電梯傳說：電梯程式編寫遊戲

背景

《Elevator Saga》是一款於 2015 年推出的電梯調度編程遊戲，玩家需要使用 JavaScript 撰寫邏輯，在有限的時間內優化電梯的運行效率，以滿足不同關卡的運載需求。這款遊戲近期在 Hacker News 上重新引發討論，不僅是因為其經典的演算法挑戰，更因為它成為了測試當前大型語言模型（LLM）邏輯推理能力的新興基準。

社群觀點

這款遊戲喚起了許多資深開發者的回憶，有人將其比作早期計算機科學課程中的硬碟調度演算法練習，認為這種經典的資源分配問題是訓練邏輯思維的絕佳素材。更有開發者提到，這類電梯調度系統的設計，正是形式化驗證工具如 TLA+ 最常被用來練習的經典案例之一。然而，討論的核心很快轉向了當前最熱門的議題：AI 協作編程與「氛圍編程」（Vibe Coding）。

在社群討論中，許多使用者嘗試利用 Claude 3.5 Sonnet 或 Opus 等頂尖模型來破解關卡。觀察發現，雖然 LLM 在處理前幾個簡單關卡時表現出色，但隨著挑戰難度增加，特別是涉及到最大等待時間限制或多電梯協作的複雜場景時，AI 開始顯露疲態。有使用者指出，Opus 在初次嘗試時甚至會產生極其混亂且低效的程式碼，而 Sonnet 則需要經過多次迭代才能勉強通過中階關卡。這反映出 LLM 在處理具有嚴格物理限制與動態回饋的邏輯問題時，仍存在明顯的短板。

有趣的是，討論中出現了兩種截然不同的開發體驗。一方認為，讓 AI 介入後，傳統的編程樂趣消失了，取而代之的是一種「加速版」的現代軟體開發日常：不斷地進行提示詞工程與上下文調整，這種過程雖然能快速產出結果，卻缺乏親手解決問題的成就感。另一方則認為，這正是 AI 時代下開發者角色的轉變，重點不再是撰寫每一行程式碼，而是如何精準地描述問題並引導模型優化。然而，目前社群的共識是，尚無任何 LLM 能夠在不經人工干預的情況下，獨立完成所有高難度關卡，這證明了《Elevator Saga》在衡量 AI 邏輯深度方面仍具備高度的參考價值。

延伸閱讀

在討論中，有使用者分享了專門為 Claude 瀏覽器擴充功能設計的提示詞框架，旨在引導 AI 透過分析頁面佈局、閱讀 API 文件並進行自我修正來解決挑戰。此外，提及的 TLA+ 也是深入研究分散式系統與併發邏輯時，設計電梯調度系統的重要工具。