games-development-ai/docs/architecture/架构/生成引擎/tier2细节图说-C-单写ReAct循环.md

date, topic, status, 映射源档

date	topic	status	映射源档
2026-06-23	tier2 细节图说 · C 族——单写 ReAct 循环 / M3 原生接法 / 四道熔断 / 多轮范式承 amodel	设计中（tier2 待 0号 spike 验证、尚未落代码）	doc hash docs/architecture/架构/生成引擎/自治富游戏引擎.md 4858e6cf doc hash docs/architecture/架构/生成引擎/tier2实现详设.md d5efe45f doc hash docs/plans/2026-06-22-003-feat-tier2-富游戏自治生成线-plan.md ccb00bb9 doc hash tier2/HANDOFF.md ccb00bb9

tier2 细节图说 · C 族 — 谁在写富游戏

C 族四张图围着一个问题转：tier2 要造现有廉价线做不出来的多系统富游戏，那么到底是谁在写、用什么模型写、写的时候被什么关着、这套写法又是从哪条已经跑通的路演进来的。图 C1 画清写者的形态——一个单写者 ReAct agent 在三层校验门内自治迭代；图 C2 画清这个 agent 怎么把中等档的 MiniMax-M3 接对；图 C3 画清自治多轮被四道熔断关在笼子里；图 C4 把这套写法回溯到它的两个 working reference，说明它是 fork 演进而非推倒重来。

整个 C 族对应的是一条尚未落代码的设计轨。tier2 的中心赌注——便宜或中等模型的自治 agent 能不能稳定写出富游戏里那一大块表现层——要靠一个叫 0号 spike 的最小验证来证伪或证成，过了这道生死门才进建设。所以读这四张图时，要把它们当成「计划怎么干」的施工图，而不是「已经在跑」的现状图。

0 阅读约定与同步纪律

C 族把生成引擎子树里三份设计档画成图：写者形态与四道熔断出自《自治富游戏引擎》的「谁在写：单写者 ReAct + 四道熔断」一节；运行时形态、建设五步、模型矩阵出自《tier2 实现详设》；与 A-model 分支的复用边界出自 tier2 富游戏自治生成线的实现计划与 tier2/HANDOFF.md。frontmatter 记了这四份的当前 commit hash 作为防漂移门——设计一变动，本图说与对应 SVG 必须同步更新，hash 对不上就说明图已落后于源档。

四张图整体状态都是「建」：tier2 整轨待 0号 spike 验证、尚未落代码。但「待建」不等于「全凭空想」。这套写法承袭了两条已经在跑的真实参照系——现行 WG1 廉价线的 studio.py（单轮调用加外层重试）和 A-model 分支的 amodel-gen/gen.mjs（在 M3 上已跑通的多轮 ReAct）——所以图里凡是承袭这两条已落机制的部分画实线，tier2 专属、要新写的部分画虚线。这条虚实之分贯穿全族，是读图时最该先盯住的一层：实线 = 现行已落或官方现成、可以直接信；虚线 = tier2 待建、还要写还要验。状态码就四个——现（现行已落）、接（待接线）、建（待建）、缓（收窄后缓做），C 族绝大多数元素是「建」。

1 全图通用图例

四张图共用一套视觉语言。实线箭头/实线框表示承袭现行已落的机制：九门 harness、new-api 计费平面、studio.py 单轮形态、amodel-gen 多轮范式都属此类，它们是已经跑过的 working reference。虚线箭头/虚线框（stroke-dasharray 6 4）表示 tier2 专属的待建新机制：Agent 内多轮 ReAct、M3 原生接法、thinking 分离、三道自建硬熔断、Phaser 富游戏产物，都还没落代码。红线专用于四道熔断——任一道先触发即停本局生成。

徽章标的是这块内容服务哪个生产维度：绿色的质量（造出真能玩的富游戏）、可靠（稳定收敛不靠运气擦边）、成本（压住自治多轮的烧钱）、蓝色的可观测（每步推理动作观察可对账）。状态徽章里，紫底的「待建」「tier2 待建」标 tier2 自己要写的部分，深灰底的「现行已落」「working ref」标可直接复用的参照系，橙底的「best-effort 非硬闸」标一处已知没焊死的设计缝。

2 图集

图 C1 · 单写 ReAct 循环〔SVG·建〕

这张图回答「谁在写富游戏、以什么节奏写」。写者是一个单写者 ReAct agent。ReAct 指 agent「想一步、调一个工具、看结果、再想下一步」的循环——图中央那个 reason→act→observe 的三角就是这个节奏，它的反面是「一次把整个游戏的答案写完」。富游戏工程跨十几个源文件、多个系统互相接线，一次写完几乎不可能对，所以必须让 agent 每观测一次就回头重想，在循环里把游戏逼出来。

图左侧的两态并列是这张图最该让人看出的东西：tier2 和现行 WG1 廉价线的真正差别，不在 prompt、不在生成域，而在「多轮自治放在哪一层」。WG1 现行用的是 ReActConfig(max_iters=1) 的单轮调用，加一个外层 for attempt in range(max_repairs) 的重试循环——生成一次，外层把错误喂回去重跑一次，单写、单轮。它故意这么做，是为了压住便宜档的单价：L1 生产主线明确不引 AgentScope，因为框架本身的 token 膨胀会吃掉便宜档那点利润空间。tier2 则把 max_iters 放开（AgentScope 2.0.3 默认 20），把「多轮」从外层 repair 循环搬进 Agent 内部的 ReAct 循环——同一套多角色 prompt 和生成域躯干复用，但自治的位置变了。这就是为什么左下角那块 tier2 态画虚线、还标着「独立锁 AgentScope 2.0.3、独立演进」：它从 WG1 fork 起步，但锁自己的框架版本、独立往前走，不强求两条线跟同一份 AgentScope。

中下那个虚线笼子是另一处要点——agent 的自治不是放任。它被关在一圈验收门里迭代：读引擎文档和资产 → 写源文件 → esbuild 构建 → headless 无头快检 → 九门 L1 真浏览器真玩 → 读 verdict → 没过就改、改完回到写源。这里有一条画成实线的关键节点：九门 L1 那一格。一款游戏算不算过关，不靠模型自己说，靠在真浏览器里真玩一遍——这套确定性判定继承自现行九门，铁律是绝不让 LLM 给自己打分。LLM 一旦进验收当裁判，会学会把游戏优化成「让裁判说好」而不是「真的好」，门就废了。所以图里九门那一格是实线（承袭现行已落），而它前后的写源、改、快检都是虚线（tier2 内循环待建）——确定性的判定承袭旧机制，自治的写法是新的。

右上角那个红框是四道熔断，任一触发即停：步数硬顶、预算闸、卡死探测、双层超时。其中预算闸现在还不是强制硬闸——这是一处已知设计缝，详见图 C3。

底部那条铁律带讲清「单写者」这三个字的边界，很容易误读。单写者只指阶段 2 写代码这一环：只有一个 agent 持有整个工程的全局视图，它一个人写，不并行拆给多个 agent。坚持这点是因为经营游戏的多个系统共享同一套状态和约定，拆给并行 agent 几乎必然不一致——一手教训是曾经把「造一个 Flappy Bird」拆给并行子 agent，结果背景跑成了马里奥。但阶段 1 的工作室设计仍然用 Agent Team 星形多 agent 去发散（玩法、关卡、数值、UI、音乐、特效各路 worker），收敛成设计结论后才进阶段 2 的单写。设计要发散和专业分工用多 agent，实现要防写冲突收敛到单写——所以「单写」专指写代码那一段，不是说整轨只有一个 agent。

图 C2 · M3 Anthropic 原生接法〔SVG·建〕

这张图回答「中等 agentic 档的 MiniMax-M3 怎么接进 tier2 的 agent」。主链路从左到右一条线：tier2 agent → AnthropicChatModel → AnthropicCredential.base_url → MiniMax-M3。读这条链要抓两个事实。一是接法本身可信——它走 AgentScope 2.0.3 的官方模型类 AnthropicChatModel，构造时不传 formatter 就会自动配对一个 AnthropicChatFormatter，无需手接，这套已经逐条核过 2.0.3 源码。二是出口统一——AnthropicCredential 的 base_url 指向 new-api 的 Anthropic 端点（即 /v1/messages），模型计费统一从 new-api 这一个平面走。链路上的箭头里，agent 到模型那几跳画虚线（tier2 待建），但 new-api 计费出口画实线（现行已落）。

中间三个要点框讲「用对 M3」要满足的三件事，它们合起来定义了 M3 的正确用法。其一，走 Anthropic 原生协议加 agentic 工具循环——不是 OpenAI 式的单次 JSON 填空，而是让 agent 在循环里调工具写源、build、跑门、读 verdict、改，多轮自治收敛。其二，thinking 分离：开 thinking_enable / thinking_budget 拿到推理与答案分离，这里有一条硬约束——max_tokens 必须严格大于 thinking_budget，budget 缺省取 max_tokens 的一半；如果把 budget 设得不小于 max_tokens，2.0.3 会自动把 max_tokens 抬到 budget+1024，但别依赖这个兜底，显式设对。其三，完整 response 和历史保留：每轮把 thinking / text / tool_use 所有块原样回传入历史，不剥、不丢、不只抠 JSON——这样 M3 的交错思维（Interleaved Thinking）才不失效，才发挥得出最佳 agentic 性能。

图中间那条红框是这张图的命门，也是为什么它值得单独画一张：旧用法是 60% 失败的最深根因，而且是用法错、不是模型天花板。错用法等于三连违反——关掉 thinking、单次 JSON 填空、失败就从头重生成。把一个 agentic 加交错思维的模型当成一次性填空机来用，等于把它最强的那部分能力全关掉了。这处误读还连着另一处：max_tokens 是「输出上限」、不是 512K 的上下文窗——输出可以抬到小于 128K 给 thinking 加答案用，输入窗 512K 不受它限。

底部那条绿带收口一个设计原则：模型统一从 new-api 出口走，但协议和 SDK 不锁死，每档走它各自最优端点。M3 之所以特意走 Anthropic 原生端点，是因为「用对它」要的就是原生 thinking 加 agentic 工具循环；便宜档（deepseek-v4-flash / v4-pro）照旧各自端点。不论走哪条端点，计量都收口到 new-api 的 quota 口径，折算成每款多少钱——一个计费平面，成本可对账。这是「all roads 收口到一个计费平面」的具体含义：端点可以多样，账只有一本。

图 C3 · 四道熔断 + 预算闸〔SVG·建〕

这张图回答「自治多轮会不会失控、靠什么关住」。agent 在三层校验门内可以任意迭代，但被四道熔断关在笼子里，任一道先触发即停本局生成。四道分别是：步数硬顶、预算闸、卡死探测、双层超时。读这张图最该看出的，是它们的来源和成熟度并不一致——这正是图里实线虚线混用的原因。

步数硬顶防的是「靠运气擦边」。它给每系统的构建-修复定上限、给整局定 max_iters（建议单系统不超过 8 轮、整局不超过 40 轮，超 max_iters 即判不收敛），走的是 AgentScope 的 ReActConfig.max_iters。它要防的不是慢，而是模型靠多轮反复试错把门擦边混过去——擦边过门和真收敛是两回事，没有步数顶就分不开。这道是 tier2 自建、待落，画虚线。

预算闸是四道里唯一画实线的——它用官方的 ReplyBudgetControlMiddleware，是现成中间件，在 on_reasoning / on_reply 钩子里按预算优雅收尾。但这恰恰是这张图最该被 review 的设计缝：它是软刹，不是强杀，现在还只是 best-effort，不强制截断。图里专门给它配了橙底「best-effort 非硬闸」徽章，又在底部拉了一整条警示带说清后果——自治多轮一旦不强制，会在那 56% 的表现层上烧钱发散。强制硬闸的完整口径归《agentic 集成架构》那份，规模化（premium 量起来）之前必须落地，否则成本不可控。这条缝在 spike 阶段可以容忍：先只挂官方软刹把路跑通，三道自建硬熔断加强制硬闸到建设期再补，不阻塞 spike。

卡死探测和双层超时都是 tier2 自建、待落（虚线）。卡死探测在语义层判 agent 是不是原地打转、无实质进展，而不是单纯计步——单纯计步拦不住「换汤不换药」的空转。它还要防一种更刁的逃避：agent 改 driver 来绕过卡死探测，这是 Goodhart 问题的一个具体形态（优化代理指标反而偏离真目标）。双层超时是两层墙钟上限——单步钉死一次工具调用或一轮推理，整局钉死本局总时长，兜住单步挂起和整局拖死两种失控。

机制上，这四道不是散落各处，而是叠在 AgentScope 的中间件洋葱里：官方软刹加三道自建硬熔断（各做成 MiddlewareBase 子类）一层层套进 ReAct 循环，软刹优雅收尾、硬熔断强制截断。底部那条退路带把 spike 阶段的可行起点钉死——先只挂官方 ReplyBudgetControlMiddleware 软刹跑通验证就够了，强制硬闸和三道自建硬熔断到建设期再补，不让一道还没建的硬熔断挡住最该先证的那个赌注。

图 C4 · 多轮自治范式（承 amodel-gen）〔SVG·建〕

这张图回答「tier2 这套多轮自治写法是凭空发明的吗」——不是，它是从两条已经跑通的真实参照系演进来的。图上方那条三态演进带从左到右画清这条血脉：① WG1 的 studio.py 是现行已落的单轮加外层 repair 形态（实线）；② A-model 分支的 amodel-gen/gen.mjs 是已经在 M3 上跑通的多轮 ReAct（实线，working reference）；③ tier2 是要在 Phaser 上造富游戏的多轮自治（虚线，待建）。①到②标「参照系」、②到③标「fork 演进」——tier2 是 fork 起步、独立演进，不是返工。

中间那三块是 amodel-gen 留给 tier2 的三件可复用范式，每件都配了一个紫色虚线小条，标明 tier2 在哪个工作单元复用它。done 门——agent 自己 reason 判「够了」才终止，不靠外层固定轮数，tier2 在 U2 复用为多轮 ReAct（finish 工具收尾吐出 src/ 源工程）。check/build 快反馈——每轮先跑便宜的检查再决定下一步，拿快反馈喂下一轮而不是等重门才纠错，tier2 在 U7 复用为「写源 → build → headless 快检 → L1 门」的闭环。历史压缩——多文件富游戏迭代轮数多、上下文长，压缩历史让长程多轮不撑爆窗口，tier2 在 U7 复用为长程一致性（12 个以上文件的工程过程中无 checkpoint 丢失）。

图底那条蓝带是这张图最该读透的部分，它讲清一处极易被误导的边界——「fork 演进」不等于「整轨是平移」。tier2 复用 studio 那套多角色 prompt 和生成域躯干，把「多轮」从外层 repair 搬进 Agent 内部 ReAct，这层确实是 fork 加版本钉级别的轻活：种子 studio.py 用到的 AgentScope 框架接缝（6 个符号）在 2.0.3 全兼容，零签名改。但别被「6 符号兼容」误导——studio.py 拖着的 validate.py / run.py / prompt.py / roles.py 是 LittleJS 专属，按 Phaser 重写、工作量约等于全新写（net-new）。最典型的是 validate 的硬规则：它对 LittleJS 要求「禁 import、单 export default 工厂」，这套规则对 Phaser 多文件源工程完全反转。所以真正的功夫不在框架接缝，而在这些重写面加 net-new 的多轮 ReAct / Workspace / Service（Phase B）。

这条边界还连着一处口径的精确化（创始人 2026-06-23 裁）：两线分立、不收敛。旧的边界叫「能力档（声明式 vs 自治）」，但 A-model 分支已经让廉价线也走向自治写真 JS，所以旧口径过时了。新口径是「引擎 / 表现层复杂度档」——A-model 吃 LittleJS 轻量经营档，tier2 吃 Phaser 重表现富游戏档。两条线各吃各的市场、各跑各的运行时，运行期零依赖。amodel-gen 合并 dev/2.0.0 之后，tier2 的循环范式以合并后版本为参照系重取，种子仍是 Python 的 studio.py，amodel-gen 只作 JS 参照、不照搬。

3 图清单与状态表

#	图名	形式	状态	覆盖内容
C1	单写 ReAct 循环	SVG	建（演进自 WG1 studio.py）	reason→act→observe 三角；WG1 单轮+repair vs tier2 内多轮两态并列；验收门笼子（读文档→写源→build→快检→九门 L1→verdict→改）；九门实线承袭、自治内循环虚线待建；单写者只指阶段 2、阶段 1 仍多 agent；底部四道熔断红框引子
C2	M3 Anthropic 原生接法	SVG	建（接法走官方 AnthropicChatModel，2.0.3 已核）	主链路 agent→AnthropicChatModel→base_url 指 new-api→MiniMax-M3；用对 M3 三要点（原生协议+工具循环 / thinking 分离 / 完整 response 保留）；红框警示旧用法=60% 失败最深根因；new-api 统一计费平面、协议不锁死
C3	四道熔断 + 预算闸	SVG	建（软刹官方现成、三道硬熔断+强制硬闸自建待落）	四道熔断（步数硬顶 / 预算闸 / 卡死探测 / 双层超时）；预算闸=官方软刹实线 best-effort、非强制硬闸（设计缝）；卡死探测防 Goodhart；中间件洋葱叠加机制；spike 阶段先只挂官方软刹的退路
C4	多轮自治范式（承 amodel-gen）	SVG	建（范式承 A-model 已落、tier2 fork 演进待建）	三态演进带（studio.py 单轮 → amodel-gen 多轮 → tier2 Phaser 富游戏）；三件可复用范式（done 门 / check-build 快反馈 / 历史压缩）映射 U2/U7；fork 演进≠平移（6 符号兼容是版本钉、validate/run/prompt/roles 是 net-new 重写）；两线分立不收敛、边界精确为引擎/表现层复杂度档