从一页文字到一款可玩的游戏
一家休闲游戏工作室想在官网上放一款小型 3D 游戏。手上只有一份文字需求说明:没有设计图,没有参考图,也没有任何美术素材。桌面上铺着一片果冻般的海,中间是一座有人居住的小岛,岛上的发射台立着一枚火箭。玩家驾驶一艘工作船去取回五个火箭部件,天气则从晴朗的早晨一路变成黄昏的暴风雨。最后一个部件送达,火箭便点火升空。
靠人手来做,一个小团队得花上好几周。有人负责为小岛和小镇建模,有人写水面和天气,有人搭游戏循环,还有人把一切测一遍。而且工作室希望它是一个能离线运行的 HTML 文件,严格控制在 GPU 预算之内,并提供可脚本控制的接口,好让 QA 团队自动试玩。
于是我们把这份需求说明交给了 Eigent 中的 Gemini 4 Neon。43 分钟后,它交回了一个 2.4 MB 的文件:一座生机勃勃的小岛,岛上有小镇、红绿灯、渡轮、海鸥和飞机,有五种天气和昼夜变化,还有一个从标题画面一路玩到火箭发射的送货游戏。
工作流一览
一份需求说明,就让它从一个空文件夹一路做到成品游戏。每个阶段都留下了我们可以检查的成果。
| 阶段 | 做了什么 | 产出了什么 |
|---|---|---|
| 读取 | 读完了整份需求说明、spec.json 和素材许可说明 | 规则:单个文件、不联网、只用 three.js,以及各项硬性数值和预算 |
| 搭建 | 发现预期的 Python 环境不存在,于是自行安装 Playwright 和无头 Chromium 来测试自己的成果 | 一个可以由它驱动的浏览器 |
| 构建 | 把游戏写成 5 个模块(约 204 KB 源代码),再和 three.js 一起打包成单个文件 | 2.27 MB 的首个版本 |
| 测试 | 运行自己的 Playwright QA 测试套件,并查看每个视角的截图 | 68 项检查通过 66 项,发现 2 项失败 |
| 打磨 | 针对发现的问题打磨了三轮:绘制调用、水体侧壁、夜间光照、礁石、火箭的火焰和烟雾 | 69 项检查全部通过,0 个错误 |
| 交付 | 审查文件的网络访问和许可情况 | 一个离线的 scene.html,2.38 MB |
下面介绍 Gemini 4 Neon 是怎么做到的——包括它在哪些地方失分,以及原因。
它交付了什么
- 一座生机勃勃的小岛。 沙滩、山丘和岩石海岸;一个有 31 栋建筑的小镇,配有道路、环岛和 8 组正常运作的红绿灯;14 辆汽车、往返于各码头之间的渡轮、小镇上空的 16 只海鸥和 2 架飞机。栈桥上有一座灯塔,火箭则立在专属码头旁的发射台上。
- 水面与天气。 一块通透的果冻水体,有深邃的海床、波浪、尾迹、焦散和水下礁石。共有五种天气(晴、多云、雨、雪和暴风雨),雪会积在陆地和屋顶上,还有昼夜循环,配上小镇灯火、月亮和星星。
- 一款完整的游戏。 工作船 5 秒内加速到 15 m/s,3 秒内转向 192°(需求说明的要求是 8 m/s 和 45°)。五个火箭部件需要逐一装船、送达。每送达一个,补给飞机就会空投下一个部件,而从 9:00 到 18:00,天气一路变坏。第四个部件送达后果冻海会震动,第五个送达后火箭升空 496 m。结算画面会显示用时、得分和星级评价。
- 一个营销模式。 在 URL 后加上
?explore,就能使用自由视角、天气按钮、时间滑块和六个预设视角。 - 一个 QA 接口。 通过
window.sceneAPI和window.game,脚本可以逐帧推进模拟、移动摄像机、把船瞬移到任意位置,并读取每辆车、每艘船和每架飞机的状态。评分器正是靠它玩完了整个游戏,我们也是用它拍摄了视频。
运行环境
- Eigent 1.0.8,在单个会话中使用 Single Agent 模式,模型为 Gemini 4 Neon,思考强度设为 Medium。
- 一个本地文件夹,存放任务材料:
PROMPT.md(完整需求说明),以及只读的input_files/,其中有 three.js 0.186.1、spec.json(坐标、预算和硬性数值)和素材许可说明。 - 独立完成。 没有人回答问题,也没有人介入。每一个决定都由智能体自己做出。
- 离线运行。 成品文件不能发出任何网络请求。所有纹理、声音和着色器都必须用代码生成。
- 硬性限制。 在全景画面下,最多 450 次绘制调用、300 万个三角形和 400 MB GPU 显存。需求说明还规定了操控数值、空投时机、震动幅度和发射高度。
Gemini 4 Neon 如何工作
Gemini 4 Neon 以单个智能体的方式完成了这项任务。时间为从运行开始算起的分钟数。
- 熟悉情况(0:00–1:00)。 它读了
PROMPT.md、spec.json和许可说明,然后检查机器上有哪些工具:Python、Node 和浏览器。 - 一次并非智能体造成的暂停(1:00–6:00)。 工作区里有 513 个文件,超过了 Eigent 的 500 个文件检查点上限,于是 Eigent 暂停下来,请人确认继续。这次运行大约有 5 分钟花在等这一下点击上。
- 自己搭建测试台(6:00–10:00)。 需求说明里描述的 Python 环境并没有配置好,于是它自己安装了 Playwright 和 Chromium,按 QA 团队的方式来测试游戏。它还检查了 three.js 的文件,以便把它们干净利落地打包进单个文件。
- 编写游戏(10:00–20:00)。 它写了五个模块:先是地形和噪声,然后是水面、天空和天气,接着是小镇、植被、地标和交通,最后是游戏循环、QA 接口和 UI。20:06 时,它把所有内容打包成一个 2.27 MB 的单文件,并用 Node 检查了语法。
- 测试并亲眼查看(21:00–27:00)。 它自己的 Playwright 测试套件在 68 项检查中通过了 66 项。它发现了两项失败:绘制调用达到 865 次,超出 450 次的预算;船速只有 3.79 m/s,达不到需求说明要求的 8。随后,它打开并审视了自己游戏的 12 张截图,从小岛全景一直到胜利画面。
- 三轮打磨(27:00–43:00)。 它合并了绘制调用,修复了水体侧壁的排序问题,校正了地形颜色,并重做了夜间光照、水下礁石和火箭发射。重写之后,绘制调用降到 149 次,所有检查全部通过。之后的两轮又让山丘更绿、海水更亮,加入了珊瑚和海带、火箭火焰和翻滚的烟雾,还修复了一个让烟雾消失的剔除 bug。每一轮它都亲眼检查,前后共看了 27 张截图。
- 交付(43:24)。 它做了最后一次离线和许可审查,然后交付:69 项检查全部通过,0 个错误。
合计:73 次模型调用和 86 次工具调用,用时 43 分 36 秒,除了那一下检查点点击之外没有任何人工输入。
结果
输出文件夹里只有一个文件:output/scene.html,2.38 MB,内联了 three.js r186,并保留了它的 MIT 许可声明。打开就能玩。加上 ?explore,它就变成了一个展厅。
| 在交付文件上测得的指标 | 结果 | 上限或目标 |
|---|---|---|
| 绘制调用(全景画面) | 145 | ≤ 450 |
| 三角形 | 355 K | ≤ 3 M |
| GPU 显存 | 49 MB | ≤ 400 MB |
| 网络或本地文件请求 | 0 | 0 |
| 控制台错误 | 0 | 0 |
| 5 s 后的最高速度 | 15 m/s | ≥ 8 m/s |
| 3 s 内的转向角度 | 192° | ≥ 45° |
| 由脚本完成的送货 | 5 / 5,随后发射并进入结算画面 | 5 |
| 火箭爬升高度 | 496 m | ≥ 50 m |
| 在软件渲染的无头 Chromium 中就绪用时 | 17 s | – |
得分情况
我们用该任务自带的证据收集器、在该任务自带的 Docker 镜像中为这个文件评分,渲染使用 2 个 CPU 上的 SwiftShader。脚本驱动页面、测量所有指标,并根据测量结果逐一判定 91 项二元评分项。其中 74 项共计 352 分,另有 17 项扣分项,最多可扣 99 分。我们按每一项的规则对测量结果进行判定,没有使用 LLM 评审,因此这是程序化得分。同一套评估能够精确复现该任务此前全部三个官方得分。
| 类别 | 分数 |
|---|---|
| 指令遵循 | 21 / 21 |
| 文件有效性与素材 | 3 / 3 |
| 工程与组织 | 6 / 6 |
| 结构与任务正确性 | 122 / 167 |
| 视觉质量与美感 | 91 / 155 |
| 扣分项 | −31(17 项中触发 5 项) |
| 总分 | 0.602(352 分中得 212 分,74 项中达成 59 项) |
如果没有这五项扣分,同一个文件的得分为 0.69。
我们还通过智能体的工具调用审计了这次运行本身。
| 检查项 | 我们的发现 |
|---|---|
| 没有上网查资料 | 没有任何网页搜索、浏览器或网页抓取调用。 |
| 下载仅用于测试 | 它用 pip 安装了 Playwright 并下载了 Chromium 来测试自己的游戏,因为需求说明预期的环境并没有配置好。游戏文件本身不会发出任何请求。 |
| 它测试了自己的成果 | 它编写并运行了自己的 69 项 QA 测试套件,并审视了 27 张截图。 |
它在哪些地方失分,以及原因
Gemini 4 Neon 把需求说明要求的内容全部做了出来,游戏也能从头玩到尾。失分集中在最难的真实感层面,以及一些交通和摄像机细节上。
- 真正流动、能折射光线的水。 评分器无法确认存在真实的波浪(它的测试平板被渲染在水层之下)、折射(海床上的方块没有发生扭曲),或随速度变宽的尾迹。焦散是有的,但太稀疏;岸边的浪花也不够亮,动感不足。
- 本该动起来的东西。 树木不会摇摆;在暴风雨中,闲置的船只漂移了 0.18 m,而评分器要求 0.5 m。
- 空投与发射的细节。 4 次空投中有 3 次在 40 秒内到位,而落入开阔海面的那一次没有出现涟漪圈。升空 1 秒后,火焰在评分器的画面里显得太小。
- 积雪与材质。 雪覆盖了 91% 的陆地和 87% 的屋顶,但树冠只覆盖了 19%。汽车和火箭大多使用不反光的材质。
- 五项扣分(−31)。 有两辆车相距不到 2 m,对向行驶的车辆离中线太近。7% 的行车路径点位于草地之下。摄像机的转向速率跳到 29°/s,而上限是 8°/s。补给飞机还有 8 个采样点低于地表。
在硬性扣分项上它表现干净:船从不抖动,画面不闪烁,暂停安全,部件从不穿模进飞机,甲板上没有焦散,也没有任何控制台错误。
这也只是在 Medium 思考强度下的一次运行。在这样长的任务上,分数可能每次运行都不同。
我们的收获
- 它构建的是完整产品,而不是代码片段。 仅凭一页文字,就做出了一个世界、一款游戏、一套 UI、一个营销模式和一个 QA 接口,全部装进一个文件。
- 给它测试的手段,它就会去测。 环境缺失时,它自己搭好浏览器、写好 QA 测试套件,并在交付前揪出了自己的失败项。
- 它会亲眼看自己做出的东西。 它像设计师一样审视截图,并修复看到的问题:水体侧壁、夜间光照、礁石和发射尾焰。
- 写下来的硬性数值很容易达标。 需求说明中的每一个操控、预算和 API 数值都通过了。剩下的是没有任何规格条目能锁定的真实感:能折射光线的水、会摇摆的树、从不剐蹭的车流。
需求说明不必等一个团队来实现。把它交给 Eigent 中的 Gemini 4 Neon,然后去玩成品吧。
亲自运行
- 下载任务包(
game-threejs-jelly-sea-express.zip),解压到一个空文件夹中。里面有PROMPT.md和一个environment/文件夹,其中包含只读的输入文件。 - 准备输入文件夹。 把
environment/input_files/复制到你的工作文件夹中,命名为input_files/,并在旁边新建一个空的output/文件夹。 - 打开 Eigent,在关联到该工作文件夹的 Space 中新建一个项目。
- 选择 Single Agent 模式,选择 Gemini 4 Neon 作为模型,并把思考强度设为 Medium。
- 粘贴需求说明。 在
PROMPT.md中复制 Version B(Eigent),即两条---线之间的文字。把其中的文件夹路径改成你自己的,然后作为第一条消息发送。不要添加任何提示。 - 让它运行。 不要回答问题,也不要介入。预计耗时约 45 分钟。如果 Eigent 因工作区检查点上限而暂停,点击继续即可;那是 Eigent 的机制,不是智能体的问题。
- 试玩成品。 在浏览器中打开
output/scene.html。按 Start,然后用 W A S D 驾船(Esc 暂停)。打开scene.html?explore可以使用自由视角、天气按钮、时间滑块和预设视角。 - 检查预算和 API。 在浏览器控制台中,
window.sceneAPI和window.game都应该存在。在全景画面下,window.sceneAPI.renderer.info.render.calls应保持在 450 以下。 - 审计运行过程。 打开 Dev mode,查看工具调用。你应该找不到任何网页搜索或抓取调用。如有安装软件包,也应该只是测试工具。
鸣谢:使用 Gemini 4 Neon 和 Eigent 制作。








