看视频，玩游戏：Eigent 基于春晚视频打造 3D 武术游戏

从视频到可玩的游戏——无需写一行代码

如果你可以对着任何视频说“把这个做成一个游戏”，会怎样？这个工作流正是如此。Eigent 的多模态 Agent 会观看 2026 年春节联欢晚会的一段影像——一场精彩的机器人武术表演——提取角色、动作和视觉风格，然后把这份结构化分析交给 Developer Agent，由后者围绕这些内容构建一个完整的 Three.js 游戏。整个流程只需要一个提示词和一个视频文件。

1双 Agent 流水线

这个工作流需要两个专门的 Agent 按顺序协作：

• Multi-Modal Agent —— 负责图像分析（Image Analysis）、视频处理（Video Processing）、音频处理（Audio Processing）和图像生成（Image Generation）。它会观看视频，并输出关于所见内容的结构化数据。
• Developer Agent —— 负责终端与 Shell、Web 部署和屏幕捕获。它接收结构化分析并据此构建游戏。

关键点在于交接：Developer Agent 接收到的不是原始视频，而是一份描述角色、动作、颜色、场景和主题的结构化文本。正是这一步转换，让生成的游戏更忠实，而不是千篇一律。

2附加视频并写下提示词

附加 Martial Arts.mp4，并描述你的需求：

系统会立即生成两个任务——第二个任务会在第一个完成前保持阻塞。

3任务 1——Multi-Modal Agent 观看视频

Multi-Modal Agent 使用 Video Downloader Toolkit 按帧处理 Martial Arts.mp4，提取关键时刻的截图。随后，它分析这些画面，并生成一份详尽的文字分析，保存为 martial_arts_video_analysis.txt：

• 角色和机器人： 外观、比例、配色方案（金色和红色）、表演者数量
• 动作与行为： 观察到的具体武术招式——拳击、踢腿、棍术攻击、编排动作序列
• 视觉风格： 舞台灯光、色彩搭配、节日装饰风格、表演空间的深度与尺度
• 场景与背景： 舞台环境、背景设计、氛围元素
• 节日元素： 春节特定装饰、象征性图案、表演中使用的特效

这份文档就成了创意简报——一份 Developer Agent 可以精确执行的结构化描述。

4任务 2——Developer Agent 构建游戏

拿到分析后，Developer Agent 会读取 Note Taking Toolkit 中的笔记，并构建 spring_festival_martial_arts_game.html——一个单一自包含文件，所有 HTML、CSS 和 JavaScript 都内联。

游戏会忠实实现 Multi-Modal Agent 识别出的所有内容：

• 3D 机器人角色 使用 Three.js 渲染，采用视频中的金色/红色配色方案
• 武术动画 还原观察到的拳击、踢腿和棍术攻击
• 舞台环境 与春节联欢晚会表演的视觉场景相匹配
• 节日粒子特效 —— 灯笼、火花、春节装饰
• 多种游戏模式： 表演模式、战斗模式、自由练习

5完成的游戏

在浏览器中打开 spring_festival_martial_arts_game.html，即可获得完整体验：

• 标题界面： 2026 春节联欢晚会 — 武术表演 — 马年
• 控制： W/S/A/D 移动 · J 出拳/攻击 · K 踢腿 · L 棍术攻击 · 空格 特殊动作 · 鼠标 控制镜头 · 滚轮 缩放
• HUD： 分数计数器（演示中显示 527）、连击计数器、模式指示
• 视觉： 金色/红色 3D 机器人角色、节日舞台背景、粒子特效

总 token 使用量：约 467,000 —— 体现了视频分析与 Three.js 游戏生成的深度结合。

6为什么“视频转游戏”是一种新的工作流类别

这一流水线开创了一种新方法：把视频理解当作设计规格工具使用。你不必编写游戏设计文档，而是录制或找到你想要的美学、角色和交互的影像——然后让 Multi-Modal Agent 将其翻译为可直接实现的规格说明。

它的应用远不止游戏。相同的“视频 → 结构化分析 → 代码”流水线也适用于 UI 原型复刻、动画系统设计、交互式 Demo 生成，以及任何“视频比文字更能表达意图”的场景。

7接下来可以尝试什么

8提升效果的小技巧

• 使用高质量源视频。 Multi-Modal Agent 的场景提取在清晰、光线充足的视频中最准确。像这段春晚视频这样角色和动作清晰的表演素材，比快速剪辑或低分辨率内容能产出更丰富的分析结果。

• 在构建前先要求查看分析。 添加“在创建游戏之前先向我展示视频分析文档”这类要求，可以为你提供一个检查点，确保 Agent 正确理解了视频，再进入正式构建。

• 要求单文件输出。 指定“单文件 3D 交互式 HTML 游戏”可以确保所有内容都是自包含的，便于立即分享，无需构建步骤或服务器。