6201f95146
W-G1 生成核心：brief→便宜模型写 GameHostFactory→esbuild __GameBundle iife→P1 bootGameHost
装载→本机 Chrome+CDP 七门真玩取证；失败回喂错因重试。只消费冻结契约，零改 P1/P2。
实测（deepseek-v4-flash 最便宜档）：Pong/Simon/打地鼠 三款【七门全过真玩】，
单款 ¥0.01–0.03（远低于 ¥0.15 L1 闸门）。最优模型：flash 打底 + 难档升 deepseek-v4-pro（Simon 0 重试 ¥0.06）。
关键：实证「能生成代码 ≠ 能玩」——一处 prompt 输入坐标契约写错（误称 x/y∈[0,1]，实为逻辑像素）
让生成游戏能编译/渲染/动但点击全失灵；Pong 因自走动画假绿混过、Simon 被正确判否。
为此加装 G 门（确定性 A/B 对照，隔离自走动画假绿）+ 修 prompt 后三款真过。
- harness：games/_wg1-gen/_shared/{entry-bundle 模板,index 模板,play.cdp.cjs 七门,serve-and-play.sh}（复用 ref buildRefHostConfig + browser-evidence.cjs）
- worker：wg1/gen-worker/worker/{_client(代理旁路),prompt(生成上下文包),validate(静态门+node --check),cost(¥折算),run(§3 编排+重试门)}
- golden-path 自检：ref 工厂 5/6（F=0 菜单态正确）+ probe 工厂 7/7 → harness 无假绿
- game-runtime/package.json：加 ws（CDP 驱动 devDep）
Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
153 lines
12 KiB
Markdown
153 lines
12 KiB
Markdown
# W-G1 生成核心 · 交付报告（结论先行）
|
||
|
||
> lane：`wg1/gen-worker`（从 `spike/agentscope-wg1` HEAD = dev/2.0.0 + 已落地 P1/P2/spike 切出）｜ 日期：2026-06-13
|
||
> 验证假设 **HJ-GEN-001**：便宜模型(new-api: DeepSeek-V4 / MiniMax)能在【插件库 + 装载契约】上写出**可真玩**的轻游戏；质量由 **harness 门**保证，非模型自觉。
|
||
|
||
---
|
||
|
||
## 0. 结论速览
|
||
|
||
**结论：成立。便宜模型能可靠产出可真玩的轻游戏。** 用最便宜档 `deepseek-v4-flash` 生成 3 款冒烟游戏，全部经 **CDP 真机 Chrome 七门真玩**通过，**单款 ¥0.01–0.03（远低于 ¥0.15 L1 闸门，5–15× 余量）**。
|
||
|
||
| 游戏 | 模型 | 真玩七门 | 重试 | ¥(上界) vs ¥0.15 |
|
||
|---|---|---|---|---|
|
||
| Pong 弹球 | deepseek-v4-flash | ✅ 7/7 | 0 | **¥0.0098** ✅ |
|
||
| 打地鼠 Whack | deepseek-v4-flash | ✅ 7/7 | 0 | **¥0.0136** ✅ |
|
||
| Simon 记忆 | deepseek-v4-flash | ✅ 7/7 | 2 | **¥0.0298** ✅ |
|
||
|
||
**最关键的一条（必须如实传达）**：**「能生成代码」≠「能玩」**。本 lane 实证了这一点——一处由**我方 prompt 写错**的输入坐标契约（声称 x/y∈[0,1]，实为逻辑像素）让所有生成游戏"能编译、能渲染、能动"，但**玩家点击全部失灵**；Pong 因小球自走动画**假绿混过**初版门，Simon 因无自走动画被门**正确判否**。**正是真玩门（而非"代码编译过"）逮住了它。** 修复 prompt + 加装「输入有效性确定性对照门」后，三款全部真过。
|
||
|
||
---
|
||
|
||
## 1. 产物靶与全链路（只消费冻结契约，零改 P1/P2）
|
||
|
||
```
|
||
brief → 便宜模型 → factory.js（纯 GameHostFactory 模块：默认导出，零引擎 import，能力经 boot.ctx）
|
||
↓ 通用壳（复用 ref buildRefHostConfig：标准 7 插件 wiring，仅 override factory）
|
||
entry-bundle.js → esbuild --global-name=__GameBundle → bundle.iife.js（引擎内联 265KB）
|
||
↓ index.html: window.__GameBundle.bootGameHost({canvas, recHook, onReady})
|
||
static-serve + 本机 Chrome(headless) + CDP → 七门真玩取证
|
||
```
|
||
|
||
- **冻结契约零修改**：`game-host.d.ts` / `boot-game-host.js` / 6 受控面 / `__GameBundle` / `bootGameHost` 全程只消费。
|
||
- **生成游戏落 `game-runtime/games/_wg1-gen/`**（新建隔离子目录，零碰既有文件）——因生成游戏本质是 game-runtime 游戏（动态 import `littlejsengine`、import `../../../src/plugins/*`、复用 `ref-host-config.js`），esbuild 默认解析要求入口在 node_modules 可达处。worker(Python) 与报告留 `wg1/gen-worker/`。详见 [`games/_wg1-gen/.agent`](../../game-runtime/games/_wg1-gen/.agent)。
|
||
- **唯一对既有树的非生成改动**：`game-runtime/package.json` 加 `ws`（devDep，CDP 驱动用，ref harness 亦需）。
|
||
|
||
---
|
||
|
||
## 2. 真玩取证 harness：七道假绿守卫（false-green guard）
|
||
|
||
每款游戏经下列七门，**全过才判 PASS**（驱动 = [`games/_wg1-gen/_shared/play.cdp.cjs`](../../game-runtime/games/_wg1-gen/_shared/play.cdp.cjs)，复用 `test/harness/browser-evidence.cjs`）：
|
||
|
||
| 门 | 判据 | 防的假绿 |
|
||
|---|---|---|
|
||
| **A 装载** | `__genBooted ∧ __gameHostEngineInitFired ∧ 无 bootError` | 白屏 / 装载失败 |
|
||
| **B 未捕获** | `__genInternals.uncaught == [] ∧ 无 __gameHostBootError` | 运行期报错 |
|
||
| **C 掌帧** | `__engine.frame` 500ms 增量 ∈ [20,45]（@60fps≈30） | 冻屏 / 失控 / 单步假推进 |
|
||
| **D 真渲染** | `#game-engine` readback 有色像素(maxCh>80)>50 | 白屏 / 全黑 |
|
||
| **E 活性** | 真玩全程 ≥2 个不同整帧哈希态 | 冻屏（多采样捕捉瞬时态） |
|
||
| **F 真接线** | `__engineCalls` 经 recHook 含期望 call-ID（粒子/音效/数学） | 自绘伪装、没真用插件库/引擎 |
|
||
| **G 输入有效** | **同 seed 再开无输入对照实例、推进到同一帧、整帧哈希 ≠ 有输入实例** | **靠自走动画蒙混过 E 的假绿** |
|
||
|
||
> **G 门是本 lane 关键发明**：Pong/打地鼠有自走动画（球/地鼠），E 门会被自走动画满足、掩盖「输入失灵」。G 门用**确定性 A/B 对照**（new-api 生成 bundle seed 固定→自走部分逐帧确定）隔离出「输入到底改没改变游戏走向」——挡板位置 / Simon 轮次 / 打地鼠分数都会持续到对照帧，有输入≠无输入即证真可玩。
|
||
|
||
**golden-path 自检（证 harness 可信）**：先用 ref 工厂（已知好）跑通整条链——5/6 门过、F=0（菜单态不调引擎，**正确**）；再用最小 probe 工厂（确定性调 getEngine）→ 7/7 全过。**harness 在真可玩上判过、在没真调引擎/没真响应输入时判否**，无假绿。
|
||
|
||
---
|
||
|
||
## 3. 逐款四件套（真玩证据）
|
||
|
||
> 证据落 `game-runtime/games/_wg1-gen/<game>/evidence/{first-paint.png, after-play.png, verdict.json}`。
|
||
|
||
### Pong 弹球（deepseek-v4-flash · 0 重试 · ¥0.0098）
|
||
- **①截图**：竖屏弹球——白球在场、青色玩家挡板（已移到末次点击 x）、虚线中线、`Player:0 CPU:1`（真打了一回合）、撞击红粒子。
|
||
- **②掌帧**：Δframe=31（C✅）。**③渲染**：maxCh=255、有色像素满屏（D✅）。**④真接线**：`__engineCalls` 含 `particles.spawnEmitter`/`audio.synth.synthSfx`（撞击反馈，F✅）。
|
||
- **输入有效（G✅）**：有输入态 `0d7715dc` ≠ 无输入对照 `855a1c03` @frame444 → 挡板真响应点击。228 行源码，`export default createPongGame`，`ctx.random`/`ctx.getInput`/`ctx.time` 全受控。
|
||
|
||
### 打地鼠 Whack（deepseek-v4-flash · 0 重试 · ¥0.0136）
|
||
- **①截图**：`得分:0`、3×3 深色洞口、两只地鼠（棕圆+眼睛+腮红）正冒出。
|
||
- **②③④**：C✅ / D✅(maxCh255) / F✅（命中粒子 + 冒出音效）。
|
||
- **输入有效（G✅）**：`a9de479b ≠ b0584efe` @frame446 → 点击真改变游戏（命中/分数）。命中判定为自写"点到圆距"（不依赖网格/CCD）。
|
||
|
||
### Simon 记忆（deepseek-v4-flash · 2 重试 · ¥0.0298）
|
||
- **①截图**：`Round:1`、`Your turn!`、红/绿/蓝/黄 2×2 大按钮。
|
||
- **②③④**：C✅(Δ31) / D✅(maxCh255,bright272006) / F✅（序列音效 `audio.synth.synthSfx` + 缓动 `math.easing.quadOut`）。
|
||
- **输入有效（G✅）**：`a5100b7a ≠ f7530fdd` @frame400 → 点击真推进序列/轮次。状态机（INIT→SHOWING→WAIT→PAUSE/FAIL）完整。
|
||
- **重试原因**：附录 A——首版坐标错（修 prompt 前）/ 逻辑边界，靠错误回喂 3 轮内收敛。
|
||
|
||
---
|
||
|
||
## 4. 成本表 + 模型对比 → 最优模型
|
||
|
||
口径：`quota=(prompt+completion×completion_ratio)×model_ratio×group_ratio(1.0)`；`¥=quota/500000×7.3`（`/api/status` 实拉）。**¥为上界**（不计 prompt 缓存折扣；精确 `logs.quota` 需网关 access token，sk- key 无管理权——留给创始人核）。reasoning_tokens 已计入 completion。
|
||
|
||
| 游戏(难度) | 模型 | 重试 | prompt/completion tok | ¥上界 | vs ¥0.15 |
|
||
|---|---|---|---|---|---|
|
||
| Pong（易） | deepseek-v4-flash | 0 | 2861 / 4775 | 0.0098 | ✅ 15× 余量 |
|
||
| 打地鼠（易+） | deepseek-v4-flash | 0 | 2899 / 7223 | 0.0136 | ✅ 11× |
|
||
| Simon（中） | deepseek-v4-flash | 2 | 9120 / 14220 | 0.0298 | ✅ 5× |
|
||
| **Simon** | **deepseek-v4-pro** | **0** | 2889 / 9445 | 0.0625 | ✅ |
|
||
| Simon | MiniMax-M2.7 | 1 | 5582 / 11912 | 0.1166 | ✅（贴闸门） |
|
||
|
||
**最优模型结论**：
|
||
- **默认 = `deepseek-v4-flash`**：最便宜（model_ratio 0.06 / completion_ratio 1.75），易档 0 重试 ¥0.01；难档(Simon)靠重试门兜（2 重试仍 ¥0.03）。
|
||
- **难档升级 = `deepseek-v4-pro`**：Simon **0 重试**、¥0.06（2× flash 但仍极廉），可靠性最高。**建议策略：flash 打底 + 耗尽重试自动升 pro。**
|
||
- **MiniMax 不优先**：M2.7 completion_ratio=4 拉高成本（¥0.117 贴近闸门），可靠性不及 pro。
|
||
|
||
---
|
||
|
||
## 5. 五大坑（给主 agent / 创始人少踩半天）
|
||
|
||
1. **【实测·最坑】受控输入 x/y 是逻辑像素不是 [0,1]**：`boot-game-host.js:295` `x=(clientX-rect.left)/rect.width*VIEW_W(390)`。ref 直接 `hitZone(e.x,e.y)` 用像素。若 prompt 误导模型"乘视口"→命中全爆掉、点击失灵，但**代码照编译照渲染照动**——只有真玩门逮得住。**生成 prompt 的能力契约必须逐字对齐 boot-game-host 实际口径。**
|
||
2. **【实测】自走动画会制造假绿**：有自走物（球/地鼠）的游戏，"画面变了"(E)≠"输入有效"。**必须加 G 门（确定性 A/B 对照）**才能证真可玩。
|
||
3. **【实测】reasoning 模型吃 max_tokens**：deepseek-v4-flash/MiniMax 是 reasoning 模型，reasoning_tokens 计入 completion 且可烧空可见 content（`finish_reason:length` 时 content 空）。**max_tokens 须给足（本 worker 16000），否则截断→校验门拒→空转重试。**
|
||
4. **【实测】CDP 触摸要镜像 ref 范式**：`Input.dispatchTouchEvent` 裸 `{x,y}` 点、touchStart→touchEnd 背靠背、坐标经 `c.width/dpr` 映射（非硬编码 390）；加 `radius/force` 或长按反而不稳。
|
||
5. **【实测·复用 spike】本机代理吃网关**：`NO_PROXY` 须并 `100.64.0.8`（_client.py 已内置），否则 SDK→502（curl 假通）。
|
||
|
||
---
|
||
|
||
## 6. 哪些游戏类型超出当前插件库能力（来自 20 基准交叉比对）
|
||
|
||
便宜模型受**插件库门面缺口**限制，非模型能力限制。当前 4 短板（详见 `docs/agent-specs/2026-06-13-WG1-20经典轻游戏基准-review.md`）：
|
||
- **① 文本/分数 HUD**🟡：无文本渲染门面，每款自 `fillText`（本冒烟可兜，但风格各异）。**最高频缺口，建议 W-G1 后第一优先补门面。**
|
||
- **② 网格/棋盘 grid**🟡：无 tilemap 门面 → 2048/Tetris/Match-3/贪吃蛇/井字棋 网格态每款重写易出 bug。
|
||
- **③ 连续碰撞 CCD**❌（真缺口）：collision 仅离散 MTV，无 swept/toi → 高速小球(Breakout 高速/Asteroids 子弹/多球)穿透。**冒烟刻意避开。**
|
||
- **④ 手势 swipe/drag**🟡：getInput 仅 5 类原始事件，无手势合成 → 愤怒小鸟拖拽蓄力/2048 滑动每款自缓存方向。
|
||
|
||
→ **本冒烟选 Pong/Simon/打地鼠 正是"零/最轻短板 + canvas 简单"的最干净子集**（避开 Snake/2048/Cookie Clicker——它们撞①②）。
|
||
|
||
---
|
||
|
||
## 7. worker ↔ pipeline 接缝（留给创始人集成，§3 契约形状）
|
||
|
||
worker 已暴露「job in → result out」（[`worker/run.py:run_job`](worker/run.py)）：
|
||
- **in**：`{game_id, brief(题面), play_spec(CDP 输入+期望 call-ID), model, max_retries}`
|
||
- **out**（`results/<game>.json`）：`{pass, retries, attempts[{stage,errors,usage}], factory_path, bundle_path, verdict(七门), tokens, request_ids}`
|
||
- 闭环：generate → validate(静态契约+`node --check`) → bundle(esbuild) → play(CDP 七门) → 失败回喂错因重试 ≤N。
|
||
- 字段对齐你 spike VERDICT §3 的 REST/队列形状；待你拉取后冻结。
|
||
|
||
---
|
||
|
||
## 8. 蒸馏建议（留我 lane，待你拉进 `.agents/`，避免与你并行 P3 撞车）
|
||
|
||
1. **`skills/` 增补**：把「§2 七门真玩 harness（尤其 G 门 A/B 对照）+ §5 五坑」蒸馏进 `game-e2e-cdp-harness.md`（W-G1 复用并扩展了它）。
|
||
2. **`rules/` 红线**：「生成 prompt 能力契约必须逐字对齐 boot-game-host 实际口径（输入坐标=逻辑像素）」「能生成≠能玩：必须过真玩门+G 门」。
|
||
3. **`knowledge/`**：HJ-GEN-001 验证结论（便宜模型可产可玩轻游戏 / 最优模型 flash 打底+pro 升级 / ¥0.01–0.06）。
|
||
|
||
---
|
||
|
||
## 附录 A · 复现
|
||
|
||
```bash
|
||
# 0) 前置：wg1/gen-worker/.env 写 NEWAPI_KEY（gitignored）；game-runtime 先 npm i（含 ws）
|
||
# 1) 装 worker venv
|
||
uv venv wg1/gen-worker/.venv --python 3.12
|
||
uv pip install -p wg1/gen-worker/.venv/bin/python -r wg1/gen-worker/requirements.txt
|
||
# 2) 生成+真玩一款（generate→validate→bundle→CDP 七门）
|
||
wg1/gen-worker/.venv/bin/python wg1/gen-worker/worker/run.py pong --model deepseek-v4-flash --max-retries 2
|
||
# 3) 成本表
|
||
wg1/gen-worker/.venv/bin/python wg1/gen-worker/worker/cost.py
|
||
# 仅重放某款（不重新生成）：
|
||
( cd game-runtime && bash games/_wg1-gen/_shared/serve-and-play.sh pong )
|
||
```
|