De imagens a um jogo jogável — sem escrever uma linha de código
E se você pudesse apontar para qualquer vídeo e dizer "transforme isso em um jogo"? Este fluxo de trabalho faz exatamente isso. O Agente Multimodal da Eigent assiste às imagens do Spring Festival Gala de 2026 — uma espetacular performance de artes marciais com robôs — extrai os personagens, movimentos e estilo visual e, em seguida, entrega essa análise estruturada a um Agente Desenvolvedor que cria um jogo completo em Three.js em torno dela. Todo o pipeline funciona a partir de um único prompt e um único arquivo de vídeo.
O pipeline de dois agentes
Este fluxo de trabalho requer dois agentes especializados trabalhando em sequência:
- Agente Multimodal — lida com Análise de Imagem, Processamento de Vídeo, Processamento de Áudio e Geração de Imagem. Ele assiste ao vídeo e produz dados estruturados sobre o que vê.
- Agente Desenvolvedor — lida com Terminal e Shell, Implantação Web e Captura de Tela. Ele recebe a análise estruturada e constrói o jogo.
A principal ideia é a transferência: o Agente Desenvolvedor não recebe o vídeo bruto — ele recebe um documento de texto estruturado descrevendo personagens, movimentos, cores, cenário e temas. Essa etapa de tradução é o que torna o resultado do jogo fiel em vez de genérico.
Anexe o vídeo e escreva o prompt
Anexe Martial Arts.mp4 e descreva o que você quer:
Analise o arquivo de vídeo anexado para entender a performance dos robôs, os personagens, os movimentos, o estilo visual e o cenário do Spring Festival Gala de 2026, depois crie um jogo HTML interativo 3D completo em um único arquivo usando Three.js que recrie fielmente os principais elementos, personagens e ações do vídeo com mecânicas de jogabilidade envolventes, controles intuitivos e efeitos visuais festivos.
Duas tarefas são geradas imediatamente — a segunda fica bloqueada até a primeira ser concluída.
Tarefa 1 — o Agente Multimodal assiste ao vídeo
O Agente Multimodal processa Martial Arts.mp4 quadro a quadro usando o Video Downloader Toolkit para extrair capturas de tela de momentos-chave. Em seguida, analisa esses quadros e produz uma análise escrita abrangente salva como martial_arts_video_analysis.txt:
- Personagens e robôs: aparência física, proporções, esquema de cores (dourado e vermelho), número de performers
- Movimentos e ações: técnicas específicas de artes marciais observadas — socos, chutes, ataques com bastão, sequências coreografadas
- Estilo visual: iluminação do palco, paleta de cores, estilo da decoração festiva, profundidade e escala do espaço da performance
- Cenário e fundo: ambiente do palco, design do pano de fundo, elementos atmosféricos
- Elementos festivos: decorações específicas do CNY, motivos simbólicos, efeitos usados na performance
Este documento se torna o briefing criativo — uma descrição estruturada que o Agente Desenvolvedor pode executar com precisão.
Tarefa 2 — o Agente Desenvolvedor constrói o jogo
Com a análise em mãos, o Agente Desenvolvedor lê as notas do Note Taking Toolkit e cria spring_festival_martial_arts_game.html — um único arquivo autônomo com todo o HTML, CSS e JavaScript embutidos.
O jogo implementa fielmente tudo o que o Agente Multimodal identificou:
- Personagens robóticos 3D renderizados em Three.js com o esquema de cores dourado/vermelho do vídeo
- Animações de artes marciais reproduzindo os socos, chutes e ataques com bastão observados
- Ambiente de palco correspondendo ao cenário visual da performance do Spring Festival Gala
- Efeitos de partículas festivos — lanternas, faíscas, decorações do CNY
- Vários modos de jogo: Modo Performance, Modo Combate, Prática Livre
O jogo finalizado
Abrir spring_festival_martial_arts_game.html em um navegador oferece uma experiência completa:
- Tela de título: 2026 Spring Festival Gala — Martial Arts Performance — Year of the Horse
- Controles: W/S/A/D para movimentação · J Soco/Ataque · K Chute · L Ataque com Bastão · Espaço Movimento Especial · Mouse para câmera · Rolagem para zoom
- HUD: contador de pontos (527 mostrado na demo), contador de combo, indicador de modo
- Visual: personagens robóticos 3D em dourado/vermelho, fundo festivo de palco, efeitos de partículas
Total de tokens usados: aproximadamente 467.000 — refletindo a profundidade da análise de vídeo e da geração do jogo em Three.js combinadas.
Por que vídeo-para-jogo é uma nova categoria de fluxo de trabalho
Este pipeline estabelece algo novo: usar o entendimento de vídeo como ferramenta de especificação de design. Em vez de escrever um documento de design de jogo, você grava ou encontra imagens da estética, dos personagens e das interações que deseja — e deixa o Agente Multimodal traduzir isso em especificações prontas para implementação.
As aplicações vão muito além de jogos. O mesmo pipeline de vídeo → análise estruturada → código funciona para recriação de mockups de UI, design de sistemas de animação, geração de demos interativas e qualquer contexto em que o vídeo capture a intenção melhor do que o texto.
O que experimentar em seguida
Analise um vídeo de unboxing de produto e gere um visualizador 3D interativo do produto que recrie o objeto a partir das imagens.
Assista a um vídeo de culinária e gere um app interativo de receita passo a passo que combine com o estilo visual do vídeo.
Analise um compilado de melhores momentos esportivos e gere um minijogo baseado no esporte mostrado.
Pegue o jogo do Spring Festival e adicione um modo multijogador em que dois jogadores competem como robôs diferentes da performance.
Dicas para melhores resultados
-
Use imagens-fonte de alta qualidade. A extração de cenas pelo Agente Multimodal é mais precisa com vídeo claro e bem iluminado. Imagens de performance com personagens e movimentos distintos — como este vídeo do Gala — produzem uma análise mais rica do que conteúdo com cortes rápidos ou baixa resolução.
-
Peça para revisar a análise antes de construir. Adicionar "mostre-me o documento de análise do vídeo antes de criar o jogo" oferece um ponto de verificação para confirmar se o agente entendeu o vídeo corretamente antes de iniciar a construção.
-
Solicite um único arquivo. Especificar "jogo HTML interativo 3D em arquivo único" garante que tudo fique autocontido e imediatamente compartilhável, sem necessidade de etapa de build ou servidor.
