從一頁文字到一款可玩的遊戲
一家休閒遊戲工作室想在官網上放一款小型 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,也沒有任何美術素材。桌面上鋪著一片果凍般的海,中間是一座有人居住的小島,島上的發射台立著一枚火箭。玩家駕駛一艘工作船去取回五個火箭零件,天氣則從晴朗的早晨一路變成黃昏的暴風雨。最後一個零件送達,火箭便點火升空。
靠人力來做,一個小團隊得花上好幾週。有人負責為小島和城鎮建模,有人寫水面和天氣,有人建立遊戲迴圈,還有人把一切測過一遍。而且工作室希望它是單一個能離線執行的 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,好讓 QA 團隊自動試玩。
於是我們把這份需求說明交給了 Eigent 中的 Gemini 4 Neon。43 分鐘後,它交回了一個 2.4 MB 的檔案:一座生氣蓬勃的小島,島上有城鎮、紅綠燈、渡輪、海鷗和飛機,有五種天氣和日夜變化,還有一個從標題畫面一路玩到火箭發射的送貨遊戲。
工作流程一覽
一份需求說明,就讓它從一個空資料夾一路做到成品遊戲。每個階段都留下了我們可以檢查的成果。
| 階段 | 做了什麼 | 產出了什麼 |
|---|---|---|
| 讀取 | 讀完了整份需求說明、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 |
| 架設 | 發現預期的 Python 環境不存在,於是自行安裝 Playwright 和無頭 Chromium 來測試自己的成果 | 一個可以由它操控的瀏覽器 |
| 建置 | 把遊戲寫成 5 個模組(約 204 KB 原始碼),再和 three.js 一起打包成單一檔案 | 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,發現 2 項失敗 |
| 打磨 | 針對發現的問題打磨了三輪:繪製呼叫、水體側壁、夜間照明、礁石、火箭的火焰和煙霧 | 69 項檢查全數通過,0 個錯誤 |
| 交付 | 稽核檔案的網路存取和授權情況 | 一個離線的 scene.html,2.38 MB |
以下介紹 Gemini 4 Neon 是怎麼做到的——包括它在哪些地方失分,以及原因。
它交付了什麼
- 一座生氣蓬勃的小島。 沙灘、山丘和岩岸;一座有 31 棟建築的城鎮,配有道路、圓環和 8 組正常運作的紅綠燈;14 輛汽車、往返各碼頭之間的渡輪、城鎮上空的 16 隻海鷗和 2 架飛機。棧橋上有一座燈塔,火箭則立在專屬碼頭旁的發射台上。
- 水面與天氣。 一塊通透的果凍水體,有深邃的海床、波浪、航跡、焦散和水下礁石。共有五種天氣(晴、多雲、雨、雪和暴風雨),雪會積在陸地和屋頂上,還有日夜循環,搭配城鎮燈火、月亮和星星。
- 一款完整的遊戲。 工作船 5 秒內加速到 15 m/s,3 秒內轉向 192°(需求說明的要求是 8 m/s 和 45°)。五個火箭零件需要逐一裝船、送達。每送達一個,補給機就會空投下一個零件,而從 9:00 到 18:00,天氣一路變差。第四個零件送達後果凍海會震動,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。
- 一個行銷模式。 在 URL 後加上
?explore,就能使用自由視角、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,腳本可以逐格推進模擬、移動攝影機、把船瞬間移動到任意位置,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了整個遊戲,我們也是用它拍攝了影片。
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/,其中有 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,也沒有人介入。每一個決定都由代理自己做出。
- 離線執行。 成品檔案不能發出任何網路請求。所有紋理、音效和著色器都必須用程式碼生成。
- 硬性限制。 在全景畫面下,最多 450 次繪製呼叫、300 萬個三角形和 400 MB GPU 記憶體。需求說明也規定了操控數值、空投時機、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了這項任務。時間為從執行開始起算的分鐘數。
- 掌握狀況(0:00–1:00)。 它讀了
PROMPT.md、spec.json和授權說明,接著檢查機器上有哪些工具:Python、Node 和瀏覽器。 - 一次並非代理造成的暫停(1:00–6:00)。 工作區裡有 513 個檔案,超過了 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 分鐘花在等這一下點擊上。
- 自己架設測試台(6:00–10:00)。 需求說明中描述的 Python 環境並沒有設定好,於是它自己安裝了 Playwright 和 Chromium,用 QA 團隊的方式來測試遊戲。它也檢查了 three.js 的檔案,以便把它們乾淨俐落地打包進單一檔案。
- 撰寫遊戲(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,接著是城鎮、植被、地標和交通,最後是遊戲迴圈、QA 介面和 UI。20:06 時,它把所有內容打包成一個 2.27 MB 的單一檔案,並用 Node 檢查了語法。
- 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。它抓出兩項失敗:繪製呼叫達到 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。接著,它開啟並審視了自己遊戲的 12 張截圖,從小島全景一直到勝利畫面。
- 三輪打磨(27:00–43:00)。 它合併了繪製呼叫,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、水下礁石和火箭發射。重寫之後,繪製呼叫降到 149 次,所有檢查全數通過。之後的兩輪又讓山丘更綠、海水更亮,加入了珊瑚和海藻、火箭火焰和翻騰的煙霧,還修正了一個讓煙霧消失的剔除 bug。每一輪它都親眼檢查,前後共看了 27 張截圖。
- 交付(43:24)。 它做了最後一次離線和授權稽核,然後交付:69 項檢查全數通過,0 個錯誤。
總計:73 次模型呼叫和 86 次工具呼叫,歷時 43 分 36 秒,除了那一下檢查點點擊之外沒有任何人工輸入。
結果
輸出資料夾裡只有一個檔案:output/scene.html,2.38 MB,內嵌了 three.js r186,並保留了它的 MIT 授權聲明。打開就能玩。加上 ?explore,它就變成一個展示間。
| 在交付檔案上測得的指標 | 結果 | 上限或目標 |
|---|---|---|
| 繪製呼叫(全景畫面) | 145 | ≤ 450 |
| 三角形 | 355 K | ≤ 3 M |
| GPU 記憶體 | 49 MB | ≤ 400 MB |
| 網路或本機檔案請求 | 0 | 0 |
| 主控台錯誤 | 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 |
| 在軟體渲染的無頭 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 映像檔中為這個檔案評分,渲染使用 2 個 CPU 上的 SwiftShader。腳本操控頁面、測量所有指標,並根據測量結果逐一判定 91 項二元準則。其中 74 項共計 352 分,另有 17 項扣分項目,最多可扣 99 分。我們依每一項準則的規則判定測量結果,沒有使用 LLM 評審,因此這是程式化得分。同一套評估能夠精確重現該任務先前全部三個官方分數。
| 類別 | 分數 |
|---|---|
| 指令遵循 | 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 |
| 視覺品質與美感 | 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。
我們也透過代理的工具呼叫稽核了這次執行本身。
| 檢查項目 | 我們的發現 |
|---|---|
| 沒有上網查資料 | 沒有任何網頁搜尋、瀏覽器或網頁擷取呼叫。 |
| 下載僅用於測試 | 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沒有設定好。遊戲檔案本身不會發出任何請求。 |
| 它測試了自己的成果 | 它撰寫並執行了自己的 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,遊戲也能從頭玩到尾。失分集中在最難的真實感層面,以及一些交通和攝影機細節上。
- 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(海床上的方塊沒有產生扭曲),或隨速度變寬的航跡。焦散是有的,但太稀疏;岸邊的浪花也不夠亮,動態感不足。
- 本該動起來的東西。 樹木不會擺動;在暴風雨中,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 秒內就位,而落入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小。
- 積雪與材質。 雪覆蓋了 91% 的陸地和 87% 的屋頂,但樹冠只覆蓋了 19%。汽車和火箭大多使用不反光的材質。
- 五項扣分(−31)。 有兩輛車相距不到 2 m,對向車輛離中線太近。7% 的行車路徑點位於草地之下。攝影機的轉向速率跳到 29°/s,而上限是 8°/s。補給機還有 8 個取樣點低於地表。
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,零件從不穿模進飛機,甲板上沒有焦散,也沒有任何主控台錯誤。
這也只是在 Medium 思考強度下的一次執行。在這麼長的任務上,分數可能每次執行都不同。
我們的心得
- 它打造的是完整產品,而不是程式碼片段。 僅憑一頁文字,就做出了一個世界、一款遊戲、一套 UI、一個行銷模式和一個 QA 介面,全部裝進單一檔案。
- 給它測試的工具,它就會去測。 環境缺漏時,它自己架好瀏覽器、寫好 QA 測試套件,並在交付前抓出了自己的失敗項目。
- 它會親眼看自己做出的東西。 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。 需求說明中的每一個操控、預算和 API 數值都通過了。剩下的是沒有任何規格條目能鎖定的真實感:能折射光線的水、會擺動的樹、從不擦撞的車流。
需求說明不必等一個團隊來實現。把它交給 Eigent 中的 Gemini 4 Neon,然後去玩成品吧。
親自執行
- 下載任務包(
game-threejs-jelly-sea-express.zip),解壓縮到一個空的資料夾中。裡面有PROMPT.md和一個environment/資料夾,其中包含唯讀的輸入檔案。 - 準備輸入資料夾。 把
environment/input_files/複製到你的工作資料夾中,命名為input_files/,並在旁邊建立一個空的output/資料夾。 - 開啟 Eigent,在連結到該工作資料夾的 Space 中新增一個專案。
- 選擇 Single Agent 模式,選擇 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),也就是兩條---線之間的文字。把其中的資料夾路徑改成你自己的,然後作為第一則訊息送出。不要加入任何提示。 - 讓它執行。 不要回答問題,也不要介入。預計約需 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。 在瀏覽器中開啟
output/scene.html。按下 Start,然後用 W A S D 駕船(Esc 暫停)。開啟scene.html?explore可以使用自由視角、天氣按鈕、時間滑桿和預設視角。 - 檢查預算和 API。 在瀏覽器主控台中,
window.sceneAPI和window.game都應該存在。在全景畫面下,window.sceneAPI.renderer.info.render.calls應維持在 450 以下。 - 稽核執行過程。 開啟 Dev mode,查看工具呼叫。你應該找不到任何網頁搜尋或擷取呼叫。如有安裝套件,也應該只是測試工具。
致謝:使用 Gemini 4 Neon 和 Eigent 製作。








