ثمانية وكلاء في VibeGame يبنون لعبة 2D من نص وصفي ويتفوقون على نظائرهم في GameCraft-Bench

نشر فريقان من مختبر PRLab في جامعة نانجينغ ومختبر S-Lab في جامعة نانيانغ التقنية نظام VibeGame، وهو إطار ينشئ مشروع لعبة 2D متكاملاً انطلاقاً من وصف نصي وصور مرجعية اختيارية. يضم المشروع الشيفرة والمشاهد والرسوم المتحركة والفيزياء والإعدادات. يعمل داخل النظام فريق من ثمانية وكلاء متخصصين، ويُحفظ المشروع نفسه في ملفات نصية يستطيع الوكيل قراءتها وتعديلها دون محرر رسومي. وعلى مجموعة فرعية من GameCraft-Bench تفوّق النظام، في الوضع الذي يرسم فيه الرسومات بنفسه، على أطر وكلاء أخرى تعتمد النموذج الأساسي نفسه، ومنها GPT-6.1-Sol.

لماذا الألعاب أصعب من الشيفرة العادية

ينطلق المؤلفون من أن اللعبة من أكثر أنواع البرمجيات تطلباً. فعليها أن تدير عالماً تفاعلياً في الزمن الفعلي، وأن تحافظ على أسلوب بصري موحّد، وأن تلتزم بقواعد متوازنة. وكثير من الأخطاء لا يظهر إلا أثناء اللعب، إذ تتفاعل مدخلات اللاعب والفيزياء والرسوم المتحركة ومنطق التفاعل بطريقة تجعل مشروعاً سليماً من الناحية الشكلية ينهار أثناء التشغيل.

وبحسب تقدير المؤلفين، تغطي الأساليب الحالية المهمة جزئياً فقط. فنماذج العالم مثل Genie تولّد تجربة تفاعلية من الفيديو، لكنها لا تقدّم شيفرة مصدرية قابلة للتحرير. أما نماذج LLM داخل المحركات التجارية، مثل DreamGarden لمحرك Unreal، فتصطدم بحالة المشروع الموزّعة عبر الواجهات الرسومية والملفات الثنائية. وكثير من أنظمة الوكلاء لا يفحص اللعبة إلا في النهاية، أو يكتفي بالتأكد من أنها تُبنى وتعمل.

محرك يقرؤه الوكلاء

اعتمد المؤلفون على إطار الويب Phaser، إذ يمكن التعبير عن المشاريع فيه بالكامل بالنص. ولكي لا يُحدث الوكلاء فوضى، أضاف المؤلفون بنية منظّمة. فاللعبة مجموعة من المشاهد، وإعداداتها في ملفات JSON مع فحص للأنواع. وكل مشهد هرمية من العُقد، والعقدة تجمع المظهر وهندسة التصادمات وسكربتات السلوك والإعدادات. وتُحفظ العُقد المشتركة في ملفات مستقلة. ويرصد المخطط الإحالات المكسورة، مثل الإحالة إلى أصل غير موجود، قبل التشغيل.

الخاصية الثانية هي التحكم إطاراً بإطار. يستطيع الوكيل إيقاف اللعبة مؤقتاً، وتقدّمها بعدد محدد من الإطارات، وقراءة موضع العُقد وسرعتها أو تغييرهما، وإرسال أمر دلالي مثل «اضغط القفز»، والتقاط لقطة شاشة. وهكذا يجري الفحص بإيقاع الوكيل لا بالزمن الفعلي: إطاراً بإطار، أو عبر سكربتات أو بوتات. أما الخاصية الثالثة فهي أن الشيفرة المصدرية الكاملة غير المضغوطة للمحرك توضع في مجلد المشروع، ليطّلع الوكيل على واجهات API الدقيقة بدلاً من توثيق قديم.

فريق يجادل نفسه

تتوزع الأدوار كما يلي: المنسّق (orchestrator)، والمصمم، والفنان، والمعماري، والمبرمج، والمدقق، واللاعب، والمراجع. يحوّل المصمم طلباً مثل «معركة زعيم على غرار Hollow Knight» إلى وثيقة تصميم تتضمن الميكانيكيات والتقدّم والأنظمة الرقمية. ويصنع الفنان عبر نماذج توليد الصور، ومنها GPT-Image-2، الفن التصوري والأصول، ويزيل الخلفية ويوحّد الأحجام. وبعد موافقة المستخدم تصبح الوثيقة والفن التصوري مرجعاً مشتركاً.

تمر الشيفرة بسلسلة تضم المعماري والمبرمج والمدقق واللاعب. يفحص المدقق النتيجة بشكل ساكن بأدوات اتساق المحرك. ويشغّل اللاعب اللعبة عبر واجهة وقت التشغيل (runtime)، ويقيّم بمساعدة نموذج رؤية (vision) ما إذا كانت الصورة تطابق التصور. ولا تُعدّ المهمة الفرعية منجزة إلا بعد اجتياز الفحصين. وفي النهاية يقيّم مراجع مستقل المشروع من حيث سلوك اللعبة واكتمالها البصري واتساقها، وكذلك الإحساس بالتحكم. وإذا لم يجتز المشروع أي فحص، يعيده المراجع مع الأسباب، ويحوّلها المنسّق إلى مهام تحسين.

تطوّر ذاتي دون تدريب

بعد قبول المشروع، يستخرج النظام منه خبرة قابلة لإعادة الاستخدام من ثلاثة أنواع: الهياكل (skeletons)، والوحدات، وعقود التفاعل. والهيكل قالب مشروع قابل للتشغيل لنوع لعبة معيّن: بلا أصول، لكن ببنية الشيفرة والقيم المضبوطة وتدفق المشاهد. وتتكيّف المشاريع الجديدة مع هذه المواد وتعيد فحصها، ولا تنسخها نسخاً أعمى. أما ما لم يُتحقق منه وما يخص مشروعاً بعينه فيبقى معزولاً. وأوزان النموذج لا تتغير في أثناء ذلك.

وتُظهر تجارب الاستئصال (ablation) أن إزالة المحرك الأصلي للذكاء الاصطناعي (AI-native) أو المراجعين الخصوميين تخفض الدرجة الإجمالية بشكل كبير. كما أن الخبرة التي يستخرجها نموذج أقوى تساعد نموذجاً أضعف على تحسين نتيجته.

ما ينبغي مراعاته

يجري التقييم على مجموعة فرعية من GameCraft-Bench وفق أربعة محاور: الميكانيكيات الأساسية، وعمق المحتوى، والجانب البصري الوظيفي، والعرض الفني. والنتيجة النهائية درجة موزونة واردة في ملحق الورقة. ولا توجد في النص المتاح قيم محددة، ولذلك لا يمكن التحقق من حجم التفوق على المنافسين. وقد أجرى المؤلفون أنفسهم المقارنة مع الأطر الأخرى. والإطار مقصور على 2D ومرتبط بـ Phaser. وبالنسبة للمطورين فالخلاصة عملية: التمثيل النصي للمشروع، والتحكم في وقت التشغيل إطاراً بإطار، ودور المراجع المستقل، كلها أساليب يمكن نقلها إلى خطوط وكلاء (agentic pipelines) أخرى. والشيفرة والعرض التوضيحي منشوران على موقع المشروع وفي مستودع على GitHub.