用Claude Code把芯片制造变成模拟经营游戏

Laurentiu Raducu 没有找到一篇能让他印象深刻地讲解芯片制造的教程，所以他决定用另一种方式通过 LLM 学习：他让 Claude Code 把这个主题变成一款电子游戏。结果就是 ChipTycoon：一款 low-poly 风格的模拟经营游戏，灵感来自《过山车大亨》（Rollercoaster Tycoon），游戏中一辆小推车会经过半导体工厂的每个阶段，从沙子到成品芯片，最终安装在数据中心。

Raducu 在研究可能阻碍 AI 数据中心建设的瓶颈问题，他在博客上记录了如何利用 LLM 在不依赖浅层摘要的情况下学习完整流程。他还将该方法也应用到了火箭发动机、F1 发动机以及语言模型本身的内部运作原理上。

• Laurentiu Raducu 创建了 ChipTycoon，一个从零到零模拟芯片制造全流程的网站。
• 使用 Claude Code 和 OpenCode 的 plan mode 构建主题知识库。
• 在生成视觉内容之前，让模型审查知识库的准确性。
• 该模拟是一款 low-poly 风格的动画，灵感来自《过山车大亨》，用户可自由导航。
• 项目在 GitHub Pages 免费发布，无托管费用。
• 已将该技术应用于火箭发动机、F1 发动机、LLM 和 EUV 机器。
• 提议加入图像转 3D 对象的 skill 来提升视觉真实感。
• 建议在模拟中加入问答和挑战环节以强化记忆。

引言：超越摘要，用 LLM 学习

用 LLM 学习通常意味着：让聊天机器人总结一个主题，然后收到一份要点列表。Raducu 一直在关注 AI 基础设施的瓶颈问题，他注意到这种格式无法帮助他记住包含多个顺序步骤的概念，比如半导体生产线。与其继续依赖更多摘要，他改变了目标：让模型构建一个能让他用视觉遍历的东西，而不仅仅是阅读。

这个想法源于他对什么可能阻碍为当前 AI 模型提供支撑的数据中心扩展的研究。制造一枚现代芯片涉及数十个步骤（硅提纯、光刻、刻蚀、掺杂、封装），这些步骤很少能像地铁线路图那样清晰地呈现在脑海中。缺少的是一种将每个技术概念映射到具体视觉对象的方式。

Raducu 在博客上发布了使用 Claude Code 和 OpenCode 构建 ChipTycoon 的四步流程，两者都以 plan mode 运行——这是一种代理先规划再编写代码的模式。第一步，他让模型构建所选主题的知识库。第二步，他让同一模型审查该知识库，寻找错误或过度简化，然后才继续。第三步，他让它将经验证的知识转化为可导航的 low-poly 动画，控件对大屏和小屏都做了适配。第四步，将结果推送到一个新仓库并激活 GitHub Pages 以免费发布。

结果如作者所述，是一段准确且无幻觉的动画，与他在网上阅读零散材料或消化语言模型生成的要点的经历形成对比。用户跟随一辆小推车，它在每个制造阶段之间前进时会改变形态和内容，提供产品在线中进展的持续视觉参考。每个制造阶段都表示为一个独特的 low-poly 对象。

ChipTycoon 不是一个孤立的实验。Raducu 之前已将相同的技术应用于其他技术密集型主题：火箭发动机如何建造、F1 发动机如何工作、如何组装一台极紫外光刻机（EUV）设备，以及——具有反思性的一步——驱动他所构建一切的，语言模型本身是如何运作的。

每个项目都重复相同的模式：首先在 plan mode 下用代理构建知识库，然后让同一模型审计，最后才将经验证的知识转化为视觉体验。这是将抽象概念映射到具体对象这一原则的变体——管理模拟器二十多年来一直在利用这一原则，尽管从未被系统地用作 LLM 支持的个人学习方法。

这里的不同之处不在于 low-poly 格式本身——任何设计工作室都可以制作这样的动画——而在于整个流程，从研究到模拟代码，都通过 AI 代理运行，作者无需手动编写教育内容或图形引擎。

技术细节与性能

完整流程分为四个截然不同的阶段，每个阶段都依赖于前一个阶段的成功完成。

TD
A["Prompt en plan mode"] --> B["Claude Code construye la base de conocimiento"]
B --> C["El mismo modelo revisa la exactitud"]
C --> D["Se genera la simulación low-poly"]
D --> E["Push a un repo nuevo"]
E --> F[("GitHub Pages")]

第一阶段发生在 plan mode：代理此时不写代码，只组织需要解释什么以及按什么顺序解释。第二阶段，Raducu 明确要求模型审查自己的工作，这作为验证层，在该知识被翻译成视觉素材之前拦截问题。没有这次审查，第一阶段的任何错误都会直接进入最终模拟。

⚠️ 注意：跳过审查步骤是产生视觉精美但技术错误的模拟最常见方式。生成内容的模型也是该会话中可用的最佳审计者，但前提是要明确要求它这样做。

第三阶段将经验证的知识转化为 low-poly 3D 对象和驱动小推车在阶段之间移动的逻辑。细节级别刻意保持较低：low-poly 不追求摄影级真实感，而是确保流程的每个步骤都有一个可识别且与前一步不同的轮廓。第四阶段在技术层面最简单：将仓库推送到一个新 repo 并激活 GitHub Pages。小推车在每个阶段都会改变形态以标记进度。

与其他学习格式相比，Raducu 的方法占据了独特的位置：

方法	何时使用	优势	局限性
阅读文档或论文	当你需要 exhaustive 精度和可引用的参考文献时	专家验证的信息	阅读缓慢且容易半途而废
向 LLM 请求文本摘要	当你需要快速初步了解新主题时	节省搜索时间	要点列表格式无助于保留复杂概念
Low-poly 交互式模拟	当流程有清晰的顺序步骤时，如生产线或 pipeline	将每个概念映射到可遍历的视觉对象	需要前期构建工作和验证阶段
带问答挑战的模拟	当目标是长期保留知识时	强制主动回忆所学内容	比被动模拟需要更多开发时间

用你自己的主题重现此流程不需要特殊工具：只需一个支持 plan mode 的代码代理和一个最小的 Web 项目即可。

首先，安装你将使用的代理的 CLI。对于 Claude Code，Windows、macOS 和 Linux 上的安装命令相同，因为它运行在 Node.js 上：在 Windows 上从 PowerShell 或 Git Bash 打开，在 macOS 和 Linux 上从任何 POSIX 终端打开。

npm install -g @anthropic-ai/claude-code
claude

最后一个命令打开交互式会话。在其中激活 plan mode，并让代理构建你的主题知识库，例如："逐步解释聚变反应堆如何运作，从燃料到输送到电网的电力"。然后明确要求它在继续之前审查该知识库以寻找错误。

有了经验证的知识后，下一步是搭建模拟的脚手架。使用 Vite 和 three.js 的最小化项目足以创建一个 low-poly 原型：

npm create vite@latest mi-simulacion -- --template vanilla
cd mi-simulacion
npm install three
npm run dev

项目在本地运行后，一个在阶段之间驱动小推车的简单逻辑示例可能如下：

const etapas = ['arena', 'oblea', 'litografia', 'grabado', 'empaquetado', 'datacenter'];
let etapaActual = 0;

function avanzarCarrito(carrito) {
  etapaActual = (etapaActual + 1) % etapas.length;
  carrito.position.x += 2;
  carrito.userData.etapa = etapas[etapaActual];
  console.log(`Carrito ahora en: ${etapas[etapaActual]}`);
}

该函数只是一个骨架：在实践中，代理负责生成每个阶段的 low-poly 几何体和相机逻辑。一旦原型在本地运行，最后一步就是发布它。

💡 提示：在要求代理开始生成代码之前在 GitHub 上创建仓库，这样你就可以直接要求它按阶段进行增量提交，而不是最后做一个巨大的单一提交。

要发布，请将项目上传到一个新仓库，并从 Settings、Pages、Deploy from a branch 激活 GitHub Pages，指向构建文件夹。要确认部署已激活，可以检查已发布站点的 HTTP 响应：

curl -I https://tu-usuario.github.io/mi-simulacion/

HTTP/2 200 响应确认 GitHub Pages 正在提供该站点。如果返回 404，请等待几分钟：Pages 的首次部署可能需要一些时间才能传播。

Raducu 的案例的重要性不在于 ChipTycoon 本身，而在于他记录的那个流程：在与代理的同一会话中，将研究、验证和内容生成分为三个不同的步骤。这是一个可复制的模式，适用于任何想用 LLM 学习而不仅仅停留在泛化聊天通常产生的浅层摘要水平的人。

最诚实的局限性由作者自己承认：low-poly 由于刻意简单化，在可视化精细细节方面需要相当的想象力，例如硅晶体离开生长炉时到底发生了什么。对于视觉细节重要的过程，如区分纹理或材料，low-poly 模拟可能不如更高保真度渲染的模拟。

Raducu 自己提出了一个改进路径：通过图像转 3D 模型传递 low-poly 对象，以在不完全放弃可导航模拟结构的情况下实现每个阶段结果的更真实表示。

作者提出的最清晰的扩展是在模拟中加入挑战和问答：要求用户在进入下一步之前回答关于上一步的问题。这种主动回忆层——回答而非仅仅观看——是巩固长期记忆有最强证据支持的机制之一，而且它很自然地适应已经交互化的格式。

Raducu 还发布了使用相同技术的其他项目链接：火箭发动机、F1 发动机、EUV 机器和 LLM 的内部运作——都使用相同的 public repo 加 GitHub Pages 方案托管。没有迹象表明作者计划将其转化为产品或业务：目前这是一种个人学习实践，他决定记录和分享。

ChipTycoon 是什么？

这是一个由 Laurentiu Raducu 创建的教育网站，通过 low-poly 风格的动画（灵感来自《过山车大亨》）模拟芯片制造的完整流程：从硅砂到安装在数据中心的芯片。

我需要了解半导体制造知识才能理解吗？

不需要。该项目的明确目标正是让没有任何先验知识的人能够通过小推车的视觉旅程逐步了解流程，不依赖预先的技术术语。

作者使用了什么 AI 代理来构建它？

Raducu 记录使用了 Claude Code 和 OpenCode 的 plan mode 来在生成模拟之前构建知识库。

这种方法适用于任何主题吗？

对于具有清晰顺序步骤的过程效果最好，如生产线、网络协议或数据 pipeline。对于没有步骤结构的主题，模拟格式可能不如组织良好的文本有价值。

如何避免模拟中出现模型错误？

通过在生成视觉部分之前明确要求同一代理审查知识库。作者认为这个审计步骤是减少最终结果中幻觉的关键。

用这种技术还涵盖了哪些其他主题？

火箭发动机、F1 发动机、EUV 光刻机以及语言模型的内部运作——都作为具有相同方法的独立站点发布。

相关资源

• How I use LLMs to learn complex topics：Laurentiu Raducu 的原始文章，包含完整流程和每个项目的链接。
• GitHub Pages Documentation：从仓库直接发布静态站点的官方指南。
• Claude Code Documentation：用于构建知识库和模拟代码的代理的官方文档。
• Three.js：用于在浏览器中创建此类 low-poly 模拟的 WebGL 渲染库。