡。这些不是必须的，但说明它对"游戏体验"有理解，不只是完成功能清单。

代码结构上，它采用了折中方案：比Step 5 Preview更模块化，比DeepSeek V4 Pro更精简。用了ES6模块语法，但没有引入类继承，而是用工厂函数和闭包来组织代码。最终代码约600行，可读性不错。

5.2 一个意外的亮点：自动处理了边界情况

GLM5.3 在道具生成时做了碰撞检查：

function generateItemPosition(existingItems, obstacles) { let attempts = 0; while (attempts < 50) { const pos = randomPosition(); if (!checkCollision(pos, existingItems) && !checkCollision(pos, obstacles)) { return pos; } attempts++; } return randomPosition(); // 兜底 }

这个逻辑不是我在提示词里要求的，但它主动加了。这说明它在生成代码时会考虑"这段代码可能出什么问题"，而不是只关注功能实现。实测中道具生成位置全部合理，没有出现无法收集的情况。

5.3 惊吓时刻：一次隐蔽的数学错误

但GLM5.3也犯了一个比较隐蔽的错误。在计算玩家移动速度时，它用了：

const speed = baseSpeed * deltaTime * 60;

这个写法假设了帧率稳定在60fps。如果帧率波动，移动速度会不一致。正确做法是直接用deltaTime作为时间因子，不需要乘以60。这个错误在测试机上不明显（因为帧率稳定），但如果换到性能较差的设备上，玩家移动会变慢。

这个问题的隐蔽性在于：代码能跑，功能看起来正常，只有在特定条件下才会暴露。如果不是我特意检查了移动逻辑，可能就漏过去了。

5.4 迭代响应：精准且克制

GLM5.3 在迭代时的表现最好。给它指出问题后，它只修改相关代码，不会大范围重构。比如我指出速度计算问题，它只改了那一行，其他代码原封不动。这种克制在迭代开发中很重要，能减少引入新bug的概率。

另外，它对模糊指令的处理也比Step 5 Preview好。我说"相机感觉有点飘"，它能理解到是灵敏度或平滑度的问题，主动调整了相关参数，而不是重新生成整个相机代码。

6. 三个模型的横向对比：数据说话

6.1 量化对比表

6.2 各自的能力边界

Step 5 Preview的边界在于细节处理。它能搭出正确的骨架，但在边界条件、异常处理上需要人工补全。适合有经验的开发者用来快速生成原型，然后自己打磨。

DeepSeek V4 Pro的边界在于"度"的把握。它的技术能力没问题，但容易把项目做重。适合中大型项目，或者你确实需要一个可扩展的架构时使用。做小项目时反而会增加负担。

GLM5.3的边界在于复杂数学场景。它在常规逻辑上表现很好，但在需要精确数学推导的地方可能出隐蔽错误。适合业务逻辑复杂但数学要求不高的场景，或者你需要快速产出可演示原型时使用。

6.3 一个有意思的发现：错误类型不同

三个模型的错误类型有明显差异：

• Step 5 Preview 的错误是"遗漏"——该处理的没处理
• DeepSeek V4 Pro 的错误是"过度"——不该处理的处理了
• GLM5.3 的错误是"近似"——用了看起来对但不够精确的方案

这个差异反映了它们训练数据和优化目标的不同。对使用者来说，了解这些倾向性比知道谁"更强"更有价值，因为你可以根据项目特点选择更匹配的模型，或者在提示词里针对性预防。

7. 实操建议：怎么用这三个模型做3D游戏

7.1 提示词里必须写清楚的几件事

不管用哪个模型，做3D游戏时提示词里一定要明确以下内容：

• 技术栈和版本：Three.js的版本不同，API差异很大。不指定版本，模型可能用已废弃的API。
• 运行方式：是直接浏览器打开，还是需要构建工具。这决定了模型是否可以使用模块导入。
• 代码规模限制：明确说"用最少的代码实现"或"允许使用面向对象结构"，避免模型自由发挥。
• 边界条件要求：比如"道具不能生成在障碍物内部"、"相机俯仰角需要限制"，这些如果不说，模型可能不会主动处理。

7.2 迭代时的沟通技巧

• 定位到具体文件和函数：不要说"移动有问题"，要说"player.js里的handleMovement函数，当同时按下W和S时会产生NaN"。
• 一次只提一个需求：多个需求混在一起，模型可能只处理了其中一个，或者处理时相互干扰。
• 要求最小改动：明确说"只修改相关代码，不要重构其他部分"，减少引入新问题的概率。

7.3 验收时要重点检查的地方

3D游戏有几个容易出问题但不容易发现的地方，验收时建议重点检查：

• 帧率无关性：移动、旋转、计时是否都用了deltaTime，而不是假设固定帧率
• 边界情况：同时按相反方向键、快速移动鼠标、道具生成在角落
• 内存泄漏：游戏结束后是否正确清理了事件监听和定时器
• 移动端兼容：如果需要在手机上运行，触摸控制和性能优化是否考虑到了

提示：建议在验收时用浏览器的性能面板录一段游戏过程，看看有没有帧率骤降或内存持续增长的情况。这些问题在短时间测试中不明显，但会影响实际体验。

8. 关于WorkBuddy等工具的一些实际体会

测试过程中，我也顺带用WorkBuddy做了一些辅助工作。这个工具在管理多轮对话和代码版本方面确实方便，尤其是需要同时跟三个模型对话时，它能帮你把每个模型的输出分开管理，不会混淆。

但有一点要注意：WorkBuddy的跨对话记忆功能在代码场景下需要谨慎使用。它可能会把上一个项目的上下文带入到新项目中，导致模型生成不相关的代码。我的做法是每个新项目都开一个新的工作区，不依赖跨对话记忆。

另外，WorkBuddy的自定义指令功能对代码生成有帮助。我设置了一条规则："生成代码时优先考虑可读性，避免过度抽象"。这条规则对DeepSeek V4 Pro特别有效，能明显抑制它过度设计的倾向。

对于需要私有化部署的场景，WorkBuddy也支持本地运行，但配置过程比在线版复杂一些。如果只是做模型对比测试，在线版足够了。

9. 最后说几句实在的

这三个模型做3D游戏，没有一个是"完美"的。Step 5 Preview 需要你补细节，DeepSeek V4 Pro 需要你控制规模，GLM5.3 需要你检查数学。但它们的共同点是：都能在合理时间内帮你搭出一个可运行的原型，这比几年前从零手写已经快了很多。

我的实际用法是：用GLM5.3出第一版，因为它完成度最高、代码量适中；然后用DeepSeek V4 Pro检查数学和物理部分，把关键逻辑替换成更精确的实现；最后用Step 5 Preview做代码审查，它虽然自己写代码有遗漏，但检查别人代码时反而能发现一些被忽略的边界情况。

这个组合用法不一定适合所有人，但至少在我这几个项目里，效率比单用一个模型高不少。如果你也在做类似的事情，建议先明确自己的项目最看重什么——是快速出原型，还是代码质量，还是可扩展性——然后根据这个优先级去选择主力模型和辅助模型。