Connect with us
Claude Code Game Studios convierte una sesión de IA en un estudio de videojuegos Claude Code Game Studios convierte una sesión de IA en un estudio de videojuegos

Digitalización

Claude Code Game Studios convierte una sesión de IA en un estudio de videojuegos

Published

on

Claude Code Game Studios es una plantilla de código abierto que transforma una sesión de Claude Code en un estudio completo de desarrollo de videojuegos: 49 agentes de IA especializados, 74 habilidades (skills, comandos de flujo de trabajo) y un sistema de coordinación que imita la jerarquía de un estudio real, con directores, líderes de departamento y especialistas.

¿Qué es Claude Code Game Studios?

Es un proyecto publicado en GitHub por el desarrollador conocido como Donchitos que responde a un problema concreto: desarrollar un videojuego en solitario con IA es poderoso, pero una sola sesión de chat no tiene estructura. Nadie te detiene cuando hardcodeas números mágicos, te saltas la documentación de diseño o escribes código espagueti. No hay revisión de calidad ni nadie preguntando si lo que construyes encaja con la visión del juego.

Tarjeta de vista previa del repositorio Claude Code Game Studios con su nombre y la descripción del proyecto en GitHub

La solución que propone es darle a tu sesión de IA la estructura de un estudio real. En lugar de un asistente generalista, obtienes 49 agentes organizados en jerarquía: directores que cuidan la visión, líderes de departamento que dominan su área y especialistas que ejecutan el trabajo manual. Cada agente tiene responsabilidades definidas, rutas de escalamiento y compuertas de calidad. Tú sigues tomando todas las decisiones, pero ahora con un equipo que hace las preguntas correctas y detecta errores temprano.

Para aprovechar al máximo una herramienta como esta conviene dominar primero los comandos de Claude Code, porque todo el sistema opera dentro de ese entorno.

Advertisement

¿Qué incluye la plantilla?

El paquete completo, según su documentación oficial, incluye lo siguiente:

Categoría Cantidad Descripción
Agentes 49 Subagentes especializados en diseño, programación, arte, audio, narrativa, QA y producción
Skills 74 Comandos de barra para cada fase del flujo de trabajo
Hooks 15 Validación automática en commits, pushes, assets, sesión y registro de agentes
Reglas 14 Estándares de código aplicados por ruta al editar gameplay, motor, IA, interfaz y red
Plantillas 62 Documentos para GDDs, especificaciones de UX, ADRs, planes de sprint, HUD y accesibilidad

Las 74 habilidades se agrupan por fase: onboarding (/start, /setup-engine), diseño (/brainstorm, /design-system), arquitectura (/create-architecture), historias y sprints (/create-epics, /create-stories, /dev-story, /story-done), revisiones y QA (/code-review, /qa-plan, /smoke-check), producción y lanzamiento (/release-checklist, /launch-checklist), además de orquestación de equipos (/team-combat, /team-narrative, /team-qa).

¿Cómo se organiza la jerarquía del estudio?

Los agentes se agrupan en tres niveles, igual que un estudio tradicional. En el primer nivel están los directores: creative-director, technical-director y producer. El segundo nivel agrupa a los líderes de departamento: diseñadores de juego, programadores en jefe, directores de arte, audio y narrativa, líder de QA, gerente de lanzamiento y líder de localización. El tercer nivel son los especialistas: programadores de gameplay, motor, IA y red, diseñadores de niveles y economía, artistas técnicos, escritores, testers y más.

La coordinación sigue un modelo de delegación estructurada: los directores delegan en los líderes, estos en los especialistas, los desacuerdos escalan al padre compartido y ningún agente modifica archivos fuera de su dominio sin delegación explícita. Un detalle que vale la pena señalar: cada agente declara un modelo en su configuración. Los tres directores piden Opus, el líder de programación y quince especialistas usan Sonnet, y los treinta restantes heredan el modelo de tu sesión. En palabras del propio proyecto, los niveles funcionan como antigüedad de rol, no como plan de facturación.

¿Qué motores son compatibles: Godot, Unity o Unreal?

La plantilla incluye conjuntos de agentes para los tres grandes motores. Para Godot 4 existe un godot-specialist con subespecialistas en GDScript, shaders y GDExtension. Para Unity, un unity-specialist cubre DOTS/ECS, shaders y VFX, Addressables y UI Toolkit. Y para Unreal Engine 5, el unreal-specialist abarca GAS, Blueprints, replicación y UMG/CommonUI. Solo se usa el conjunto que coincida con tu proyecto.

Advertisement

Esta filosofía de equipos coordinados encaja con la tendencia más amplia de construir equipos de agentes de IA para el trabajo profesional, donde cada unidad cumple un rol acotado dentro de un proceso mayor.

¿Cómo empezar a usarlo?

Los prerrequisitos oficiales son Git, Claude Code, Python 3 (lee el archivo project.yaml en cada skill y hook; sin él cada ajuste regresa en silencio a su valor por defecto) y Bash, incluido en macOS y Linux, y en Windows distribuido con Git para Windows. Se recomienda también jq para la validación de hooks, aunque los hooks fallan de forma elegante si faltan herramientas opcionales: solo pierdes validación.

La instalación es directa. Primero se clona el repositorio:

git clone https://github.com/Donchitos/Claude-Code-Game-Studios.git my-game

Después se abre Claude Code en la carpeta raíz del proyecto, la que contiene los archivos CLAUDE.md y project.yaml, y se inicia la sesión con el comando claude. Un aviso importante del README: arrancarlo en una subcarpeta como src/ omite los hooks, las reglas de denegación y el modo de permisos del proyecto.

Advertisement

Desde ahí, el comando /start pregunta en qué punto te encuentras —sin idea, concepto vago, diseño claro o trabajo existente— y te guía al flujo correcto sin suposiciones. También puedes saltar directo a habilidades específicas como /brainstorm para explorar ideas desde cero o /setup-engine godot 4.7 para configurar el motor.

¿Cuánto proceso impone el estudio?

El archivo project.yaml es la única fuente de verdad del comportamiento del estudio en tu proyecto, y la decisión que más importa es modes.rigor, con tres niveles:

Nivel de rigor Qué exige Para quién
minimal (predeterminado) Sin GDDs obligatorios, documentación breve, evidencia mínima de QA, revisión en solitario Velocidad de game jam
standard 5 secciones de GDD obligatorias, profundidad equilibrada, evidencia estándar de QA Proyectos en crecimiento
full Las 8 secciones de GDD, documentación exhaustiva, revisión completa de directores Equipos y producción seria

El nivel mínimo es el predeterminado por una razón honesta que el propio proyecto admite: el nivel más pesado cuesta más llegar a código funcional sin producir un mejor resultado. Se puede subir en una sola llamada a /settings cuando el proyecto crece, y ajustes como review_mode o team.size pueden personalizarse por desarrollador sin tocar la configuración compartida.

¿Produce juegos o solo documentos?

Es la pregunta obvia, y el proyecto la responde con una medición, no con un ejemplo de muestra. Se construyeron cuatro juegos desde el mismo breve a distintos niveles de rigor y se contaron los documentos que cada uno escribió antes de su primera línea de código de juego. En el nivel mínimo fue uno: el breve de una página, en cero minutos. En el nivel estándar fueron treinta documentos, en 58 minutos. Todos produjeron un juego funcional y probado, pero dos revisores a ciegas y una prueba de juego humana clasificaron la versión estándar en el último lugar: los 29 documentos extra compraron trazabilidad, no un mejor juego.

La otra mitad de la respuesta es que el sistema ejecuta el juego y lo observa. Una historia que cambia algo visible para el jugador no se cierra hasta que el juego se lanzó, se observó y se conservó una captura como evidencia en el directorio de QA del proyecto. Una verificación de sintaxis no es una ejecución. Y los juegos de muestra, deliberadamente, no se incluyen: es una plantilla que clonas para tu propio proyecto.

Advertisement

¿Es un piloto automático?

No, y conviene subrayarlo. No es un sistema de piloto automático: cada agente sigue un protocolo estricto de colaboración. Primero pregunta antes de proponer soluciones, después presenta de dos a cuatro opciones con pros y contras, tú tomas la decisión, el agente muestra el borrador antes de finalizar y nada se escribe sin tu aprobación. Los agentes aportan estructura y experiencia, no autonomía. Existen ajustes de automatización que intercambian parte de esos prompts por velocidad, pero el comportamiento predeterminado te mantiene al mando.

Resulta particularmente interesante que el enfoque no sea “genera el juego completo con un prompt”, sino reproducir la disciplina de un estudio: preguntas correctas, revisiones tempranas y organización de la primera lluvia de ideas al lanzamiento. Para un desarrollador en solitario, esa estructura puede ser la diferencia entre un prototipo abandonado y un juego terminado.

El proyecto tiene licencia MIT, acepta contribuciones vía GitHub Discussions y se financia con GitHub Sponsors y Buy Me a Coffee. El repositorio oficial de Claude Code Game Studios documenta todo el historial de versiones, desde la primera publicación hasta la versión 1.2.0. Si quieres explorar más ecosistemas de extensiones para agentes, las Claude Skills populares para agentes de IA son un buen punto de partida para complementar este sistema.

Lo más leído en Digitalización

  1. NotebookLM-py la biblioteca Python que convierte Gemini Notebook en una API completa
    Digitalización

    NotebookLM-py la biblioteca Python que convierte Gemini Notebook en una API completa

    · 5 min · 462 vistas

    notebooklm-py es una biblioteca Python no oficial, de código abierto y licencia MIT, que ofrece acceso programático completo…

  2. DeepSeek-V4-Pro-Qwen3.5-9B UNCENSORED: el 9B decensurado con Heretic
    Digitalización

    DeepSeek-V4-Pro-Qwen3.5-9B UNCENSORED: el 9B decensurado con Heretic

    · 7 min · 197 vistas

    La comunidad de código abierto ya puede descargar DeepSeek-V4-Pro-Qwen3.5-9B-UNCENSORED-heretic, una versión decensurada del modelo de razonamiento de 9B…

Digitalización

DeepSeek-V4-Pro-Qwen3.5-9B UNCENSORED: el 9B decensurado con Heretic

Published

on

DeepSeek-V4-Pro-Qwen3.5-9B UNCENSORED: el 9B decensurado con Heretic

La comunidad de código abierto ya puede descargar DeepSeek-V4-Pro-Qwen3.5-9B-UNCENSORED-heretic, una versión decensurada del modelo de razonamiento de 9B parámetros creado por Jackrong. Su ficha en Hugging Face reporta solo 3 rechazos en 100 solicitudes delicadas frente a los 100 de 100 del modelo original, con una divergencia KL de apenas 0.0422 respecto a su comportamiento base. Te contamos qué rendimientos ofrece, cómo ejecutarlo en una GPU de 8 GB y qué limitaciones conviene conocer antes de usarlo.

(más…)

Lo más leído en Digitalización

  1. NotebookLM-py la biblioteca Python que convierte Gemini Notebook en una API completa
    Digitalización

    NotebookLM-py la biblioteca Python que convierte Gemini Notebook en una API completa

    · 5 min · 462 vistas

    notebooklm-py es una biblioteca Python no oficial, de código abierto y licencia MIT, que ofrece acceso programático completo…

  2. DeepSeek-V4-Pro-Qwen3.5-9B UNCENSORED: el 9B decensurado con Heretic
    Digitalización

    DeepSeek-V4-Pro-Qwen3.5-9B UNCENSORED: el 9B decensurado con Heretic

    · 7 min · 197 vistas

    La comunidad de código abierto ya puede descargar DeepSeek-V4-Pro-Qwen3.5-9B-UNCENSORED-heretic, una versión decensurada del modelo de razonamiento de 9B…

Continue Reading

Digitalización

NotebookLM-py la biblioteca Python que convierte Gemini Notebook en una API completa

Published

on

NotebookLM-py la biblioteca Python que convierte Gemini Notebook en una API completa

notebooklm-py es una biblioteca Python no oficial, de código abierto y licencia MIT, que ofrece acceso programático completo a Gemini Notebook, la herramienta de investigación de Google conocida como NotebookLM hasta julio de 2026. Desarrollada por Teng Lin, permite crear cuadernos, importar fuentes, generar podcasts, videos, presentaciones y quizzes, y descargar todo localmente mediante Python, línea de comandos y agentes de IA.

(más…)

Lo más leído en Digitalización

  1. NotebookLM-py la biblioteca Python que convierte Gemini Notebook en una API completa
    Digitalización

    NotebookLM-py la biblioteca Python que convierte Gemini Notebook en una API completa

    · 5 min · 462 vistas

    notebooklm-py es una biblioteca Python no oficial, de código abierto y licencia MIT, que ofrece acceso programático completo…

  2. DeepSeek-V4-Pro-Qwen3.5-9B UNCENSORED: el 9B decensurado con Heretic
    Digitalización

    DeepSeek-V4-Pro-Qwen3.5-9B UNCENSORED: el 9B decensurado con Heretic

    · 7 min · 197 vistas

    La comunidad de código abierto ya puede descargar DeepSeek-V4-Pro-Qwen3.5-9B-UNCENSORED-heretic, una versión decensurada del modelo de razonamiento de 9B…

Continue Reading

Digitalización

VU ONE y LIINTU: identidad digital reutilizable y privacidad

Published

on

VU ONE y LIINTU: identidad digital reutilizable y privacidad

Enviar el documento, mostrar el rostro y volver a demostrar quién se es: abrir una cuenta digital suele implicar repetir el mismo trámite en cada servicio. VU quiere reducir esa repetición con VU ONE y, como siguiente paso, con LIINTU, una iniciativa para reutilizar una identidad verificada entre distintas empresas.

(más…)

Lo más leído en Digitalización

  1. NotebookLM-py la biblioteca Python que convierte Gemini Notebook en una API completa
    Digitalización

    NotebookLM-py la biblioteca Python que convierte Gemini Notebook en una API completa

    · 5 min · 462 vistas

    notebooklm-py es una biblioteca Python no oficial, de código abierto y licencia MIT, que ofrece acceso programático completo…

  2. DeepSeek-V4-Pro-Qwen3.5-9B UNCENSORED: el 9B decensurado con Heretic
    Digitalización

    DeepSeek-V4-Pro-Qwen3.5-9B UNCENSORED: el 9B decensurado con Heretic

    · 7 min · 197 vistas

    La comunidad de código abierto ya puede descargar DeepSeek-V4-Pro-Qwen3.5-9B-UNCENSORED-heretic, una versión decensurada del modelo de razonamiento de 9B…

Continue Reading

Lo más reciente

Lo más popular

Subscribete a nuestro Podcast

Trending