zizi-al/games-development-ai
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
games-development-ai/wg1/gen-worker/REPORT.md
lili 6201f95146 feat(wg1-gen): 便宜模型生成可真玩轻游戏——L1 worker + 七门真玩 harness（HJ-GEN-001 成立） 
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>
2026-06-13 22:50:24 -07:00

12 KiB
Raw Blame History

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。
  • 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，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）：

  • 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

# 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 )