让 AI 做一款坦克大战，代码秒跑起来：敌方坦克出现、炮管锁定玩家。可等你靠近，它不开炮，抡起炮管开始近身肉搏。第一反应是模型抽风了——接着玩下去才发现，移动、碰撞、攻击、伤害判定全部正常。AI 无意间设计出一套「近战坦克」的玩法，怪，但能成立。
这就是「代码能跑 ≠ 游戏能玩」。DarwinMind（杭州达迩文智能）的 Spellcaster，正是用六个专用 Agent 组成「生成—运行—检查—修复」闭环来解决这个问题。这篇文章拆解它的架构，以及这套模式为什么能迁移到所有生成可运行产物的 Agent 系统。
可玩性黑洞：代码能跑，游戏为什么还是不能玩
过去一年大模型生成了海量贪吃蛇、平台跳跃和射击游戏。页面能打开、角色能移动，不等于玩家能通关：平台高于跳跃极限、敌人有动画却没有攻击判定、障碍刷新频率叠成无法通过的「必死路」。
改起来还会连锁反应：只想调高跳跃，系统却连重力和其他物体的轨迹一起改了；代码勉强跑通，素材又缺失或风格不统一。每个局部单独看都没问题，拼起来却不能玩——这就是「可玩性黑洞」。它比编译报错难处理：报错能定位到文件和行号，「不好玩」牵涉数值、地图、反馈和玩家操作，只能放回运行过程里检查。
六 Agent 分工：生成、验证、修复各司其职
Spellcaster 不生成一大坨代码，而是先把用户描述整理成游戏规则、角色能力、关卡目标、胜负条件、敌人行为和关键数值，再交给专用 Agent 协同处理：
- Rule Agent：规则与能力
- Level Agent：关卡设计
- Asset Agent：美术素材
- Playability Agent + Simulation Agent：验证关键路径是否可达、核心交互是否有效、是否存在必死局
- Repair Agent：把问题定位到规则/数值/关卡/素材/代码，做局部修复
流程不是一次生成就结束，而是「生成—运行—检查—修复」循环。交付后还能继续对话迭代：调角色速度、加敌人、改关卡、换视觉风格，系统只重做受影响的部分，不必从头生成。
先建验证器，再建生成器
这套模式最值得抄走的一点：判断依据必须来自「运行」，而不是读代码。具体做法是把规范化后的规格转成断言，无头（headless）跑游戏自动验收：
# playtest.py — 无头验证循环
def verify(spec, build):
# 把规格解析成检查项
checks = {
"reachability": reachable(spec["goal"], build), # 关键路径可达
"interactions": wired(spec["controls"], build), # 移动/跳跃/攻击生效
"no_death_trap": survivable(spec["spawns"], build), # 所有刷新模式可存活
}
report = run_playthroughs(build, seeds=50) # 无头跑 50 局收集失败
return classify(report) # 规则 / 数值 / 关卡 / 素材 / 代码结构化报告直接喂给 Repair Agent，告诉它该补哪个子系统，而不是让它重读整个代码库，然后循环重跑。两条规则保证稳定：永远用运行验证，永远局部修复——迭代时绝不全局重生成。关于「先定循环、再谈提示词」的范式迁移，可参考我们之前写的从 Prompt Engineering 到 Loop Engineering。
为什么闭环比更大的模型更管用
回到近战坦克：只盯代码时，它会被当成 bug 删掉；做完可玩性验证后，它是一条逻辑自洽的玩法路径。对游戏原型来说，价值不只来自忠实复现，也来自那些没被设计过、但确实能玩的意外。
这个闭环同样适用于生成应用、内部工具、网页等任何 Agent 代码生成场景——「能编译」是错误指标，「跑起来后用户依赖的行为是否成立」才是。实测中，一句「生成一个星空背景的弹幕射击游戏」，约 15 分钟就能拿到可试玩原型；平台跳跃、塔防、跑酷、地牢肉鸽、弹幕射击等类型都已支持。
下一步：世界模型直接生成画面
目前的 Spellcaster 仍是「AI 生成代码和素材，游戏引擎负责运行」，代码是创意与画面之间的中间层。团队下一阶段指向世界模型：玩家的移动、攻击、选择与当前画面、角色状态、交互历史一起作为输入，由模型实时预测并直接生成下一刻的画面与反馈，不再以传统代码和引擎渲染管线为核心。AI 游戏将从「自动生成一个能运行的项目」，走向「实时推演一个能响应玩家的世界」。
支撑这个方向的，是团队在智能体与世界模型上的长期积累：DarwinMind 核心成员来自浙江大学、南京大学和澳大利亚国立大学，多位联创是浙大博导，长期研究世界模型、多模态大模型与智能体系统。
实践清单
- 先规格化再生成：把用户请求整理成验证器能解析的规则、目标与约束。
- 自动化运行时验证：无头运行、多随机种子试玩、结构化缺陷报告。
- 局部修复、整体复跑：只补被标记的子系统，再跑完整循环。
- 把涌现行为当数据：代码视角的「bug」可能是玩法视角的功能，要在运行系统里评判。
Spellcaster 已开放内测申请：spellcaster.world/releaseplan（Don't Code. Just Cast.）。原文见量子位《6个Agent组团Vibe Gaming：自己生成、试玩、修Bug》。
