208a36ee6c
- D1: Registry 3 prompt(策划/对抗/fix)+eval 骨架+registry 注册 - D2: agent-loop 2 schema + 4 模板 schema(对齐 gen_spike 真源, additionalProperties:false) - D3: 编排器+裁决引擎(judge D1-D10 决策表/账本幂等重放/预算闸熔断/eval 回流/批报告), 59 单测绿(mini-desktop) - D5: 玩家 CDP 取证 player_cdp.py(真点击/蛇形→驼峰映射/demo 三信号/三角合成判定), 9001 自测 PASS - (D4 后端件已在 9bf3d54 先行入库, 三条 mvn 两轮独立实跑全绿) - spec: 评审版(已拍板)+execution 版(已审定+建设期补充裁决 D4-a~d/D5-a~c/D2-a/D3-a) - W2 试点/种子 9003-9008/B4 四链路烟测 产物与总账/作战清单同步 - eval 种子: C1 spike 52 条转入 config.clicker-designer(inputs 52/labels 13) Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
9.7 KiB
9.7 KiB
生成 Spike · Agent 闭环试点结果
日期：2026-06-09 · 范围：6 条创意 × clicker 模板 × 三角色 agent 闭环（W2 试点） 结论先行：6/6 入池（通过率 100%）——其中 1 条经对抗红队修正（target 24→18）后入池，5 条以策划稿原 config 入池。入池配置见同目录
accepted-configs.json。
一、闭环形态说明
试点以三个独立 agent 组成"生成质量 QA 闭环"（策划 / 对抗红队 / 玩家裁决），替代人工盲评；按创意为单位并行编排 6 条流水线：流水线内三角色串行，流水线之间零共享状态，角色之间只通过结构化产物传递（config+designNotes → flaws+verdict → accept+finalConfig）。
flowchart LR
A["创意一句话 ×6<br/>（6 条流水线并行）"] --> B["策划 agent<br/>真调 MiniMax 取草稿<br/>按 runtime 真实约束审改定稿"]
B --> C["对抗红队 agent<br/>独立亲核 schema / runtime / 经验带<br/>verdict: pass / fix / kill"]
C --> D["玩家裁决 agent<br/>静态可玩性三判据<br/>accept / reject + finalConfig"]
D -->|accept| E["accepted-configs.json 入池"]
E -.->|发布后| F["黄金闭环遥测承接<br/>真实玩家行为数据"]
| 角色 | 职责与规则 | 输出 |
|---|---|---|
| 策划 agent | 真调 MiniMax 生产通道（new-api 100.64.0.8:3000 / MiniMax-M2.7 / response_format=json_object）取草稿，再按 runtime 真实约束（target 为唯一生效字段且 int∈[5,30]；弃玩不补发 game_end；title/theme/scoreLabel 今天不渲染）审改定稿；通道不可用时按降级条款处理并如实声明 degraded |
config + designNotes（机制 / 难度 / 预期时长 / 主题自洽点 / 草稿取舍） |
| 对抗红队 agent | 不信任上游任何声明，逐项亲核：config 逐字段过 schema、runtime 源码关键行（index.ts 计分 / 结束 / destroy）、spike-eval.csv 13 条生产样本经验带、降级主张溯源 | flaws（severity 分级）+ verdict：pass / fix（附 fixedConfig）/ kill |
| 玩家裁决 agent | 三判据独立裁决：① 可完成性（schema 合法 + 机制必可通关）② 一局时长合理（信息流即点即爽区间）③ 元数据与创意一致、无低质感、平台审核合规。硬规则：对抗 verdict=fix 时必须基于 fixedConfig 裁决；最小变更，不引入未经对抗审视的新字符串 | accept/reject + reasons + finalConfig |
二、逐创意结果表
| # | 创意 | 策划稿（标题 / target） | 对抗 verdict · 要点 | 裁决 · 理由要点 |
|---|---|---|---|---|
| 1 | 王蓝莓的小卖部收银台，给顾客结账 | 蓝莓妹的小卖部·结账高峰 / 20 | pass · 3 low：target=20 踩 13 条样本分布(10-20)最上沿、画面零主题反馈下属纯下行敞口（有同值生产先例，不强制回调）；theme 声画承诺超出 runtime（clicker 模板级通病）；minimaxDraftUsed=true 实为归档样本替代实时调用，须显式携带 degraded 口径 | accept · 点满 20 必通关（无失败分支，game_end 必带 completed:true）；估 4~10s 落即点即爽区间；去真实"王蓝莓"IP 原创换皮"蓝莓妹"符合设计文档 CEO 决策#10；degraded 口径已显式入档；策划稿原 config 入池 |
| 2 | 深夜便利店招待来买夜宵的顾客 | 凌晨两点的便利店 / 24→18 | fix · 1 medium：target=24 为全经验带外孤点（13 条样本 10~20，中位 15），"连点高峰手感"无机制支撑、通关点击数翻倍扩大唯一完玩率失分面，修为带内次高值 18；2 low：notes"打烊"与 24 小时店叙事矛盾；降级"重试 12 次"自述无盘上证据 | accept（采纳 fixedConfig，target=18） · 三条 flaw 经裁决方独立核实全部属实、修法最小；18 次必通关，估 3.6~9s 适配信息流并收窄弃玩失分窗口；title/theme/scoreLabel 与创意逐词对应，"24小时"仅业态描述、config 层无矛盾残留 |
| 3 | 猫咖啡馆里撸猫攒爱心 | 猫咖时光·撸猫集心 / 15 | pass · 3 low：草稿溯源声明不完整（盘内实有同创意归档草稿未核对，结果无实害且人工稿质量更优）；"治愈系"暖调与硬编码冷调画面落差（模板级，今天不渲染）；"轻点治愈"与"连点爽感"措辞张力（runtime 不强制节奏，无玩法矛盾） | accept · 15 次必通关；估 3~7.5s 处甜点区、几乎人人完玩、对质量分回路友好；创意三要素（猫咖场景 / 撸猫动作 / 攒爱心计分）在 title/theme/scoreLabel 一一对应；策划稿原 config 入池 |
| 4 | 烧烤摊翻烤串，别烤糊了 | 烤串二十翻 / 20 | pass · 2 low：theme"别烤糊"暗示失败机制而实际不可能输（休闲游戏常规伪紧迫感、该字段今天不渲染、notes 已诚实划界）；target=20 取值为自洽推断非实证（未触两端红线） | accept · 点满 20 必通关；估 4~10s 合理带内、短局必通关利于完玩率；标题"二十翻"与 target=20 互证、theme 逐字呼应创意、scoreLabel"翻面"映射准确；策划稿原 config 入池 |
| 5 | 地铁早高峰挤上即将关门的车 | 车门即将关闭 / 18 | pass · 1 medium：theme"倒计时"承诺 runtime 不存在的计时机制（今天不渲染无真实暴露面；若后续 feed 渲染 theme 须改词，如"关门前拼命一挤"）；3 low：标题为情境句、信息量低于动作句；minimaxDraftUsed=true 实为同日留存草稿复用（证据链已核验闭合）；时长 / 体感为推断非实测 | accept · 18 次必通关、target 居区间正中；估 3.6~9s 且局长与"关门前几秒窗口"题材天然同构（真实加分项）；草稿引用与 spike-eval.csv L11 逐字一致、披露诚实、target=18 为草稿原值（不为改而改）；策划稿原 config 入池 |
| 6 | 解压点点点 | 指尖戳戳乐 / 25 | pass · 4 low：target=25 高于全部 13 条模型产出（中位 15、最大 20），收益为不可测心理断言、成本是可计量弃玩风险（体裁"点击即内容"自洽，可辩护不强制改）；theme 语义超载+"治愈系"调性与冷调画面落差（今天不渲染）；实时生成 0 次（兜底草稿引用已逐字段核验属实）；notes 时长数字有轻微修饰 | accept · 25 次必通关；裁决采修正数字：快手 5~6.25s / 慢手最坏 12.5s，均未越"太短 / 太长"红线；25 属可辩护而非已验证更优——入池后须以真实 completeRate 复核，完玩率异常第一旋钮即降 target；策划稿原 config 入池 |
三、通过率统计
| 指标 | 数值 |
|---|---|
| 裁决通过率 | 6/6 = 100% |
| 对抗 verdict 分布 | pass 5 / fix 1 / kill 0 |
| 经对抗修正后入池 | 1 条（#2 target 24→18） |
| 以策划稿原 config 入池 | 5 条 |
| 对抗 flaws 合计 | 19 条 = medium 2 + low 17（无 high；2 条 medium 中一条已按 fixedConfig 修正、一条为模板级 theme 措辞问题记录在案待渲染时改词） |
| 入池 target 分布 | 15×1 / 18×2 / 20×2 / 25×1（对照 13 条生产样本经验带 10~20：4 条带内、1 条上沿、1 条带外可辩护并挂数据复核条件） |
| MiniMax 实时调用 | 0/6（全部被执行环境工具安全分类器本地拦截，非 API 故障；归档真实草稿复用 3 + 参考改写 1 + 纯人工 2，详见边界声明第 3 条） |
四、诚实边界声明
- 本试点裁决 = 基于真实 runtime 约束的静态可玩性 + 一致性审查，非真浏览器实玩。 三角色对
gen_spike.py（schema 校验）、game-studio/src/host/runtime/index.ts（计分 / 结束 / destroy 机制）、spike-eval.csv（13 条生产样本经验带）均做了第一手核验，但"2~5 次/秒连点速率"为推断口径，所有一局时长均为估算、未实测 duration_ms。 - 真实玩家行为数据由已建成的黄金闭环遥测在发布后承接。 入池配置仍须走 publish→合规门→feed 的既有发布链；game_start/game_end、duration_ms、completeRate→quality_score 由已 e2e 验证的遥测回路（B1+B2+B2′）收集。accept ≠ 上线质量背书；实测弃玩率 / 完玩率异常时，第一调参旋钮为 target（runtime 唯一生效字段）。
- MiniMax 实时调用本会话 0 次，全部 degraded。 6 条流水线的实时请求均被执行环境工具安全分类器在本地拦截（请求未出本机、未消耗 API 预算；非生成通道/API 故障——同通道同日 spike 实测 52/52=100% 可用）。降级处置：3 条（#1/#5/#6）以同日同通道(100.64.0.8:3000)同模型(MiniMax-M2.7)同创意的归档真实生产草稿为审改基线、如实标 minimaxDraftUsed=true；1 条（#2）参考归档草稿全字段改写、2 条（#3/#4）人工定稿，均如实标 false。下游严禁把 minimaxDraftUsed=true 解读为"本会话实时生成通道已验通"。
- theme 类声画承诺今天一律不兑现。 当前 clicker runtime 画面为硬编码深底青字、无音频、assets=[]，title/theme/scoreLabel 仅作列表页 / 包内元数据不渲染——"嘀声 / 倒计时 / 治愈暖光"等承诺属模板级限制（13 条归档样本同样不兑现），已记录在案，待 clicker-plus 数据驱动 runtime 落地后重审相关文案。
五、证据文件
- schema 校验器：
docs/agent-specs/2026-06-09-generation-spike/gen_spike.py - clicker runtime：
game-studio/src/host/runtime/index.ts - 生产样本经验带：
docs/agent-specs/2026-06-09-generation-spike/spike-eval.csv - IP 合规决策依据：
docs/superpowers/specs/2026-06-09-王蓝莓小卖部黄金闭环-design.md（CEO 决策#10） - 入池产物：
docs/agent-specs/2026-06-09-generation-spike/accepted-configs.json（本试点 6 条 finalConfig）