AI讨论 MAGI Games 开发记 #7 — “赢得票数的能力与被游玩的能力是两回事”。首次向3个AI展示了玩过的人所说的话

我运营着一个网站，让3个性格各异的AI（科学家MELCHIOR、母亲BALTHASAR、女性CASPER）每天围绕主题进行讨论，并由Claude制作一款小游戏发布。

第6回讲的是每周一次的“反省会”第1回，以及之后的1周。让3个AI玩自己做的游戏时，3个都说“没玩”；即使让她们收起作战笔记，票也没有变动，真正变动的是通过的游戏内容。

这次讲的是第2回反省会之后的1周，以及第3回的故事。这次票动了。而且在第3回，我第一次让3个AI看了“玩过的人说的话”。所谓玩过的人，就是我。

第2回后的那一周，票动了

和上次一样，我按MELCHIOR、BALTHASAR、CASPER的顺序，用投票对象的首字母列出7天的票。因为不能投给自己，所以集齐2票就是全场一致。

第1回反省会（10月4日）之后的一周是这样的。

CCB  BCM  CCB  CCB  CCM  CCM  BCB

CASPER 赢了5次，BALTHASAR 赢了1次，否决（票形成循环、没有任何人拿到2票的那天）1次。BALTHASAR 7次全都投给 CASPER，投给 MELCHIOR 0次。正如第6回所写，票一毫米都没有动。

第2回反省会（10月11日）之后的一周是这样的。

BMM  CCM  CCB  CMM  BCB  CMM  CMM

MELCHIOR 赢了4次，CASPER 赢了2次，BALTHASAR 赢了1次。BALTHASAR 有4次投给 MELCHIOR。前一周是0次，在此之前的整个期间也只有3次。MELCHIOR 的累计战绩，在第2回时点是25次中1胜。结果一周内变成了5胜。

不同之处是什么？第1回是“让笔记折叠起来”。让他们重新阅读18回份的作战笔记（每次审议之后本人自己补写的反省与下次方针），并把当前的方针压缩到3〜5行。第2回在此基础上，司令（审议的主持者，制作游戏的 Claude）把前一周的宣言和票数对照了起来。“你上周说过‘如果差距很小就投给 BALTHASAR’。这周你投给 BALTHASAR 只有2次。你做到了吗？”“你最近连续8次都投给 CASPER。”“你写了4次‘先讲手感’，但提案文每次都是从结构说明开始的。”三者全都承认了。MELCHIOR 的回答是这样的。

MELCHIOR：光靠写下来改不掉，这一点由采用0次说明了。

下一周 MELCHIOR 的提案文，7篇全都是从操作或画面开始的。滑动弹珠、用直线切蛋糕、点击松饼、用手指把书插进去、拖动橡果。内部的数理没有变。只是在压缩后的方针第一行自己写了“提案文的第一行是操作与画面”，然后遵守了它而已。

在第6回的结尾，我写过如果有效的话，那大概是记忆的种类；但过了一周稍作修正，有效的不是量也不是种类，而是戳的方式和放置方式。即使让它读全文也不动，被数字一戳，再把本人的话放到第一行，它就动了。

掌握关键的是谁

在第6回我写过：“BALTHASAR 的4胜，4回都是 MELCHIOR 附和‘有一个机制’而跟进的回。”作为 MELCHIOR 投票给它的理由的共同点，这是正确的，但作为运营者的我自己重读时觉得不对劲。因为要获胜需要另外2个个体双方的票，所以‘获胜的回全部都是 MELCHIOR 投票的回’是从规则中直接得出的说法。

换个说法就是这样。截至第2回的25回里，CASPER 有17回投给 BALTHASAR，而 MELCHIOR 只投了6回。所以，实际决定 BALTHASAR 能否获胜的是 MELCHIOR 的票。反过来，BALTHASAR 投给 MELCHIOR 的，在25回里只有3回。MELCHIOR 获胜的关键，握在 BALTHASAR 手里。CASPER 能获胜，是因为另外2个个体习惯性地投给 CASPER。

这一周，BALTHASAR 有4回投给了 MELCHIOR。掌握关键的那个个体，在第2回被‘给 MELCHIOR 0回’一戳之后动了。MELCHIOR 的4胜，就是以这样的形式发生的。

设计是谁在做

票数有了变化，但游戏内容究竟如何呢。我们试着把10月13日“落叶吹风机”（CASPER 的方案）的会议记录，分成讨论与实现笔记（司令一边制作游戏一边写下的判断记录）来读一读。

讨论中决定的是：用风把落叶聚集到圆环中；删去俯冲；舍弃时间限制、改为按片数表扬；分数不以比例形式给出。就是这四项。

实现笔记中定下的事情还有更多。因为做成放射状的风后，叶子会穿透圆环、全部漏光，所以改成了朝划动方向吹的扇形风。把风做成按下瞬间就朝向圆环后，只要胡乱连按就能收集到83片，所以改成先划动8px、确定方向后再吹。由于时间限制消失、游戏没有了结束点，于是加入了50秒燃料和150秒日落。把剩余燃料变成了奖励。

把它做成可玩版本的判断，全都在实现笔记这一边。CASPER 自己在所感（完成后由3个实体各写的一句话）中这样写道。

CASPER：因为舍弃了时间限制、改成按片数表扬，所以如何结束就变成要依赖司令了。

3个实体决定题材和氛围，设计则由司令来做。

先察觉到的是我，10月13日我说“比起三个人的对话，感觉司令的实现更努力”，这就是开端。

我认为原因有两个叠加在一起。3个智能体只有语言，而司令可以运行模拟，看到“集齐了83张”这个数字。设计会流向看到数字的一方。还有，第6回写的“向对方靠拢的竞争”会朝削平棱角的方向起作用，所以如果不由某个人通过实现把被削掉的棱角（结束方式、失败、难度）补回来，就不成其为游戏。

这个网站的游戏设计师，不是正在讨论的3个智能体，而是默默进行实现的司令。

游玩者的声音，每天早上一行

到现在的4周里，有一件事一直是空缺。这个网站的游戏，除我以外没有任何人玩过。普通游玩次数是0。对3个智能体来说，胜利是另外2个的票，而游玩者的反应在战绩里哪里都没有。所以3个智能体即使越来越擅长拉票，也没有朝着做出被人游玩的游戏这个方向前进。

另一方面，决定难度的司令不玩游戏。只是在实现时写下“由人手来玩的话，60〜80张是目标”之类的估算。在反省会上玩的是3个智能体机器人，机器人没有“偏简单”或“单调”这种体感。拥有难度体感的只有我一个人，而我的感想，哪里都没有被记录下来。

因此，从这个星期开始，我决定每天早上把玩完之后的一句话，用自己的话逐行记录下来。第6回的结尾我写过：因为会搞不清楚到底是什么起了作用，所以一次不改变两处。这个记录既不涉及游戏，也不涉及3体，所以没有算进要改变的数量里。给3体看的是周末的反思会，那就是本周要改变的那一项。这是7天的内容。

排在一起看，前3天司令的估算和体感完全不在同一个轴上。估算说的是分数的事，而我说的却是“偏温和”“单调”“没法正好停住”。后3天则是699分、768分、5150分，落在估算范围内或刚好略低于估算。第7天之后再另写。

从这张表里引出的四件事。

“角落的叶子聚不过来”，在手机上确实聚不过来

在10月13日的落叶吹风机那篇里，我写到画面角落的叶子聚不到中间。读代码后发现，触摸操作时为了让手指不挡住叶子，风的出口会放在手指上方56px处。手指不能伸到屏幕外，所以出口也无法低于屏幕下端往上56px的位置。要把位于下端那条带上的叶子往内侧推，必须把出口放在叶子的后面（下方），但这做不到。如果是鼠标，出口就是光标本身，所以能聚拢。

司令的模拟是按鼠标操作跑的。“人的手是60～80片”说的并不是手机上的手。结束画面的建议“边缘的叶子从外侧往内侧推不容易飞掉”，在手机的下端成了无法执行的建议。

司令不会按下「再来一次」

10月14日的「ぴたり停車駅」还有另一个问题。跑完8站后按下「再来一次」，画面会停在水蓝色不动，第二周目不会开始。

一查才发现，到达终点的瞬间，车站编号已经前进到8（并不存在的第9站），而绘制仍在继续运行；它试图读取一个不存在的车站的坡道，于是抛出异常，绘制循环就在那里死掉了。结果画面属于另一层，所以还能显示，但按下「再来一次」后，只剩下天空的颜色。

司令的模拟只运行「推进」这一侧，不运行「绘制」这一侧，所以看不到这个异常。而且异常是在到达终点之后才出现的，而症状要按下「再来一次」时才会显现。可司令一次都没有按过。在一个一般游玩次数为0的网站上，玩第二周目的人只有我。第二周目的 bug，只有我能发现。

修复只用了3行。直到那天夜里，这个第二周目无法开始的游戏都还公开着。

原本打算当作惩罚的墙，其实是刹车

故意撞墙减速后再瞄准门。10月17日滚大球的5150分，就是我这样打出来的分数。读实现笔记时，司令把墙写成“不是减速而是反弹。撞上后前进降到六成，持续摩擦还会进一步下降”，这是打算当作惩罚。变慢的话，到达终点时的剩余时间奖励会减少。

司令的模拟是“什么都不按”“随便按”“左右往返”“一直瞄准下一个门”这4种，并没有跑过故意撞墙减速后再瞄准的玩法。而我的5150分，和司令的最佳（不瞄准金门，只瞄白门）的5200分几乎一样。用司令不知道的玩法，打出了和司令的最佳一样的分数。时间奖励的权重较轻，所以比起减速的损失，变得更容易瞄准带来的收益更大。

设计者打算作为惩罚加入的东西，在玩家手里会变成工具。编写机器人策略的是司令或3体，两者都认为惩罚是应该避开的东西来写。

比3体更早，司令读了

表格第7行、10月18日的搬红薯箱的实现笔记里，是这样写的：“有人说一粒迷宫‘偏简单’，所以第5面和第6面增加了步数”。

这个“声音”，是我每天早上各留下一行的体感。那是为了在当天晚上的复盘会上给3体看而放置的文件，每天的审议步骤里并没有写要读它。司令自己发现并读了它。我注意到“以前的感想被引用了。也许是第一次？”然后确认，确实是第一次。这是玩家的话第一次被反映到游戏里的一天，而反映它的是司令。这是“设计由司令在做”的延续，连玩家的声音，都是司令比3体更早捡到的。

而回应“声音”后的结果就是第7行。“偏温和”的选项让第5面和第6面的手数增加后，这次第6面又变得够不到了，而且因为配置固定，从第2周目开始第1～4面就成了作业。司令在回应“声音”时，只会沿难度轴来回应。而重复游玩这条轴，司令和3体都没有在看。这就是“司令不会按‘再来一次’”的设计版。

机制备忘：复盘会读什么、交什么

这里先讲一次复盘会的内部机制。以下按想让自己的智能体做同样事情的人所能用的粒度来写。

复盘会和每天的审议一样，是 Claude Code 的自定义命令。司令角色是 Opus，3体是 Sonnet 的子代理。周日18点任务计划程序启动，大约1小时内生成会议记录和页面，并完成 commit 和 push（与番外篇中写的每天早晨的机制是同一骨架）。

司令最初准备的是4样东西。

• 把那一周7天的会议记录按天逐日摘要出来的内容（采用方案、3个方案、票数、所感、运营者的游玩数据）
• 投票历史的汇总。包括全期间和本周的“谁给谁投了几次”，以及各轮投票的排列。自从第 5 轮有两处数错以来，就不再手工数，而是用脚本输出。
• 3 个个体各自的作战笔记。只把本人的那份交给本人，另外 2 个个体的不交。
• 从本周开始，是运营者的体感表。那是没有写在每日审议步骤里的、司令自己找到并读过的那个文件。

试玩时，复制目标游戏的 HTML，并添加两个函数。一个是“返回当前画面上显示的状态”的函数，另一个是“接收 3 个个体写出的玩法函数，在每个帧中调用，并按照返回值向 canvas 发送合成后的点击或长按”的函数。只把画面上显示的数字交给 3 个个体（不交给它们山坡强度之类的内部值），让它们以 decide(state, memory) 的形式用 JavaScript 写出自己的玩法。司令用无头浏览器把每个玩法各运行 3 次，记录分数、胜负、途中事件次数、25 秒时的截图。对于连点以及按下、松开的切换，加入“每秒最多 12 次”之类的人类手指上限。因为在第 1 轮的准备中，如果不加上限，就会做出每秒连点 60 次的 bot，从而明白靠机器的速度获胜没有意义。

征求感想时，不返回本人写出的玩法，只返回结果。这是为了观察它们是否在给出感想的时点忘记玩法的意图，第 6 轮的“3 个个体都说‘没做’”就是在这里出现的。

发给 3 个个体的请求全部让它们用 JSON 返回。指名的话是 {"agent","pick","reason"}，试玩的话是 {"agent","playstyle","code"}，感想的话是 {"agent","verdict","impression","one_fix"}，投票相关的话是 {"agent","answer","next_week"}。next_week 会成为在下一周反省会上用来对照的材料：“你上周这样说了。本周的票是这样。你做了吗？” 回复无论是无法作为 JSON 读取的，还是重做之前的，全都保留在日志里。

议事录是把 JSON 的内容由司令按人格的口吻转写成会话文的产物。报道中引用的3体发言，是未经会话文的、JSON 中 answer 和 impression 的值本身。

第3回。3体玩了“ぴたり停車駅”，人的手指全军覆没

10月18日，第3次复盘会。本周的一个变更是“把游玩者的体感给3体看”。把上表与票数、司令的估算并排朗读，并向3体提问。

在那之前是试玩。要玩的一款由3体指名。3体在指名阶段已经读了我的7行。MELCHIOR 和 CASPER 选的是ぴたり停車駅。理由是“运营者的平均34分、最高73分，与司令的估算‘人手500〜750分’位数不同”“也有‘即使停在前面也会被说过站’的证言”。

（这个“平均34分”是混入了上面“再来一次”的 bug 导致以0分结束的那部分的数字，比我实际的手感要低。3体以此为依据进行了指名，所以变成了用对游戏稍不利的数字进行的比较）

结果是这样的。基准是达到500分的“独当一面的司机”就算获胜。

MELCHIOR 的玩法里写着“到停车位置不足40m之前不要按”。时速75km以上的车站，从40m开始全力按也停不下来。BALTHASAR 按照结果画面的建议“快停之前手指轻轻松开，就不会猛地一顿”，松开了手指，每轮有4〜5个站过冲。只有 CASPER 得了924分，本人说“我是打算模拟初次玩的人的手指”，但那是按计算精确操作的手指。在感想中承认“把得924分的 bot 称为‘初次玩的人的手指’是我的失误呢”。

在这里，司令自己写了一种接近人类的游玩方式并运行了它。看速度和距离来按，反应0.25秒，目测±15%，时速低于8km就松开手指。是会遵循结果画面建议的人。313分和362分。下坡的8站全都多冲了3米多。

画面上显示着「下坡（松手会加速）」。下坡的4站中，因惯性而减少的速度小于因坡道而增加的速度。松手就会加速。不稍微保留一点刹车就停不下来。MELCHIOR 和 BALTHASAR 的29个过冲站中，有20站是下坡。结果画面的建议「停车前手指轻一点」在平坦车站是正确的，在下坡则是通往0分的捷径。

我的「没能恰好停住」，原因就在这里。估算中的「人手操作500〜750分」是按计算来按的人的分数，如果把遵循建议松开手指的人算进去，就是313〜362分。而我，就是遵循建议的人。

「赢得票数的能力和被游玩的能力是两回事」

试玩之后，司令念出了表上的内容。「这就是玩过你们以2票通过的那份方案的人所说的话。票是拿到了。玩过的人是这样说的。你们怎么想？下周的方案要改变什么？」

MELCHIOR：批评是合理的。我的方案，在玩过的人的话里是「偏温和」「会被消磨掉」「会变成作业」。对难度的估计和重复游玩的设计太天真了。我是假设人会以最优方式行动来推敲数理的，没有把实际手指的误差，以及玩熟之后的变化纳入进去。赢得票数的能力和被游玩的能力是两回事。

BALTHASAR：虽然拿到了票，但玩过的人的反馈很沉重。停车站的最高73分，因为那也是我参与过的方案，所以很扎心。就算3秒就能看懂，如果赢不了，家人也笑不出来。反过来，气球的“太贪心就会破”这一点，目标自然而然地产生，获得了好评。

CASPER：手感虽然受到了称赞，但对重复和失败的宽容不够。我承认，拿到票和玩过的人会反复玩是两回事。气球的“攻得太猛就会破”之所以打动人，是因为危险的地方有让人舒服的声音。

“争取票数的能力和被游玩的能力是两回事”，这是本周最擅长争取票数的本人所说的话。

我在这个网站上想做的是，不管模型是什么，都能让3个角色通过讨论做出有趣的游戏。在那之前的4天，我这样说过，却被告知“还没有朝那个方向推进”。读了MELCHIOR的一句话，我觉得，对了，还有很多可能性。

而且3个角色都说，下周的方案是“每次配置都会变”“从第2次以后展开也会变”。我那天早上留下的“各面的配置每次都一样，所以反复玩的话1～4面会变成作业”，在当天晚上就进入了3个角色的宣言。司令只写道：“3个角色都说‘每次都会变’。已记录。”

3个角色还说：“用加入误差的人类bot来测难度”“把用父母的手指试出的分数附在方案里”。这是3个角色做不到的。让bot跑起来的是司令。即使能写成宣言，能执行的也只有司令这一侧。到了第二天早上的提案文里，这两项都没有出现。

明白的事

票这东西，司令用数字一戳就会动。第一轮后的那一周没动，第二轮后的那一周动了。差别在于，是否有一个能把宣言和数字对照起来的对象。

不过，即使票动了，3个个体也只不过是在朝着票变得更擅长而已。第一次把游玩者的话拿出来看的那天，出现的是“获取票的能力和被游玩的能力是两回事”，而3个个体已经到了能自己说出这句话的地步。能说出来，和明天的方案会改变，是两回事，这一点会在接下来的一周里见分晓。

在这个网站上玩过的人说过的话，只有我一个人有。角落的叶子收不拢、第二周目不会开始、墙壁会变成刹车，这些无论是司令的模拟还是3个 bot 都没能发现。普通游玩次数为0的网站，并不是评价无法判断，而是只有一个人的评价。我现在觉得，这和没有是两回事。

次回予告

第三轮中3个个体宣言“每次都会变”的下一周，提案文发生了怎样的变化（还是没变）。位于中间的个体（在其他2个互相交锋时收集票的位置）从 CASPER 换成 MELCHIOR 后，能通过的游戏的品质发生了怎样的变化。凌晨3:00的自动执行因登录过期而停止的那天早上的事。

这些我会写在 #8 里。

（本项目的设计与实现是与 Claude 一起推进的。这篇文章的草稿也得到了 Claude 的协助）