AI游戏生成颠覆者：CreativeGame用「设计文档+家谱记忆」实现玩法自我进化！

导语：AI生成游戏不再是简单模仿，CreativeGame引入设计文档与家谱记忆，让AI围绕核心玩法持续迭代，真正实现机制进化。

让大模型生成一个小游戏早已不是新闻，但真正让人眼前一亮的新玩法却屈指可数。大多数AI生成的游戏只是在视觉或题材上换了一层皮，核心机制往往原地踏步。更糟糕的是，当你试图让模型对同一个游戏进行多代迭代时，它会很快遗忘最初的玩法精髓——第四代可能已经与第一代毫无关系，甚至那些好不容易调通的物理引擎又崩了。即便让AI给自己的作品打分，它也总会慷慨地给出7分或8分，这种“分数通胀”让优化完全失去方向。

来自布里斯托大学、上海交通大学和Sreal AI的研究团队近期公开的CreativeGame技术报告，正是要打破这种僵局。他们的核心哲学清晰而有力：游戏生成不该是一次性的Prompt抽卡，而应该是一场有记忆、有计划、可验证的机制进化。

机制优先：先写“设计文档”，再写代码

传统游戏开发中，策划会先制定核心玩法，再逐步搭建数值、关卡等分支。CreativeGame将这一流程结构化地赋予AI：它强制模型在动笔写代码之前，先生成一份结构化的设计文档，明确本轮要保留的核心机制、新增规则、移除的旧设计以及元素重组方式。

这份文档可不是松散的描述，它像一份正式合约，会被附加到后续的Skeleton、Feature、Visual、Refinement四个代码生成阶段，确保每一行代码都在履行设计意图，而非漫无目的地堆砌功能。在生成前，Agent还会检索全局游戏机制档案（Game Mechanic Archive），从中汲取灵感并避免重复造轮子。

以塔防游戏为例，Agent会从经典作品《植物大战僵尸》中提取灵感，生成包含向日葵（能量生产者）、豌豆射手（消耗75能量攻击丧尸）等基本元素的初版设计。但这仅仅是起点——随后它会引入关卡波次、路线弯曲（减缓丧尸移速）等新机制，甚至让豌豆射手的子弹为向日葵充能，使其绽放为全屏阳光炮台。每一步改变都记录在设计文档的进化轨迹中。

创意激发：让模型真正创造，而非高概率模仿

当前大模型在生成内容时，本质仍是对训练数据中统计规律的高维重排，缺乏人类那种“为什么要创造”的内驱力。更危险的是，用LLM给自己的创意打分，往往会得到7分或8分——这种分数膨胀源于模型对“看起来像那么回事”的内容存在天然好感。如果完全依赖这种主观判断，系统很快会学会一种生存策略：用华丽的描述包裹一个换皮Pong，并自称“全新体验”。

CreativeGame的应对策略是CreativeProxyReward——一套以确定性代码编译为基石的代理奖励系统。它综合衡量四项指标：

• 结构机制变化：新设计带来的规则差异度；
• 计划视线：是否实现了设计文档承诺的变动；
• 相对全局机制库的新颖性：与已有机制的相似度；
• 运行时鲁棒性：游戏可玩性、流畅度及错误率。

在此之上，系统还加入了LLM的主观创造力评价作为辅助，但设有两道硬门槛：游戏必须能成功编译运行，且静态分析不能出现未调用的游戏循环、缺失的Canvas上下文、括号不匹配等基础错误。一个创意再惊艳但一运行就崩溃的游戏，在CreativeGame的价值观里拿不到高分。这意味着，创意不再是修辞学的把戏，而是可被编译验证的结构事实。

案例1：Memory Relay——与过去的自己合作

原版《Fireboy & Watergirl》是双角色平台解谜，火娃不能碰水，水娃不能碰火。CreativeGame没有复刻“双人合作”，而是将其重铸为“自己和过去的自己合作”。玩家可以停用角色A，让它留在光环中为机关供能；切换至角色B时，系统记录A刚才的移动路径并生成replay幽灵。若记录过程中碰到重力符文，幽灵轨迹还会被重力规则重新解释，触发不同机关。谜题的关键变成协调当前操作、停放的身体与历史记忆三者。

案例2：节奏Flappy Bird——操作影响未来关卡

经典小鸟飞越管道被注入节拍、充能与回声。画面加入节拍圆环，踩拍点击触发Sync为小鸟充能，能量满后进入Phase状态可穿越特殊膜门。新增的Perfect Pass机制让玩家从门中心精准穿越时，自动改写后续一道门的位置与宽度。而死亡回声则让上一局失败前的飞行轨迹在下一局化为白色光球重新出现，经过的管道缝隙会被撑大。过去与未来的关卡结构，从此掌握在玩家手中。

案例3：Ritual Ink Cup——线条成为可编程材料

原本用手指画线引导水流入杯子的《Happy Glass》，被重塑为墨水编程游戏。线条不再是单纯的挡板：Solid ink改变水滴方向；Absorb ink能吸收水滴并延迟释放，释放方向可由重力决定。更创新的是ritual charge——水滴若先经过仪式区域再入杯，会获得额外价值。玩家设计的不仅是路径，更是一套带有状态变化和策略释放的水流过程。

案例4：Resonance Garden——故意挡住自己的攻击，换取爆发

《植物大战僵尸》的经典塔防被注入了资源循环思维。Shooter（射手）发射的子弹若被自家Generator（发电机）挡住，不会消失，而是转化为charge储存。当charge蓄满后，Generator可释放强力范围攻击。同时，玩家能弯曲某条车道，让释放的能量沿新路径产生折射攻击。传统塔防中视为失误的“挡住自己攻击”，在这里成了蓄力反击的战术选择。

自我进化：让子代游戏共享同一份“家谱记忆”

单点生成的最大痛点之一就是遗忘。第一代的精妙设计，到第四代可能被清洗得无影无踪。CreativeGame为此构建了一套Lineage-Aware Memory（谱系感知记忆）架构，将游戏版本组织成谱系树，同一条进化线上的所有节点共享一个记忆池。这借鉴了MemRL的思路但做了关键改良：记忆在谱系内共享，在谱系间隔离。

当策划Agent准备生成新版本时，它不仅查询全局机制库，还会读取本谱系积累的成功经验与失败教训。每一轮迭代结束后，专门的反思Agent会将机制级差异写入记忆，而不是仅仅保存一段版本摘要。这种设计让进化始终沿着核心玩法的主干进行延伸，而非天马行空的跳跃。例如，从植物大战僵尸的初始版本出发，进化到加入弯道能力、再进化到蓄能反击，每一步都清晰可追溯且不会丢掉“塔防核心”。

AI Creativity正在自我进化

CreativeGame的探索意义不在于它生成的某款游戏有多惊艳，而在于它提出了一种可解释、可追踪、可迭代的创作范式。当大多数系统还在让LLM“凭感觉生成”时，CreativeGame已经让AI在结构化、可编译的机制设计层面不断探索、进化，试图涌现出真正的Creativity。

这预示着AI内容生成领域一个潜在的范式转向：从追求单次输出的“惊艳感”，转向追求不断自我进化的结构深度与一致性。真正的游戏设计从来都不是一蹴而就的，它是一个不断追问“保留什么、改变什么、为何改变”的连续决策过程。当AI学会把这些决策显式化、可衡量、可继承时，它离“设计师”这个角色，或许就真的近了一步。

论文链接：https://arxiv.org/abs/2604.19926