来源笔记
OpenGame: Open Agentic Coding for Games
摘要
OpenGame 是一个开源的 agentic 系统，用自然语言游戏想法生成可游玩的 2D 网页游戏。它把面向游戏的代码模型、可复用项目模板和累积的调试协议结合起来，再用一个专门为交互式游戏生成设计的基准来评估输出。
问题
- 现有的 LLM 和代码 agent 可以很好地写出局部代码，但它们常常无法做出一个完整、可游玩的游戏，难以保持逻辑一致、场景连线、资源和多文件状态。
- 游戏生成比常规代码生成更难，因为正确性依赖运行时行为、视觉交互和引擎特定结构，而不只是代码能否通过编译。
- 这之所以重要，是因为游戏开发是自动化软件生产中的难例：如果 agent 不能处理长时程、跨文件、交互式系统，它们在许多具有类似集成要求的真实软件任务上也会继续失败。
方法
- OpenGame 使用 Game Skill，它分成两部分：Template Skill 和 Debug Skill。Template Skill 会扩展一个可复用的游戏骨架库，Debug Skill 会保存已验证的失败特征、原因和修复方法，让 agent 可以复用过去的修补方式。
- 这个 agent 采用六阶段流程：识别游戏类型、搭建项目框架、生成游戏设计文档、创建资源、用模板扩展点实现代码，然后运行构建/测试/修复循环。
- 其基础模型 GameCoder-27B 建立在 Qwen3.5-27B 之上，训练分三阶段：在 Phaser 和网页游戏代码上继续预训练，在合成的游戏设计任务上做监督微调，以及在经过测试的玩法模块上做执行约束强化学习。
- 为了让生成更稳定，系统使用按原型分类的模板、三层文件读取策略、数据驱动的配置更新，以及反复的无头浏览器验证，而不是一次性输出代码。
- 论文还引入了 OpenGame-Bench，它通过无头浏览器执行和基于 VLM 的判定，从 Build Health、Visual Usability 和 Intent Alignment 三个维度给生成的游戏打分。
结果
- 在 OpenGame-Bench 的 150 个游戏提示上，使用 Claude Sonnet 4.6 的 OpenGame 达到 Build Health 72.4、Visual Usability 67.2、Intent Alignment 65.1。
- 和列出的最强基线 Cursor with Claude Sonnet 4.6 相比，OpenGame 提升了 +5.6 BH（72.4 对 66.8）、+5.8 VU（67.2 对 61.4）和 +6.2 IA（65.1 对 58.9）。
- 使用 GameCoder-27B 的 OpenGame 得到 63.9 BH、57.0 VU 和 54.1 IA，高于使用 Qwen-3.5-27B 的 OpenGame，后者分别是 62.8 BH、53.8 VU 和 49.8 IA。这说明专门模型带来 +1.1 BH、+3.2 VU 和 +4.3 IA 的提升。
- 在直接的闭源 LLM 基线中，GPT-5.1 得到 57.4 BH / 52.9 VU / 49.4 IA，Claude Sonnet 4.6 得到 58.5 / 50.8 / 50.3，Gemini 3.1 Pro 得到 53.6 / 60.2 / 42.1。OpenGame 在这三个指标上都超过了它们，只有 Gemini 的视觉质量更接近。
- 这个基准对每个任务用 不同随机种子的三次运行，并报告平均分，比单次通过/失败结果更稳定。