让 AI 做游戏，先给它一个暂停键
目录
AI 概念插画。
AI 写出的游戏能启动，不等于能玩。角色是否重叠、出招有没有预兆、按钮文字是否被截断，往往要跑起来才看得见。
2026 年 10 月 22 日提交的预印本 VibeGame，尝试把这一步交回给 AI：不仅让它写游戏，也让它控制游戏时间，检查自己刚做出来的东西。
游戏跑得太快，就让它等一等
这套系统基于 Phaser 构建 2D 游戏。场景、角色、素材和脚本之间的关系放在结构化文本里，AI 可以直接查文件、改配置，校验器则检查素材引用等错误。
更关键的是运行接口：AI 能暂停游戏，推进指定帧数，读取角色的位置和速度，触发“跳跃”等动作，再截图看结果。实时游戏因此变成了可以分步检查的程序。
论文里有一个很具体的故障：伙伴释放技能后，与主角站到了同一个位置，两个形象叠在一起。负责复查的 Agent 在技能后推进 120 帧，读取双方位置，再结合画面确认了问题。修复后，伙伴才站回主角身边。
这比让模型盯着代码说“应该没问题”多了一条可核对的证据链：执行动作 → 等待结果 → 读状态 → 看画面 → 修改。
谁写，谁检查？分开
VibeGame 把实现和验收拆给不同角色：程序员写代码，审计员检查文件与需求，玩家角色运行游戏，最后再由独立复查者验收。不通过，就把具体问题交回去修。
验收要落实到实际操作：不只问“代码对不对”，还检查“操作以后屏幕上到底发生了什么”。
实验支持到了哪一步
作者从 GameCraft-Bench 抽取 15 类、共 30 个游戏任务，改用 Phaser，给每套系统每题 24 小时预算。提交的操作记录会被重放并录制，再由模型按玩法、内容、功能视觉和美术评分，三次评分取平均。
一个较直接的对照是：同样使用 GPT-6.1-Sol、同一素材库和 Codex，只加入 VibeGame 的引擎，综合分从 64.44 提高到 67.13。这项改动同时包含结构化项目文件和运行控制，实验没有单独测量“暂停键”贡献了多少。
研究目前覆盖的是 2D 游戏任务。它给 Agent 工程提出了一个清楚的问题：我们有没有把软件运行后的状态，也做成 AI 能观察、能操作、能复查的接口？
论文：VibeGame: Prompt-to-Game Development with AI-Native Engine and Self-Evolving Adversarial Agent Team · 全文 · 源码
作者与机构：Wenbo Hu 等；南京大学、南洋理工大学、Liblib.ai
提交日期：2026-10-22（arXiv 预印本 v1）