AI智能体大战末影龙

(视频)

4个Gemini AI代理组队打通《我的世界》：这场“史诗级通关”背后隐藏的4个颠覆性事实

1. 引言：当AI开始在《我的世界》里屠龙

在大多数科技爱好者和玩家的固有印象中，《我的世界》（Minecraft）一直是个近乎无限自由的体素沙盒（Voxelized sandbox）。人们在里面挥洒创意——从盖栋温馨的小木屋、搭建宏伟的神庙，到利用红石电路在游戏里硬生生“造”出电脑硬盘甚至 CPU。

然而，上一周提交至 arXiv 预印本服务器的一篇最新研究论文，彻底打破了这种温馨的认知：四个 Gemini 4 Argon AI 代理在一个完全无人干预的沙盒生存世界中，通过团队协作，成功击败了游戏的最终 Boss——末影龙（Ender Dragon）。

根据论文记载，这是人类已知首个由 AI 代理端到端自主完成《我的世界》通关的案例。整场实验没有人类预先勘测并挑选游戏种子（Seed），也没有使用任何由人类专门编写的游戏特定辅助工具。

表面上看，这似乎又是一场 AI 战胜人类游戏的“科技秀”；但只要你撕开这层“史诗级屠龙”的包装，仔细审视其底层的技术实现与数据，就会发现这场通关背后暴露出了 AI 发展进程中极其反直觉、甚至带点讽刺意味的颠覆性真相。

2. 颠覆事实一：AI根本不是在“玩”游戏，而是在疯狂写代码

人类玩《我的世界》，靠的是眼睛盯着像素屏幕，双手配合敲击键盘和挥动鼠标。但如果以为这四个 Gemini 代理也是在用视觉识别或模拟按键“玩”游戏，那你就大错特错了。

在整场通关过程中，AI 代理总共编写了多达 2,783 个 JavaScript 程序。它们根本没有直接接触游戏渲染界面，而是调用了一个名为 Mineflayer 的开源高阶 JavaScript API 库（专门用于创建 Minecraft 机器人）。AI 代理的作用机制，本质上是写出一段段简短的代码指令，发给游戏后台运行，再通过读取系统返回的纯文本反馈来判断环境。

论文原文将这种机制阐述得极其透彻：

“rather than seeing pixels or pressing keys, an agent acts by writing and running a short JavaScript program, such as walk to these coordinates and mine every iron ore within 16 blocks, and by reading the text that comes back.”
（代理并非通过观看像素或按下按键来操作，而是通过编写并运行一段短 JavaScript 程序——例如“行走至该坐标并采掘16个方块内的所有铁矿石”，并通过读取返回的文本信息来采取行动。）

这种操作方式在人类看来不仅毫无游戏乐趣，而且迂回得令人发指。但它恰恰暴露了当前大模型技术的底牌：这些 Gemini 代理本质上是通用编程代理（General-purpose coding agents）。 它们擅长的从来不是“打游戏”，而是“写代码”。对 AI 而言，杀死末影龙根本不是一次热血的勇者冒险，而是一项被分解为数千个微型脚本的大型自动化编程任务。

3. 颠覆事实二：没有预设分工，AI团队竟自发“悟”出了人类的协作模式

在多智能体协作（Multi-agent coordination）领域，最让研究人员兴奋的词莫过于“涌现行为”（Emergent Behavior）。

令人惊讶的是，研究团队在初始提示词中，除了加上一句“由玩家自行决定如何分担工作”外，根本没有指定任何具体的角色定位或职责分工。然而，在最终获胜前所交换的 229 条消息中，这四个 AI 代理竟自发演化出了一套类似于高效人类团队的协作规范。

它们不仅在对话中相互协商、分配采矿与建造等任务，还会主动通报各自的成功与失败。研究论文在关于“涌现行为”的章节中特别记录道：

“Nothing in the agents’ instructions mentioned roles... Over the 229 messages they exchanged before the win, the team converged on practices familiar from effective human teams.”
（代理的指令中没有任何关于角色的描述……在赢取胜利前交换的229条消息中，团队自发收敛出了高效人类团队所熟知的协作习惯。）

没有项目经理（PM）画饼，没有预设的代码框架，靠着文本框里的 229 次沟通，AI 居然自发重现了人类工程团队的协作逻辑。这种自我组织的涌现能力，确实展示了多智能体系统在处理长周期复杂任务时的巨大潜力。

4. 颠覆事实三：死过605次、22%代码报错——依靠“笨办法”硬怼出来的胜利

先别急着为 AI 的“自我觉醒”惊呼。如果把这场通关的“财务报表”和“战报”摊开来看，你可能会忍不住笑出声来——这根本不是什么算无遗策的神级操作，而是一场赤裸裸的“算力暴力求解”。

看看研究数据披露的真实惨状吧：

• 惨不忍睹的死亡率：在人类看来闭着眼睛都能过的简单模式（Easy mode）下，四个 AI 代理一共死了 605 次，而且“主要是死于怪物之手”。
• 极高的代码 Bug 率：AI 代理编写的代码中，有 22% 的程序以报错（Error）告终。
• 效率低下到令人发指：光是琢磨怎么杀死最后的 Boss 末影龙，AI 团队就花了近 14 个小时——用论文作者那句幽默的调侃来说：“怎么说呢，这 Boss 至少还不是《艾尔登法环》里的女武神玛莲妮亚（Malenia）吧。”
• 高昂的账单：整个合作通关过程持续了一天多一点的时间（just over a day's worth of cooperative gameplay），而消耗的 Token API 成本高达 520 美元。

“...playing on Easy mode, they nevertheless managed to die a total of 605 times, 'mostly to monsters.' The paper also notes that '22% of programs [written by the agents] ended in an error' and that it took them 'nearly 14 hours' to figure out how to defeat the final boss, which... well, it's not Malenia, put it that way.”
（……在简单模式下玩游戏，它们依然成功地死共计 605 次，‘主要是死于怪物’。论文还指出，‘代理编写的代码中有 22% 以错误告终’，它们花了‘近 14 个小时’才弄清楚如何击败最终 Boss——怎么说呢，这 Boss 至少还不是女武神玛莲妮亚吧。）

花了 520 美元、写出近千段报错代码、在简单模式下死成筛子，才靠硬砸算力把一个难度远不如女武神的沙盒 Boss 熬死。这种“伪装成涌现智能的硬编码暴力破解”，既展示了当前 LLM 代理的韧性，也将其低效、昂贵、缺乏真正物理常识的软肋暴露无遗。

5. 颠覆事实四：打败末影龙只是表象，真正的目标是替代复杂软件工程

研究人员为什么宁愿烧掉 520 美元 Token，也要让四个大模型在沙盒里“折腾”一天？答案很现实：打游戏只是做 Benchmarking（性能基准测试），科技巨头们真正的醉翁之意，在于验证通用编程代理处理长视野编码（Long-horizon coding）与多智能体协调的能力。

现实世界中的企业级软件开发，本质上与打通《我的世界》具有高度的同构性：都需要在长周期内持续编写代码、面对充满不确定性的系统反馈，并依赖多个人员/模块之间的沟通配合。正如论文摘要所言：

“Complex real-world software engineering and enterprise tasks demand the same long-horizon coding and multi-agent coordination.”
（现实世界中复杂的软件工程与企业级任务，同样需要这种长视野编码能力与多智能体协调能力。）

然而，如果跳出单纯的技术视角，以更锐利的行业视角来看，这场实验所暗示的未来并不完全美好。

正如不少技术评论员所指出的那样，看着这篇论文，再联想到当前 AI 行业充斥着明目张胆且未受惩罚的知识产权侵权（brazen, unpunished IP thefts），以及**死命将 AI 强行塞进每一款软件（shoehorn AI into any and every conceivable piece of software）**的狂热风潮，不免令人感到深深的沮丧与不安。

这场“游戏通关”绝非终点，而是过去由人类程序员独占的岗位走向大规模自动化的前奏。更讽刺的是，自动化的红利恐怕不会公平地惠及大众，而是进一步集聚在那些一边喊着“技术变革不可避免、你们只能忍着并去学写代码”，一边靠卖 API 抽税的高管与资本家手中。

6. 结语：自动化浪潮下的思考

从疯狂输出 2,783 段 JavaScript 代码，到依靠 229 条对话消息自发收敛出协作框架，这四个 Gemini AI 代理用一种既笨拙无比又震撼人心的“硬怼”方式，向我们展示了 AI 代理在长视野复杂工程中的可怕潜力。

虽然它们现在还会犯下 22% 的代码报错，还会在简单模式下死上 605 次，但别忘了，AI 最不缺的就是算力演化的速度。

当 AI 已经学会通过“自主写代码+团队沟通”来解决复杂的沙盒难题时，作为开发者的我们，或许该认真思考一下：当人类程序员从代码的“撰写者”被迫转型为这群混乱、高报错但不知疲倦的 AI 代理团队的“监工”与“调试员”时，我们真正的核心价值，究竟该安放何处？

欢迎在评论区留下你的看法，我们一起聊聊。