由一頁文字到一款可玩的遊戲
一間休閒遊戲工作室想在官網放一款小型 3D 遊戲。手上只有一份文字需求說明:沒有設計稿,沒有參考圖,亦沒有任何美術素材。桌面上鋪着一片啫喱般的海,中央是一個有人居住的小島,島上的發射台豎立着一枚火箭。玩家駕駛一艘工作船去取回五個火箭部件,天氣則由晴朗的早上一路轉為黃昏的風暴。最後一個部件送到,火箭便點火升空。
以人手製作,一個小團隊要花上好幾個星期。有人負責為小島和市鎮建模,有人寫水面和天氣,有人建立遊戲循環,亦要有人把一切測試一遍。而且工作室希望它是單一個可離線運行的 HTML 檔案,嚴格控制在 GPU 預算之內,並提供可用腳本操控的介面,讓 QA 團隊自動試玩。
於是我們把這份需求說明交給 Eigent 內的 Gemini 4 Neon。43 分鐘後,它交回一個 2.4 MB 的檔案:一個充滿生氣的小島,島上有市鎮、交通燈、渡輪、海鷗和飛機,有五種天氣和日夜變化,還有一個由標題畫面一直玩到火箭發射的送貨遊戲。
工作流程一覽
一份需求說明,就令它由一個空資料夾一直做到完成的遊戲。每個階段都留下了我們可以檢查的成果。
| 階段 | 做了甚麼 | 產出了甚麼 |
|---|---|---|
| 讀取 | 讀完整份需求說明、spec.json 和素材授權說明 | 規則:單一檔案、不連網、只用 three.js,以及各項硬性數值和預算 |
| 設置 | 發現預期的 Python 環境並不存在,於是自行安裝 Playwright 和無頭 Chromium 來測試自己的成果 | 一個可由它操控的瀏覽器 |
| 建立 | 把遊戲寫成 5 個模組(約 204 KB 原始碼),再連同 three.js 打包成單一檔案 | 2.27 MB 的第一個版本 |
| 測試 | 執行自己的 Playwright QA 測試套件,並查看每個視角的截圖 | 68 項檢查通過 66 項,找出 2 項失敗 |
| 打磨 | 針對找到的問題打磨了三輪:繪製調用、水體側壁、夜間照明、礁石、火箭的火焰和煙霧 | 69 項檢查全部通過,0 個錯誤 |
| 交付 | 審核檔案的網絡存取和授權情況 | 一個離線的 scene.html,2.38 MB |
以下介紹 Gemini 4 Neon 如何完成這項工作——包括它在哪些地方失分,以及原因。
它交付了甚麼
- 一個充滿生氣的小島。 沙灘、山丘和岩岸;一個有 31 座建築物的市鎮,配備道路、迴旋處和 8 組正常運作的交通燈;14 輛汽車、穿梭各碼頭之間的渡輪、市鎮上空的 16 隻海鷗和 2 架飛機。棧橋上有一座燈塔,火箭則豎立在專屬碼頭旁的發射台上。
- 水面與天氣。 一大塊通透的啫喱水體,有深邃的海床、波浪、船尾浪、焦散和水底礁石。共有五種天氣(晴、多雲、雨、雪和風暴),雪會積在陸地和屋頂上,還有日夜循環,配上市鎮燈火、月亮和星星。
- 一款完整的遊戲。 工作船 5 秒內加速至 15 m/s,3 秒內轉向 192°(需求說明的要求是 8 m/s 和 45°)。五個火箭部件需要逐一裝船、送達。每送達一個,補給飛機便會空投下一個部件,而由 9:00 到 18:00,天氣一路轉差。第四個部件送達後啫喱海會震動,第五個送達後火箭升空 496 m。結算畫面會顯示用時、得分和星級評價。
- 一個市場推廣模式。 在 URL 後加上
?explore,就可使用自由視角、天氣按鈕、時間滑桿和六個預設視角。 - 一個 QA 介面。 透過
window.sceneAPI和window.game,腳本可以逐幀推進模擬、移動鏡頭、把船瞬間移到任何位置,並讀取每輛車、每艘船和每架飛機的狀態。評分程式正是靠它玩完整個遊戲,我們亦是用它拍攝影片。
執行環境
- Eigent 1.0.8,在單一工作階段中使用 Single Agent 模式,模型為 Gemini 4 Neon,思考強度設為 Medium。
- 一個本機資料夾,存放任務資料:
PROMPT.md(完整需求說明),以及唯讀的input_files/,內有 three.js 0.186.1、spec.json(座標、預算和硬性數值)和素材授權說明。 - 獨立完成。 沒有人回答問題,亦沒有人介入。每一個決定都由代理自己作出。
- 離線運行。 完成的檔案不可發出任何網絡請求。所有紋理、聲效和着色器都必須用程式碼生成。
- 硬性限制。 在全景畫面下,最多 450 次繪製調用、300 萬個三角形和 400 MB GPU 記憶體。需求說明亦訂明了操控數值、空投時間、震動幅度和發射高度。
Gemini 4 Neon 如何工作
Gemini 4 Neon 以單一代理的方式完成這項任務。時間為由執行開始起計的分鐘數。
- 了解情況(0:00–1:00)。 它讀了
PROMPT.md、spec.json和授權說明,然後檢查機器上有哪些工具:Python、Node 和瀏覽器。 - 一次並非由代理造成的暫停(1:00–6:00)。 工作區內有 513 個檔案,超出了 Eigent 的 500 個檔案檢查點上限,於是 Eigent 暫停下來,請人確認繼續。這次執行約有 5 分鐘花在等候這一下點擊上。
- 自行搭建測試台(6:00–10:00)。 需求說明中描述的 Python 環境並未設置好,於是它自行安裝 Playwright 和 Chromium,以 QA 團隊的方式測試遊戲。它亦檢查了 three.js 的檔案,以便把它們乾淨俐落地打包進單一檔案。
- 編寫遊戲(10:00–20:00)。 它寫了五個模組:先是地形和雜訊,然後是水面、天空和天氣,接着是市鎮、植物、地標和交通,最後是遊戲循環、QA 介面和 UI。到 20:06,它把所有內容打包成一個 2.27 MB 的單一檔案,並用 Node 檢查語法。
- 測試並親眼查看(21:00–27:00)。 它自己的 Playwright 測試套件在 68 項檢查中通過了 66 項。它找出兩項失敗:繪製調用多達 865 次,超出 450 次的預算;船速只有 3.79 m/s,達不到需求說明要求的 8。隨後,它打開並審視了自己遊戲的 12 張截圖,由小島全景一直到勝利畫面。
- 三輪打磨(27:00–43:00)。 它合併了繪製調用,修正了水體側壁的排序問題,校正了地形顏色,並重做了夜間照明、水底礁石和火箭發射。重寫之後,繪製調用降至 149 次,所有檢查全部通過。之後兩輪再令山丘更翠綠、海水更明亮,加入了珊瑚和海藻、火箭火焰和翻騰的煙霧,又修正了一個令煙霧消失的剔除 bug。每一輪它都親眼檢查,前後共看了 27 張截圖。
- 交付(43:24)。 它進行了最後一次離線和授權審核,然後交付:69 項檢查全部通過,0 個錯誤。
合共:73 次模型調用和 86 次工具調用,歷時 43 分 36 秒,除了那一下檢查點點擊之外,沒有任何人手輸入。
結果
輸出資料夾內只有一個檔案:output/scene.html,2.38 MB,內嵌了 three.js r186,並保留了它的 MIT 授權聲明。打開便可以玩。加上 ?explore,它就變成一個陳列室。
| 在交付檔案上量度的指標 | 結果 | 上限或目標 |
|---|---|---|
| 繪製調用(全景畫面) | 145 | ≤ 450 |
| 三角形 | 355 K | ≤ 3 M |
| GPU 記憶體 | 49 MB | ≤ 400 MB |
| 網絡或本機檔案請求 | 0 | 0 |
| 控制台錯誤 | 0 | 0 |
| 5 s 後的最高速度 | 15 m/s | ≥ 8 m/s |
| 3 s 內的轉向角度 | 192° | ≥ 45° |
| 由腳本完成的送貨 | 5 / 5,隨後發射並進入結算畫面 | 5 |
| 火箭爬升高度 | 496 m | ≥ 50 m |
| 在軟件渲染的無頭 Chromium 中就緒用時 | 17 s | – |
評分結果
我們用該任務自帶的證據收集器、在該任務自帶的 Docker 映像中為這個檔案評分,並以 2 個 CPU 上的 SwiftShader 渲染。腳本操控頁面、量度所有指標,並根據量度結果逐一判定 91 項二元準則。當中 74 項合共 352 分,另有 17 項扣分項目,最多可扣 99 分。我們按每項準則的規則判定量度結果,沒有使用 LLM 評審,所以這是程式化得分。同一套評估能夠準確重現該任務之前全部三個官方分數。
| 類別 | 分數 |
|---|---|
| 指令遵從 | 21 / 21 |
| 檔案有效性與素材 | 3 / 3 |
| 工程與組織 | 6 / 6 |
| 結構與任務正確性 | 122 / 167 |
| 視覺質素與美感 | 91 / 155 |
| 扣分項目 | −31(17 項中觸發 5 項) |
| 總分 | 0.602(352 分中得 212 分,74 項中達成 59 項) |
如果沒有這五項扣分,同一個檔案的得分為 0.69。
我們亦透過代理的工具調用審核了這次執行本身。
| 檢查項目 | 我們的發現 |
|---|---|
| 沒有上網搜集資料 | 沒有任何網頁搜尋、瀏覽器或網頁擷取調用。 |
| 下載只用於測試 | 它用 pip 安裝了 Playwright 並下載了 Chromium 來測試自己的遊戲,因為需求說明預期的環境並未設置好。遊戲檔案本身不會發出任何請求。 |
| 它測試了自己的成果 | 它編寫並執行了自己的 69 項 QA 測試套件,並審視了 27 張截圖。 |
它在哪些地方失分,以及原因
Gemini 4 Neon 把需求說明要求的內容全部做了出來,遊戲亦可以由頭玩到尾。失分集中在最難的真實感層面,以及一些交通和鏡頭細節上。
- 真正流動、能折射光線的水。 評分程式無法確認有真實的波浪(它的測試平板被渲染在水層之下)、折射(海床上的方塊沒有出現扭曲),或隨速度變闊的船尾浪。焦散是有的,但太稀疏;岸邊的浪花亦不夠明亮,動感不足。
- 應該動起來的東西。 樹木不會擺動;在風暴中,閒置的船隻只漂移了 0.18 m,而評分程式要求 0.5 m。
- 空投與發射的細節。 4 次空投中有 3 次在 40 秒內到位,而落在開闊海面的那一次沒有出現漣漪圈。升空 1 秒後,火焰在評分程式的畫面中顯得太細。
- 積雪與材質。 雪覆蓋了 91% 的陸地和 87% 的屋頂,但樹頂只覆蓋了 19%。汽車和火箭大多使用不反光的材質。
- 五項扣分(−31)。 有兩輛車相距不足 2 m,對頭車又太貼近中線。7% 的行車路徑點位於草地之下。鏡頭的轉向速率跳至 29°/s,而上限是 8°/s。補給飛機亦有 8 個取樣點低於地面。
在硬性扣分項目上它表現乾淨:船從不抖動,畫面不閃爍,暫停安全,部件從不穿透飛機,甲板上沒有焦散,亦沒有任何控制台錯誤。
這亦只是在 Medium 思考強度下的一次執行。在這樣長的任務上,分數可能每次執行都不同。
我們的體會
- 它建立的是完整產品,而不是程式碼片段。 單憑一頁文字,就做出一個世界、一款遊戲、一套 UI、一個市場推廣模式和一個 QA 介面,全部放進單一檔案。
- 給它測試的方法,它就會去測。 環境欠缺時,它自行設置好瀏覽器、寫好 QA 測試套件,並在交付之前找出自己的失敗項目。
- 它會親眼看自己做出來的東西。 它像設計師一樣審視截圖,並修正看到的問題:水體側壁、夜間照明、礁石和發射尾焰。
- 寫下來的硬性數值很容易達標。 需求說明中每一個操控、預算和 API 數值都通過了。餘下的是沒有任何規格條文能鎖定的真實感:能折射光線的水、會擺動的樹、從不碰撞的車流。
需求說明毋須等一個團隊來實現。把它交給 Eigent 內的 Gemini 4 Neon,然後去玩成品吧。
親自試試
- 下載任務包(
game-threejs-jelly-sea-express.zip),解壓到一個空的資料夾。當中有PROMPT.md和一個environment/資料夾,內含唯讀的輸入檔案。 - 準備輸入資料夾。 把
environment/input_files/複製到你的工作資料夾,命名為input_files/,並在旁邊建立一個空的output/資料夾。 - 打開 Eigent,在連結到該工作資料夾的 Space 中新增一個項目。
- 選擇 Single Agent 模式,選用 Gemini 4 Neon 作為模型,並把思考強度設為 Medium。
- 貼上需求說明。 在
PROMPT.md中複製 Version B(Eigent),即兩條---線之間的文字。把當中的資料夾路徑改成你自己的,然後作為第一則訊息發送。不要加入任何提示。 - 讓它執行。 不要回答問題,亦不要介入。預計需時約 45 分鐘。如果 Eigent 因工作區檢查點上限而暫停,點擊繼續即可;那是 Eigent 的機制,不是代理的問題。
- 試玩成品。 在瀏覽器中打開
output/scene.html。按 Start,然後用 W A S D 駕船(Esc 暫停)。打開scene.html?explore就可使用自由視角、天氣按鈕、時間滑桿和預設視角。 - 檢查預算和 API。 在瀏覽器控制台中,
window.sceneAPI和window.game都應該存在。在全景畫面下,window.sceneAPI.renderer.info.render.calls應保持在 450 以下。 - 審核執行過程。 開啟 Dev mode,查看工具調用。你應該找不到任何網頁搜尋或擷取調用。如有安裝套件,亦應該只是測試工具。
鳴謝:使用 Gemini 4 Neon 和 Eigent 製作。








