只要给AI一句“生成一款坦克大战游戏”，相关代码往往很快就能跑起来。

敌方坦克会出现在屏幕中，炮管对准玩家，战斗看起来已经正式开始。但当玩家靠近敌人后，坦克并没有发射炮弹，反而挥动炮管发起近身攻击。

乍看之下，这像是一次典型的AI生成失误。可继续体验后会发现，移动、碰撞、攻击和伤害判定其实都能正常运行。

它虽然偏离了传统设计思路，却意外形成了一种自洽且可玩的新玩法。

△坦克挥动炮管近身攻击

这也揭示了AI生成游戏中一个最容易被忽视的问题：代码能够运行，只是起点。真正困难的部分，是让游戏成为一个可以持续交互、能够真正游玩的系统。

代码能跑，游戏为什么还是不能玩？

过去一年，大模型已经生成了大量贪吃蛇、平台跳跃、射击等小游戏。

但页面能正常打开、角色能够移动，并不意味着玩家就能顺利完成一局游戏。

比如，平台高度可能超出跳跃上限，敌人虽然有动画却没有攻击判定，障碍物刷新频率也可能不断叠加，最终变成一条根本无法通过的“必死路线”。

而且，后续修改同样可能引发连锁反应。

用户也许只是想把角色跳跃能力调高一点，系统却可能连重力和其他物体的运动轨迹一起改掉；代码勉强修完后，素材还可能出现缺失，或者整体美术风格不统一。

每个局部看起来都没有问题，组合到一起却依然不好玩，这正是AI游戏生成中的“可玩性黑洞”。

它比单纯的编译报错更难解决。代码报错通常可以定位到具体文件和行号，但游戏“不好玩”往往同时牵涉数值平衡、地图设计、交互反馈以及玩家操作体验。

只有把这些因素重新放回同一个运行流程里统一检查，系统才可能真正判断问题到底出在哪里。

△从基础代码生成结果到主题化可玩版本

△Spellcaster六Agent创作与验证闭环

Spellcaster生成的不是一段孤立代码

Spellcaster的做法，是先把用户输入的需求整理成游戏规则、角色能力、关卡目标、胜负条件、敌人行为以及关键数值，然后交给多个专用Agent协同完成。

• Rule Agent负责规则，Level Agent负责关卡，Asset Agent负责素材；
• Playability Agent和Simulation Agent会检查关键路径是否可达、核心交互是否有效，以及游戏是否存在必死局面；
• 一旦发现问题，Repair Agent会继续定位问题究竟属于规则、数值、关卡、素材还是代码，并进行有针对性的局部修复。

这套流程并不追求“一次生成就结束”，而是建立起“生成—运行—检查—修复”的闭环。

用户拿到结果后，依然可以继续通过对话优化内容：调整角色速度、增加敌人数量、修改关卡结构，或者切换视觉风格。

系统会根据用户的修改意图，只处理对应部分，而不需要每次都从零开始重新生成。

从一句话到可玩原型

整个AI游戏生成过程可以概括为四个步骤：先把创意变成能够运行的游戏原型，再通过对话不断迭代玩法和数值，随后结合实际运行结果修复问题，最后完成素材匹配与视觉装配。

例如输入“生成一个星空背景的弹幕射击游戏”，大约15分钟后，就可以拿到一个能够试玩的游戏原型。

目前，平台跳跃、塔防、跑酷、地牢肉鸽、弹幕射击等常见游戏类型，都可以通过这套流程生成，并在此基础上继续修改和优化。

△十二款游戏原型同屏展示

这套流程也正在改变游戏原型的使用方式。

对独立开发者来说，可以先快速验证一个玩法是否值得继续投入；对内容创作者来说，可以把互动故事或网络热梗转化为可操作、可体验的版本；而普通用户也不必先掌握编程知识或游戏引擎。

如果第一版效果不符合预期，用户还可以继续要求系统调整规则、难度和画面表现，而不是重新面对一份陌生且复杂的代码。

回到文章开头那个例子，在只关注代码正确性的流程里，它很容易被当作错误直接删除；但在加入可玩性验证之后，它也可能被识别为一条逻辑自洽、能够成立的新玩法路径。

对于游戏原型来说，价值有时不仅来自精准复现既定设计，也来自那些没有被预先规划、但确实能够成立并且可以玩的意外结果。

下一阶段：世界模型直接生成游戏画面

当前的Spellcaster，采用的仍然是“AI生成代码和美术素材，再由游戏引擎运行”的实现路径。

AI正在改变游戏开发与内容生产方式，但代码依旧是连接创意与最终画面的中间层。

团队已经把下一阶段的方向明确指向世界模型：

玩家的移动、攻击和选择，会与当前画面、角色状态、交互历史一起成为模型输入；随后由模型实时预测游戏世界接下来会发生什么，并直接生成下一时刻的画面与反馈，而不再把传统代码和引擎渲染管线作为核心中间环节。

这意味着，AI游戏将从“自动生成一个可以运行的项目”，进一步走向“实时推演一个能够响应玩家行为的世界”。

支撑这次技术跨越的，是团队在智能体和世界模型方向上的长期积累。

Spellcaster背后的DarwinMind（杭州达迩文智能），长期布局多智能体系统与世界模型领域。其核心成员分别来自浙江大学、南京大学以及澳大利亚国立大学。联合创始人中，有多位是浙江大学博士生导师，长期深耕世界模型、多模态大模型和智能体系统等研究方向。

内测申请：https://www.spellcaster.world/releaseplan
Don't Code. Just Cast.