跳转到内容
主站 新闻 控制台

基于自主 Fable 级模型构建多人游戏世界

· Simon Willison
技巧LLM

我如何打造了世界上最深度融入 AI 的公司。别被这个吸睛的标题劝退,Jacob Sansbury 在这篇文章中介绍了他们如何构建 Spawn,深刻探讨了基于前沿模型进行智能体工程(agentic engineering)的前沿可能性。

Spawn 是一个大型多人游戏环境,玩家可以通过提示词(输入给游戏内智能体 Savi)来修改游戏世界。

我在手机上试玩了几分钟,仅凭提示词就生成了一座城堡,接着又生成了一条龙,然后骑上龙绕着城堡飞行。

图 1:一款 3D 体素风格游戏的手机双联截图。左图:从小巧的青色巨龙鞍座上的第一人称视角,巨龙颈部带有淡色菱形斑纹,前景有两只弯曲的白色龙角,正飞向湖中岩石岛屿上一座深色石堡,城堡拥有高耸的蓝灰锥形尖塔、发光的窗户和青色三角旗,背景是绿植与积雪交错的山丘。顶部栏:个人资料图标、“保留”、“你的巢穴”下拉菜单、“+ 新游戏”按钮和“...”菜单。右侧:图标按钮以及标有“点击对话”的白发雀斑角色头像。右下角按钮:“跳跃”和“使用”。右图:同一游戏,城堡场景上方打开了聊天面板。顶部栏:“你的巢穴”下拉菜单、“+ 新游戏”。按钮:“更早 ↑”。用户消息:“把龙变小一点,让它重新落在我身边”。白发角色的回复:“收到。正在把它缩小到小马大小,并让它落在你身边。”接着:“现在它是一条小龙了,你已经骑着它飞在湖面上了。你的视角正好在鞍座上,龙角在正前方。飞回房子那边低头看看。刚才看到了你的屏幕:正在水面上空飞行,龙颈和龙角在前方,房子在对岸。”然后:“噢,有个主意:飞行时按‘使用’可以喷火,按住‘跳跃’则可以着陆。想要这个功能吗?”输入框:“你想引入什么?”下方按钮:上传、一个小型像素风图标、“确认”和麦克风。

据 Jacob 透露,Spawn 目前正由一组由 Fable 驱动的智能体集群(agent swarm)进行自主开发,_每月_仅 token 成本就超过 300 万美元:

我们的智能体直接修改线上生产代码,并按小时交付至生产环境,因此它们会自行读取每一个错误、缺陷报告(bug report)和运行指标。我们约 60% 的工作始于生产环境报错、Savi 提交的缺陷报告(Savi 是你在 Spawn 中用来构建游戏的 AI)、日志中的异常记录,或是功能需求。

Savi 会自己提交缺陷。当用户遇到 bug,或者 Savi 在产品中遇到 bug 时,她就会记录并提交。它会直接进入一个智能体,由该智能体来判断这是需要修复的真实缺陷、我们不打算修的问题,还是需要做决策的刻意设计。通常这会转变成一次代码改动,在一小时内交付给该用户,并在同一个聊天界面中发送消息通知。

这是拉满到极致的持续部署(continuous deployment):

如此紧凑的循环只有在永不停歇的情况下才能运转,因此如果一个小时内没有代码上线,我们就会将其视为 SEV-0 级事件——即我们最严重的故障级别。未发布的代码改动会堆积,生产环境中已有的每个问题也会持续更久,反馈回路同样会变慢。一个智能体的上下文中只能维持几个小时的工作记忆,因此以更快的速度发布反而有助于它保持连贯性。[…]

我们可以在 30 秒内回滚一次出错的改动,精准回滚出问题的地方,而不影响其他任何部分。当监控或日志警报触发时,它会启动或唤醒负责该事故的智能体,我们还会故意搞坏一些东西,以测试这些恢复路径是否能够正常工作。

读这篇文章时,我惊讶得挑了不下十几次眉毛。我很难想象这种开发模式能用在那些容错率极低、一旦出事代价极高的软件上,但对于游戏而言,它似乎出奇地有效。

Jacob 表示,正是 Fable 5(以及随后的 5.1)模型让这种程度的自主性成为可能。Opus 5.5 对他们来说不太够用;而当他们尝试使用 GPT-6 Astra 根据安全审查结果实施修复时,所有功能直接瘫痪了:

所有功能都被禁用了,并被标记为在安全修复完成后再重新开启。Astra 审查了我们的整个产品,并通过把所有不安全的功能直接关掉的方式来“确保安全”。

正是这类极致的实验,让我对游戏开发感到兴奋——它堪称探索当今代码智能体能力边界的绝佳试验田。