港中文开源OpenGame：一句话生成完整游戏，AI自己试玩到跑通

一句话介绍

港中文 MMLab 团队开源的 AI 游戏工厂。 给它一句 prompt，比如“做一个猫咪塔防”，它自动选引擎、搭项目骨架、写代码、生成美术素材，最关键的是——写完它会把游戏扔进沙盒里自己试玩，报错自己修，修到真的能玩才交付。背后的自研模型 GameCoder-27B，训练时的奖励信号不是“代码写得像不像样”，而是“游戏到底能不能玩”。GitHub 近 3000 Star，Apache-2.0 协议，完全开源。

开篇：让 AI 写游戏的人，大多死在这一步

你应该试过这种事：让 ChatGPT 或者 Claude 写个小游戏。

它答得飞快，代码看起来头头是道，注释规范、逻辑清晰。你兴冲冲把代码粘进浏览器——

白屏。

打开控制台，一屏红字。你把报错贴回去，它道歉、修复，你再刷新——原来能跑的部分现在崩了。如此三轮之后，你的热情和它的上下文窗口一起耗尽了。

这不是模型的编码能力不行。写个排序算法、写个增删改查，AI 稳得很。但游戏是另一种生物：游戏循环、实时渲染、跨文件的状态联动、场景挂载、资源加载——一个环节断掉，整个游戏就是死的。AI 能写出“看起来对的代码”，却很难写出“一个能跑起来的完整游戏”。

港中文 MMLab 的研究者们把这个现象研究明白了，然后做了一件事：既然“写完就交”不行，那就让 AI 写完自己先玩一遍。

这就是 OpenGame。

它是什么：给 AI 装上“游戏行业经验”的 Agent 框架

OpenGame 是第一个专为“端到端网页游戏生成”设计的开源 Agent 框架，出自香港中文大学 MMLab 实验室，论文已挂在 arXiv。

先纠正一个常见误解：它不是游戏引擎，也不只是“一个写游戏的 prompt”。它是一套完整的 Agent 系统，跑在 qwen-code 运行时上（qwen-code 又源自 Google Gemini CLI 的架构），游戏渲染用 Phaser 框架，等于站在三个成熟开源项目的肩膀上，专门解决“AI 做游戏”这一件事。

硬数据摆一下：

• 2976 Star / 432 fork（还在快速上涨）
• Apache-2.0 协议，商用无压力
• TypeScript 编写，2026 年 4 月开源，至今 5 个月
• 官方 150 个游戏 prompt 的评测中，端到端可运行率 85%，做到 SOTA

官方用它生成了六款风格完全不同的完整游戏，每一款都是一句话生成的成品：

六个官方 Demo：横版动作、答题卡牌、双人格斗、猫咪塔防、俯视射击、反应跑酷复仇者联盟横版动作（选钢铁侠/雷神/绿巨人，三关打灭霸）、霍格沃茨答题卡牌对战（答对题才能放魔法）、天上仙界双人抢答格斗、猫咪保卫金枪鱼罐头塔防、曼达洛人俯视双摇杆射击、鱿鱼游戏一二三木头人。类型、题材、画风全部不同，全部能玩，源码打包放在仓库里随便下载。

4 个部件，到底能干什么

OpenGame 的能力拆开看是四个部件，环环相扣：

Template Skill（模板技能）：AI 接到需求后不瞎写，先从模板库里挑合适的引擎方案——2D 小游戏用 Phaser，重 UI 的用 canvas，3D 的上 three.js——然后按业界常规结构搭好项目骨架。这一步保证了后面的代码修改不会“牵一发动全身”，这是普通 Agent 做游戏时最容易崩的地方。

Debug Skill（调试技能）：这是整个框架的灵魂。游戏写完后，Agent 把它扔进沙盒里真的运行起来，盯着控制台报错、交互失灵、场景接线断裂这些“集成级”问题，系统性定位修复，循环往复，直到游戏端到端可玩。普通 Agent 修 bug 是“改语法”，它是“把游戏跑通”。

GameCoder-27B：团队自研的 270 亿参数代码模型，专门喂过大量游戏开发轨迹（引擎 API、项目脚手架、修 bug 流程），训练分三阶段：持续预训练 → 监督微调 → 强化学习。而它 RL 阶段的奖励信号，来自游戏的真实可玩性验证——代码写得漂亮不给分，游戏玩得起来才给分。

OpenGame-Bench：配套的评测基准。150 个多样化的游戏 prompt，评测方式不是静态看代码，而是用无头浏览器把生成的游戏真启动起来，脚本模拟玩家交互，再让视觉模型打分。三个维度：构建健康度（能不能跑）、视觉可用性（界面能不能看）、意图对齐（做的是不是你想要的）。

前两个部件在框架里开箱即用，后两个是模型和评测集，论文里见真章。

最不一样的一点：跑起来才算数

市面上所有 AI 编程工具的隐含逻辑是：代码写完，任务完成。对不对，人自己跑一下看看。

OpenGame 把这个逻辑倒了过来：游戏跑起来、玩得动，任务才完成。

具体体现在两个地方。一是 Debug Skill 让 Agent 自己承担了“跑一下”这个动作——写完自己试玩，报错自己修，人只看结果。二是 GameCoder-27B 的 RL 训练直接用可玩性当奖励，等于告诉模型：你背再多代码范式都没用，把游戏做成才算数。

打个比方：别的工具是让 AI 交“代码作业”，老师批改对错；OpenGame 是让 AI 把游戏放上柜台，试玩通关了才准收钱。

这个思路其实不止适用于做游戏。任何 Agent 应用——写爬虫、做自动化脚本、搭网页——都存在“代码看着对、跑起来全崩”的问题。OpenGame 用游戏这个最难的场景证明了：让 AI 对运行结果负责，而不是对代码文本负责，才是 Agent 该有的样子。

曼达洛人俯视射击：一句话生成的完整游戏，含选关、战斗、营救流程

上手试试：三行命令，一句 prompt

需要 Node.js 20+，然后源码安装（npm 包还在准备中）：

git clone https://github.com/leigest519/OpenGame.git
cd OpenGame
npm install && npm run build && npm link

装完你就多了一个 opengame 命令。建个空文件夹，一句话开工：

mkdir -p games/my-game && cd games/my-game
opengame -p "Build a Snake clone with WASD controls and a dark theme." --yolo

跑完打开生成的 index.html 就能玩。--yolo 是让 Agent 可以执行 shell 命令（默认只读写文件）。

模型接入用的是 OpenAI 兼容接口，三个环境变量搞定，官方模型 GameCoder-27B 开源后可以换上本地部署：

export OPENAI_API_KEY="your-api-key"
export OPENAI_BASE_URL="https://api.openai.com/v1"   # 可选
export OPENAI_MODEL="gpt-4o"                          # 可选

一个容易被忽略的细节：游戏里的美术素材是单独调用图像 API 生成的，和主模型分开配置，支持通义、豆包等国产 provider，可以混搭（比如图像走通义、视频走豆包、推理走 OpenAI）：

export OPENGAME_IMAGE_PROVIDER=tongyi
export OPENGAME_IMAGE_API_KEY=sk-xxx

不想装环境？官方落地页挂着所有 demo 的在线试玩，仓库里每个游戏都有源码 zip，下载后 npm install && npm run dev 就能本地跑起来研究。

猫咪塔防 Hajimi：手绘卡通风，猫咪炮塔保卫金枪鱼罐头

和其他方案比

拿 OpenGame 和三条常见路线对比一下：

翻译成人话：通用 Agent 是“什么都行的全才”，接到游戏需求能写，但“写完能不能玩”要靠你的人品和耐心；OpenGame 是“只会做游戏”的专才，做一部，成一部——当然，成色如何，下面这几条必须说清楚。

4 个必须说清楚的地方

1. 生成的是能玩的原型，不是成品游戏。 官方那六个 demo 都是精调 prompt 的成果，每个 prompt 写了上百词，把玩法、角色、技能、画风全部规定死了。你随手一句“做个俄罗斯方块”，质量肯定打折。而且游戏的关卡节奏、数值平衡这些“设计”环节，AI 目前还替代不了人类设计师。

2. 框架免费，但生成要花 API 的钱。 OpenGame 本身开源，但跑起来要调 LLM API，游戏美术还要另走图像 API，一次完整生成的账单别小看。想省钱可以按论文方案本地部署 GameCoder-27B，但 27B 的模型对消费级显卡不算友好。

3. 产出是 HTML5 网页游戏。 基于 Phaser，浏览器打开就玩，手机浏览器也行。想上架 Steam 或者做成原生 App？那中间还差着一个数量级的工程量。

4. 项目还在快速变化期。 目前只能源码安装，npm 包在准备中；配置目录还叫 .qwen（沿上游命名，官方说后续迁移到 .opengame）；评测 pipeline 标注“即将发布”。5 个月 2976 Star 说明关注度高，但也意味着文档和生态都在早期，遇到坑要有心理准备。

常见问题

完全不会编程，能用吗？ 能。安装就三行命令，之后全程一句 prompt 交互。但要微调游戏细节（改数值、换素材），还是需要看懂生成的项目结构。

支持中文 prompt 吗？ 官方 demo 全是英文 prompt。中文它能理解（底层模型能力），但游戏内的文案、素材生成效果，英文 prompt 明显更稳，建议关键名词用英文写。

和用 Cursor / Claude Code 写游戏，区别到底在哪？ 三个硬区别：OpenGame 有游戏专用的项目模板库；有沙盒自测自修的 Debug Skill；训练模型时直接拿可玩性当奖励。通用 Agent 这三样都没有，所以“最后一公里”全靠人。

生成的游戏能商用吗？ 框架 Apache-2.0 协议允许商用，但注意两点：调用的模型 API 要遵守各家的商用条款；生成美术素材的版权归属目前行业里还是灰色的。

手机上能玩吗？ 能。HTML5 网页游戏，手机浏览器直接打开，官方 demo 页在手机上也能跑。

总结

OpenGame 值得关注的理由，其实不止“一句话做游戏”这个噱头。

它真正有价值的，是给所有做 Agent 的人打了个样：让 AI 对运行结果负责，而不是对代码负责。Debug Skill 的沙盒自测、以可玩性为奖励的 RL 训练，本质上都在回答同一个问题——怎么让 AI 从“写得像”进化到“跑得通”。这个问题解决了，能玩的网页游戏只是第一个收获。

至于玩家们，不妨先去官方落地页把六个 demo 玩一遍——想想它们都是一句话生成的，再想想你脑子那个搁了几年的游戏点子。

AI 写代码的尽头，不是“写得像”，而是“跑得通”。

项目地址：https://github.com/leigest519/OpenGame 在线体验 / 论文：https://yelonhu.github.io/OpenGame-landing-page/ · https://arxiv.org/abs/2604.18394 仓库数据：2976 star · 432 fork · Apache-2.0 · TypeScript