Gemini 4 Neon: zamień jednostronicowy brief w grywalną grę 3D w przeglądarce
Od strony tekstu do grywalnej gry
Studio gier casualowych chce mieć małą grę 3D na swojej stronie. Ma tylko pisemny brief: żadnych szkiców projektowych, żadnych obrazów referencyjnych, żadnych grafik. Na blacie stołu leży galaretowate morze, pośrodku zamieszkana wyspa, a na niej rakieta na stanowisku startowym. Gracz płynie łodzią roboczą po pięć części rakiety, a pogoda zmienia się od pogodnego poranka do burzy o zmierzchu. Gdy dotrze ostatnia część, rakieta startuje.
Ręczne zbudowanie czegoś takiego to dla małego zespołu tygodnie pracy. Ktoś modeluje wyspę i miasteczko, ktoś pisze wodę i pogodę, ktoś buduje pętlę gry, a ktoś to wszystko testuje. Do tego studio chce mieć całość w jednym pliku HTML, który działa offline, mieści się w ścisłym budżecie GPU i udostępnia skryptowy interfejs, żeby zespół QA mógł przechodzić grę automatycznie.
Dlatego przekazaliśmy brief Gemini 4 Neon w Eigent. Po 43 minutach dostaliśmy jeden plik o rozmiarze 2.4 MB: tętniącą życiem wyspę z miasteczkiem, sygnalizacją świetlną, promami, mewami i samolotami, pięć rodzajów pogody oraz dzień i noc, a do tego grę o dostawach, którą da się przejść od ekranu tytułowego aż do startu rakiety.
Przepływ pracy w skrócie
Jeden brief poprowadził całość od pustego folderu do gotowej gry. Każdy etap zostawił coś, co mogliśmy sprawdzić.
| Etap | Co się wydarzyło | Co powstało |
|---|---|---|
| Lektura | Przeczytanie pełnego briefu, spec.json i notatki licencyjnej dotyczącej zasobów | Reguły: jeden plik, bez internetu, tylko three.js, twarde liczby i budżety |
| Przygotowanie | Wykrycie braku oczekiwanego środowiska Python oraz instalacja Playwright i headless Chromium do testowania własnej pracy | Przeglądarka, którą mógł sam sterować |
| Budowa | Napisanie gry jako 5 modułów (około 204 KB kodu źródłowego) i połączenie ich z three.js w jeden plik | Pierwszy build o rozmiarze 2.27 MB |
| Testy | Uruchomienie własnego zestawu testów QA w Playwright i przejrzenie zrzutów ekranu każdego widoku | 66 z 68 testów zaliczonych, wykryte 2 błędy |
| Dopracowanie | Trzy rundy poprawek tego, co znalazł: draw calle, ściany wody, oświetlenie nocne, rafa, płomienie i dym rakiety | 69 z 69 testów, 0 błędów |
| Wydanie | Audyt pliku pod kątem dostępu do sieci i licencji | Jeden plik scene.html działający offline, 2.38 MB |
Oto jak Gemini 4 Neon to zrobił – łącznie z tym, gdzie nie dał rady, i dlaczego.
Co dostarczył
- Tętniąca życiem wyspa. Plaże, wzgórza i skaliste wybrzeże, miasteczko z 31 budynkami, drogami, rondami i 8 działającymi sygnalizatorami, 14 samochodów, promy kursujące między przystaniami, 16 mew nad miastem i 2 samoloty. Na molo stoi latarnia morska, a rakieta czeka na stanowisku startowym obok swojej przystani.
- Woda i pogoda. Przezroczysty blok galarety z głębokim dnem morskim, falami, kilwaterami, kaustykami i podwodną rafą. Jest pięć rodzajów pogody (bezchmurnie, pochmurno, deszcz, śnieg i burza), śnieg, który osiada na lądzie i dachach, oraz cykl dnia i nocy ze światłami miasta, księżycem i gwiazdami.
- Kompletna gra. Łódź robocza, która w 5 sekund rozpędza się do 15 m/s i w 3 sekundy obraca się o 192° (brief wymaga 8 m/s i 45°). Pięć części rakiety jest kolejno ładowanych i dostarczanych. Po każdej dostawie samolot zaopatrzeniowy zrzuca następną część, a pogoda pogarsza się z upływem dnia, od 9:00 do 18:00. Po czwartej części galaretowate morze się trzęsie, a po piątej rakieta wznosi się na 496 m. Ekran końcowy pokazuje czas, wynik i ocenę w gwiazdkach.
- Tryb marketingowy. Dodaj
?exploredo adresu URL, a dostaniesz swobodną kamerę, przyciski pogody, suwak pory dnia i sześć gotowych widoków. - Interfejs QA.
window.sceneAPIiwindow.gamepozwalają skryptowi przesuwać symulację klatka po klatce, poruszać kamerą, teleportować łódź i odczytywać stan każdego samochodu, łodzi i samolotu. Właśnie tak oceniający przeszedł całą grę i tak nagraliśmy wideo.
Konfiguracja
- Eigent 1.0.8, w jednej sesji w trybie Single Agent, z Gemini 4 Neon jako modelem i poziomem myślenia Medium.
- Lokalny folder z zadaniem:
PROMPT.md(pełny brief) oraz folder tylko do odczytuinput_files/z three.js 0.186.1,spec.json(współrzędne, budżety i twarde liczby) i notatką licencyjną dotyczącą zasobów. - Samodzielnie. Nikt nie odpowiadał na pytania ani nie ingerował. Każda decyzja należała do agenta.
- Offline. Gotowy plik nie może wysyłać żadnych żądań sieciowych. Każda tekstura, każdy dźwięk i każdy shader muszą być generowane w kodzie.
- Twarde limity. Maksymalnie 450 draw calli, 3 miliony trójkątów i 400 MB pamięci GPU w klatce przeglądowej. Brief określa też parametry prowadzenia łodzi, czas zrzutów, siłę trzęsienia i wysokość startu.
Jak pracował Gemini 4 Neon
Gemini 4 Neon realizował zadanie jako pojedynczy agent. Czasy podano w minutach od początku przebiegu.
- Rozpoznanie (0:00–1:00). Przeczytał
PROMPT.md,spec.jsoni notatkę licencyjną, a potem sprawdził, jakie narzędzia są dostępne na maszynie: Python, Node i przeglądarka. - Przerwa nie z winy agenta (1:00–6:00). Przestrzeń robocza zawierała 513 plików przy limicie punktu kontrolnego Eigent wynoszącym 500, więc Eigent zatrzymał się i poprosił człowieka o kontynuację. Około 5 minut przebiegu upłynęło na czekaniu na to kliknięcie.
- Własne stanowisko testowe (6:00–10:00). Środowisko Python opisane w briefie nie zostało przygotowane, więc sam zainstalował Playwright i Chromium, aby testować grę tak, jak robiłby to zespół QA. Przejrzał też pliki three.js, żeby czysto połączyć je w jeden plik.
- Pisanie gry (10:00–20:00). Napisał pięć modułów: najpierw teren i szum, potem wodę, niebo i pogodę, następnie miasteczko, roślinność, charakterystyczne obiekty i ruch uliczny, a na końcu pętlę gry, interfejs QA i UI. O 20:06 połączył wszystko w jeden plik o rozmiarze 2.27 MB i sprawdził składnię w Node.
- Testowanie i oglądanie (21:00–27:00). Jego własny zestaw w Playwright zaliczył 66 z 68 testów. Wychwycił dwa błędy: 865 draw calli przy budżecie 450 i łódź, która osiągała tylko 3.79 m/s zamiast wymaganych w briefie 8. Potem otworzył i przejrzał 12 zrzutów ekranu własnej gry, od widoku całej wyspy po ekran zwycięstwa.
- Trzy rundy dopracowania (27:00–43:00). Pogrupował draw calle, poprawił sortowanie ścian wody, skorygował kolory terenu i przebudował oświetlenie nocne, podwodną rafę oraz start rakiety. Po tej przebudowie zszedł do 149 draw calli, a wszystkie testy świeciły na zielono. Dwie kolejne rundy dodały zieleńsze wzgórza, jaśniejszą wodę, koralowce i wodorosty, płomienie rakiety i kłębiący się dym, a także naprawiły błąd cullingu, który ukrywał dym. Każdą rundę sprawdzał wzrokowo – łącznie na 27 zrzutach ekranu.
- Wydanie (43:24). Przeprowadził końcowy audyt pracy offline i licencji, po czym oddał pracę: 69 z 69 testów, 0 błędów.
Łącznie: 73 wywołania modelu i 86 wywołań narzędzi w 43 minuty 36 sekund, bez udziału człowieka poza kliknięciem przy punkcie kontrolnym.
Wynik
W folderze wynikowym pojawił się jeden plik: output/scene.html, 2.38 MB, z wbudowanym three.js r186 i zachowaną informacją o licencji MIT. Wystarczy go otworzyć i gra działa. Po dodaniu ?explore zamienia się w salon wystawowy.
| Pomiar na dostarczonym pliku | Wynik | Limit lub cel |
|---|---|---|
| Draw calle, klatka przeglądowa | 145 | ≤ 450 |
| Trójkąty | 355 K | ≤ 3 M |
| Pamięć GPU | 49 MB | ≤ 400 MB |
| Żądania sieciowe lub do plików lokalnych | 0 | 0 |
| Błędy w konsoli | 0 | 0 |
| Prędkość maksymalna po 5 s | 15 m/s | ≥ 8 m/s |
| Obrót w 3 s | 192° | ≥ 45° |
| Dostawy ukończone przez skrypt | 5 z 5, potem start i ekran końcowy | 5 |
| Wznoszenie rakiety | 496 m | ≥ 50 m |
| Gotowość w headless Chromium z renderowaniem programowym | 17 s | – |
Jak wypadł w ocenie
Plik oceniliśmy kolektorem dowodów dołączonym do zadania, w obrazie Docker przygotowanym dla zadania, z renderowaniem przez SwiftShader na 2 procesorach. Skrypt steruje stroną, wszystko mierzy i na podstawie tych pomiarów rozstrzyga każde z 91 binarnych kryteriów. 74 kryteria przyznają 352 punkty, a 17 kar może odebrać 99. Regułę każdego kryterium zastosowaliśmy do pomiarów i nie używaliśmy sędziego LLM, więc jest to wynik programowy. Ta sama ewaluacja dokładnie odtwarza wszystkie trzy wcześniejsze oficjalne wyniki w tym zadaniu.
| Grupa | Punkty |
|---|---|
| Wykonanie instrukcji | 21 / 21 |
| Poprawność pliku i zasoby | 3 / 3 |
| Inżynieria i organizacja | 6 / 6 |
| Struktura i poprawność zadania | 122 / 167 |
| Jakość wizualna i estetyka | 91 / 155 |
| Kary | −31 (5 z 17 nałożonych) |
| Łącznie | 0.602 (212 z 352 punktów, 59 z 74 kryteriów) |
Bez pięciu kar ten sam plik uzyskuje 0.69.
Sprawdziliśmy też sam przebieg, przeglądając wywołania narzędzi wykonane przez agenta.
| Kontrola | Co ustaliliśmy |
|---|---|
| Bez wyszukiwania w sieci | Nie było żadnych wywołań wyszukiwania w sieci, przeglądarki ani pobierania stron. |
| Pobrania wyłącznie do testów | Zainstalował Playwright przez pip i pobrał Chromium, aby testować własną grę, bo środowisko oczekiwane w briefie nie zostało przygotowane. Sam plik gry nie wysyła żadnych żądań. |
| Przetestował własną pracę | Napisał i uruchomił własny zestaw QA z 69 testami oraz przejrzał 27 zrzutów ekranu. |
Gdzie zawiódł – i dlaczego
Gemini 4 Neon zbudował wszystko, czego wymagał brief, a grę da się przejść od początku do końca. Stracone punkty dotyczą najtrudniejszej warstwy realizmu oraz kilku szczegółów ruchu ulicznego i pracy kamery.
- Woda, która naprawdę się porusza i załamuje światło. Oceniający nie mógł potwierdzić prawdziwych fal (jego płyta testowa wyrenderowała się pod warstwą wody), refrakcji (blok na dnie nie był zniekształcony) ani kilwateru, który poszerza się wraz z prędkością. Kaustyki były, ale zbyt rzadkie, a przybój przy brzegu nie był wystarczająco jasny ani animowany.
- Rzeczy, które powinny się ruszać. Drzewa się nie kołyszą, a stojąca łódź dryfowała podczas burzy tylko o 0.18 m, podczas gdy oceniający oczekiwał 0.5 m.
- Szczegóły zrzutów i startu. 3 z 4 zrzutów znalazły się na miejscu w ciągu 40 sekund, a zrzut na otwarte morze nie wywołał pierścienia fal. 1 sekundę po starcie płomień był w kadrze oceniającego za mały.
- Śnieg i materiały. Śnieg pokrył 91% lądu i 87% dachów, ale tylko 19% koron drzew. Samochody i rakieta używają głównie materiałów nieodbijających światła.
- Pięć kar (−31). Dwa samochody zbliżyły się do siebie na odległość 2 m, a auta jadące w przeciwnych kierunkach trzymały się zbyt blisko osi jezdni. 7% punktów przejechanej drogi znalazło się pod trawą. Prędkość obrotu kamery skoczyła do 29°/s przy limicie 8°/s. A samolot zaopatrzeniowy w 8 próbkach zanurkował pod powierzchnię.
Przy twardych karach wypadł czysto: łódź nigdy nie drga, nic nie migocze, pauzowanie jest bezpieczne, część nigdy nie przenika przez samolot, na pokładzie nie ma kaustyk i nie ma błędów w konsoli.
Był to też pojedynczy przebieg na poziomie myślenia Medium. Wyniki w tak długim zadaniu mogą się różnić między przebiegami.
Czego się nauczyliśmy
- Buduje całe produkty, nie fragmenty kodu. Z jednej strony tekstu: świat, gra, UI, tryb marketingowy i interfejs QA – w jednym pliku.
- Daj mu możliwość testowania, a będzie testował. Gdy brakowało środowiska, sam przygotował przeglądarkę, napisał własny zestaw QA i wychwycił własne błędy, zanim oddał pracę.
- Patrzy na to, co buduje. Przeglądał zrzuty ekranu jak projektant i poprawiał to, co zobaczył: ściany wody, oświetlenie nocne, rafę i smugę startową rakiety.
- Twarde liczby łatwo osiągnąć, gdy są zapisane. Każda liczba z briefu dotycząca prowadzenia łodzi, budżetów i API została spełniona. Pozostaje realizm, którego nie określa żaden wiersz specyfikacji: woda, która załamuje światło, drzewa, które się kołyszą, ruch uliczny, w którym nic się nie styka.
Brief nie musi czekać na zespół. Przekaż go Gemini 4 Neon w Eigent, a potem zagraj w wynik.
Uruchom to sam
- Pobierz pakiet zadania (
game-threejs-jelly-sea-express.zip) i rozpakuj go do pustego folderu. ZawieraPROMPT.mdoraz folderenvironment/z plikami wejściowymi tylko do odczytu. - Przygotuj folder wejściowy. Skopiuj
environment/input_files/do swojego folderu roboczego jakoinput_files/i utwórz obok pusty folderoutput/. - Otwórz Eigent i utwórz nowy projekt w Space połączonym z tym folderem roboczym.
- Wybierz tryb Single Agent, ustaw Gemini 4 Neon jako model, a poziom myślenia na Medium.
- Wklej brief. W
PROMPT.mdskopiuj wersję B (Eigent), czyli tekst między jej dwiema liniami---. Zmień ścieżki folderów na własne i wyślij go jako pierwszą wiadomość. Nie dodawaj żadnych podpowiedzi. - Pozwól mu działać. Nie odpowiadaj na pytania i nie ingeruj. Spodziewaj się około 45 minut. Jeśli Eigent zatrzyma się na limicie punktu kontrolnego przestrzeni roboczej, kliknij, aby kontynuować – to kwestia Eigent, nie agenta.
- Zagraj w wynik. Otwórz
output/scene.htmlw przeglądarce. Naciśnij Start, a potem steruj łodzią klawiszami W A S D (Esc wstrzymuje grę). Otwórzscene.html?explore, aby uzyskać swobodną kamerę, przyciski pogody, suwak czasu i gotowe widoki. - Sprawdź budżety i API. W konsoli przeglądarki powinny istnieć zarówno
window.sceneAPI, jak iwindow.game.window.sceneAPI.renderer.info.render.callsw widoku przeglądowym powinno pozostać poniżej 450. - Skontroluj przebieg. Włącz Dev mode i przejrzyj wywołania narzędzi. Nie powinno być żadnych wywołań wyszukiwania w sieci ani pobierania stron. Ewentualne instalacje pakietów powinny dotyczyć wyłącznie narzędzi testowych.
Podziękowania: zbudowano z użyciem Gemini 4 Neon i Eigent.








