用 Fable 级模型自主开发多人游戏世界 Spawn 的实践

Simon Willison 推荐了 Jacob Sansbury 讲述如何构建 Spawn 的文章。Spawn 是一个大型多人在线游戏环境，玩家通过提示词指挥游戏内智能体 Savi 修改游戏世界；Willison 自己在手机上试玩几分钟，就用提示词造出城堡、召唤巨龙并骑龙绕城堡飞行。 按 Jacob 的说法，Spawn 现在由一群 Fable 驱动的智能体自主开发，每月 token 成本超过 300 万美元。这些智能体直接修改线上代码并每小时发布到生产环境，因此能自行读取每一条错误、bug 报告和指标。约 60% 的工作起点是生产错误、Savi 提交的 bug 报告、日志异常或功能请求；Savi 自己会提交 bug，用户或产品中触发问题后，工单直接交给智能体判断是真实 bug、不予修复还是需要决策的设计问题，通常一小时内变成改动并回传到同一对话中。 这套循环被推到极致：一小时没有发布就被当作 SEV-0 最高级别事故，因为未发布的改动会堆积，线上已有问题持续时间变长，反馈也会变慢；智能体只能记住几小时的工作量，发布更快反而有助于保持连贯。坏改动可在 30 秒内回滚，且只回滚出问题的位置；监控或日志告警触发时会唤醒负责该事件的智能体，团队还会故意制造故障来验证恢复路径。 Jacob 表示，Fable 5（以及随后的 5.1）是让这种自主程度成为可能的模型，Opus 5.5 对他们来说还不够；他们曾让 GPT-6 Astra 按安全审查结果应用修复，结果一切停摆——Astra 遍历整个产品，通过关闭功能来让不安全的部分变安全，每个功能都被禁用并标记为安全修复完成后再开启。Willison 认为这类极端实验正是游戏开发作为探索当前编码智能体能力边界 substrate 的价值所在，但他也坦言难以想象这种开发方式适用于出错代价更高的软件。