OpenGame: Open Agentic Coding for Games

游戏开发处于创意设计与复杂软件工程的交汇点，要求游戏引擎、实时循环机制以及跨多个文件的高度耦合状态之间实现协同运作。尽管大型语言模型（LLMs）和代码智能体目前已能轻松完成孤立的编程任务，但当被要求依据高层级设计规范从零构建一款可完整运行的游戏时，它们却屡屡受挫——往往因跨文件不一致、场景连接断裂以及逻辑自相矛盾等问题而彻底失效。为弥合这一关键鸿沟，我们推出了 OpenGame：首个专为端到端网页游戏创作而设计的开源智能体框架。其核心是“游戏技能”（Game Skill），一种可复用、持续演进的能力模块，由两部分构成：一是“模板技能”（Template Skill），它通过经验积累不断扩充项目骨架模板库；二是“调试技能”（Debug Skill），它维护一套动态更新、经实证验证的修复协议。二者协同作用，使智能体不仅能快速搭建稳健的架构基础，更能系统性地定位并修复集成层面的错误，而非仅修补孤立的语法层面缺陷。驱动该框架的是 GameCoder-27B——一款专精于游戏引擎掌握的代码大语言模型，其能力通过三阶段训练流程持续强化：持续预训练（continual pre-training）、监督微调（supervised fine-tuning）以及以实际执行效果为反馈信号的强化学习（execution-grounded reinforcement learning）。鉴于验证交互式可玩性本质上远比检查静态代码复杂得多，我们进一步提出了 OpenGame-Bench：一个面向智能体生成游戏的评估流水线。该流水线依托无头浏览器执行（headless browser execution）与视觉语言模型（VLM）评判，从“构建健康度”（Build Health）、“视觉可用性”（Visual Usability）和“意图对齐度”（Intent Alignment）三个维度对生成结果进行综合评分。在涵盖150个多样化游戏需求提示的基准测试中，OpenGame 刷新了当前最佳性能纪录。我们期望 OpenGame 能推动代码智能体突破离散式软件工程问题的局限，真正迈向构建复杂、交互式的真实世界应用。本框架将完全开源。

现有大语言模型和代码智能体虽能解决孤立编程任务，但在端到端生成可运行、跨文件一致、逻辑连贯的完整网页游戏时表现脆弱——常因场景连接错误、状态耦合失效、构建链断裂而失败。该问题本质是‘交互式系统级合成’挑战，非单纯代码生成问题，此前尚无专为游戏开发全生命周期设计的开源智能体框架。

提出OpenGame：首个面向端到端网页游戏构建的开源智能体框架；核心创新在于双技能协同机制——Template Skill（基于经验持续演化的项目骨架库）实现健壮架构初始化，Debug Skill（维护可执行验证的修复协议库）实现跨文件集成错误的系统性诊断与修复；并配套训练专用代码大模型GameCoder-27B（经游戏引擎语料持续预训练、监督微调及执行反馈强化学习三阶段优化），突破通用代码模型在实时交互逻辑建模上的局限。

引入OpenGame-Bench评估体系，首次将可玩性（playability）作为核心指标，通过无头浏览器自动构建+执行+截图，并结合视觉语言模型（VLM）进行多维评判（Build Health/Visual Usability/Intent Alignment）；在150个多样化游戏提示上全面评测；全部代码、模型权重、基准数据集及评估工具链将完全开源；未来方向包括：跨引擎泛化（Unity/WebGPU）、玩家行为驱动的动态需求演化、以及多智能体协作游戏开发范式。

CodeT5+（2023）、StarCoder2（2024）、SWE-agent（2023）、DevIn（2024）、GameLLM（ACL 2024 Workshop）、GENIE: Game Environment as a Language Model Interface（NeurIPS 2023）