6個Agent組團Vibe Gaming：自己生成、試玩、修Bug

一款名為 Vibe Gaming 的實驗性項目近期引起開發社群討論，其核心特色是由六個 AI Agent 組成團隊，協作完成從遊戲生成、實際試玩到修復 Bug 的完整流程。不同於過往單一模型直接輸出代碼的作法，這個多 Agent 系統試圖透過分工與循環反饋，解決 AI 生成遊戲時最容易被忽略的問題——代碼能運行，往往只是第一步。在該系統生成的其中一個遊戲場景中，可以清楚看到這種挑戰的具體體現。畫面上，敵方坦克出現在螢幕中央，炮管鎖定玩家角色，戰鬥看似即將展開。但當玩家操控角色靠近敵人後，坦克並沒有如預期發射炮彈，反而揮起炮管，開始以近身攻擊的方式撞擊玩家。

第一眼望去，這很像是典型的 AI 「抽風」——模型未能正確理解遊戲機制，產生不合邏輯的行為。然而，繼續遊玩下去會發現，移動、碰撞、攻擊與傷害判定等底層邏輯竟然都能正常運作。換句話說，這款遊戲雖然偏離了常見設計，卻意外形成了一套可以成立的新玩法。坦克揮動炮管進行近戰，雖然不符合一般坦克遊戲的直覺，但在這套 AI 生成的規則下，它確實是可運行的機制。這個案例精準點出了當前 AI 生成遊戲的最大盲區：模型往往能產出看似完整的代碼，但遊戲性、設計一致性與玩家體驗的合理性，並不是單純靠語法正確就能保證的。Vibe Gaming 的六個 Agent 正是為了解決這類問題而設計。

根據計畫描述，六個 Agent 各自負責不同環節：有的專注於生成初始遊戲邏輯，有的負責模擬遊玩並找出異常行為，有的則分析 Bug 根源並提出修復方案，還有的負責重新編寫或調整代碼。透過這種閉環分工，系統可以在生成後自動進行測試與迭代，而不像傳統作法那樣，需要人類開發者逐一檢查每一行程式。在上述坦克案例中，如果只靠單一模型一次生成，很可能就停留在「坦克用炮管近戰」這個表面錯誤上，直接被判定為失敗輸出。但在多 Agent 協作下，系統可以進一步確認該行為是否影響遊戲核心功能——例如碰撞判定是否正常、攻擊動畫是否觸發、傷害數值是否計算——從而判斷這是否屬於「可接受的變異」而非「需要修復的錯誤」。

正是這種層層反饋，讓意外的新玩法得以被保留，而非被粗暴刪除。從更廣的視角來看，Vibe Gaming 代表了一種 AI 輔助遊戲開發的新思路：與其追求單一模型一次性生成完美遊戲，不如讓多個專業化 Agent 協作，模擬人類團隊中程式設計師、測試員、設計師之間的反覆溝通與修改。這種模式不僅能提升生成內容的穩定性，也能捕捉到人類開發者可能忽略的創意變異——就像坦克近戰這個例子，如果是由人類團隊設計，很可能一開始就不會考慮讓坦克用炮管揮擊，但 AI 的「失誤」反而開闢了新的玩法可能性。當然，目前這套系統仍處於早期實驗階段。

從公開的展示來看，坦克遊戲的整體完成度有限，除了近戰機制之外，地圖設計、敵 AI 行為多樣性等層面仍有明顯改進空間。但 Vibe Gaming 的價值在於，它具體展示了「代碼能運行只是第一步」這句話背後的複雜性——一個遊戲要真正好玩、合理，需要經過無數次微小調整，而多 Agent 協作正好提供了一種自動化迭代的可行路徑。未來，隨著 Agent 數量增加或分工更細致，這類系統或許能進一步處理更大型的遊戲專案，甚至參與到關卡設計、數值平衡等創造性工作中。

而坦克揮動炮管近身攻擊這個看似荒謬的畫面，反而成了提醒業界的重要案例：AI 生成遊戲的真正挑戰，從來不是寫出能編譯的代碼，而是寫出有人願意一直玩下去的遊戲。Vibe Gaming 的六個 Agent 正試圖用團隊合作的方式，跨過這道門檻。