295f232d20
B1 控制面真驱 :8200 时 POST /credential/ 返 422:Field required body.data。根因 = bootstrap
的 _resolve_m3_credential_payload 发了扁平 {type,base_url,api_key,model},而 create_app 的
CreateCredentialRequest 要 {data: dict}(凭据载荷嵌 data 下),且 model 不是凭据字段。
据活服务 GET /credential/schemas 的 Anthropic schema + 源码 app/_service/_model.py:get_model
(模型类由 CredentialFactory.from_dict(data).get_chat_model_class() 据 data.type 决定)定稿:
data = {type: "anthropic_credential", api_key, base_url};模型名仍在 session.chat_model_config.model。
agent/session/chat 体经源码核对结构一致(CreateAgentRequest/CreateSessionRequest/ChatModelConfig/
ChatRequest),无需改;X-User-Id 头通(返 422 而非 401 证明已过鉴权进 handler)。
Co-Authored-By: Claude Opus 4.8 (1M context) <noreply@anthropic.com>
tier2 · 富游戏自治生成线
这是绘境 AI 的第二条游戏生成线。它和现有的超休闲廉价线（wg1/ + LittleJS）解耦并存、运行期零耦合：廉价线用便宜模型往声明式数据壳里填空、做单局几何色块小游戏；tier2 则给一个 AI agent 一台完整的游戏工作站——读文档、写多个 Phaser 源文件、构建、在真浏览器里真玩验收、看截图、查资产——让它在一圈确定性验收门的笼子里反复迭代，把现有产线做不出的多系统富游戏（合成、经营、挂机这类肥鹅美食街档）逼出来。
底座是 AgentScope 2.0.2（独立锁版、独立 env），引擎选 Phaser/Pixi（过无头硬筛、按 AI 作者视角取生态厚度）。生成范式是约束自治（O2）：把一款游戏拆成数据表、系统骨架、表现层三层，用骨架和插件 API 锁住系统层最难的部分，把便宜模型的火力集中到必须写的约 56% 表现层，再用三层校验和四道熔断把自治关在笼子里。
整条线最深、也最没证过的赌注是：便宜或中等模型的自治 agent 能不能稳定写出那 56% 的表现层。所以建设按「顺序软、判据硬」走——先把集成和环境搭扎实，再用 M3（写代码逻辑）+ mmx（产美术音乐）连续迭代；但生成证据的判据保持离散可判定：M3 证路是软门、便宜档 n≥30 是硬门、退路树沿用数字触发线，只有硬门通过才投入重机器。
怎么读
- 要建什么、为什么：
docs/brainstorms/2026-06-22-tier2-整体实现方案-requirements.md（WHAT，已过双评审）。 - 怎么建（照这个动手）：
docs/plans/2026-06-22-003-feat-tier2-富游戏自治生成线-plan.md（HOW，10 单元，Phase A 详 / Phase B 纲要）。 - 接手须知：
HANDOFF.md（本次 6c6g 初始化交付了什么、Mac 接着做什么、环境切分）。 - 模块边界与红线：
.agent。 - AgentScope 2.0.2 真实 API：
.agents/knowledge/agentscope-2.0.2-facts.md（拿不准先读/root/oss/agentscope源码 + agentscope-skill 的references/v2-*.md离线镜像；该 skill 的 SKILL.md 正文示例是 1.x，勿照抄）。
现状
2026-06-22 在 6c6g 完成项目初始化：模块骨架、独立依赖（agentscope==2.0.2）、governance、forbidden-import CI 就位。实现与运行调优转交 Mac / mini-desktop（真跑需 chrome/headless+esbuild，6c6g 禁 chrome）。