GameAgent对决Pink：游戏开发AI智能体三轮实测

游戏开发正在成为AI智能体落地的新战场。这次评测把两款运行在Cocos Creator上的开发智能体——GameAgent与Pink——放到同一张考卷前，用三道难度递进的题目检验它们的实战能力。两者都接入同一模型（GPT-5.6 Sol），推理等级统一设为高，尽可能排除模型差异，专注比较智能体本身的工程能力。

两位选手与测试设置

GameAgent是运行在Cocos Creator里的插件，本次使用0.3.4版本；Pink则在自己的编辑器里提供游戏开发与对话操作，使用录制时最新的0.0.1.36 Alpha版本，配合Cocos Creator 3.8.8。需要强调的是，Pink目前处于Alpha内测阶段，本次表现不代表最终品质。

评测方法值得肯定：每一轮不仅看最终交付的成品，还完整记录开发过程——读取工程、编写脚本、绑定组件、打开预览、执行交互。这种“过程+结果”的双重视角，能更真实地反映智能体在实际工作流中的表现，而不是只看一张漂亮的截图。

Cocos Creator 是由触控科技开发的跨平台游戏开发引擎，基于组件化与数据驱动的设计理念，支持 2D/3D 游戏开发并能发布至 Web、iOS、Android 等多个平台。其核心工作流围绕"场景-节点-组件"三层结构展开：开发者在场景编辑器中摆放节点，再为节点挂载脚本组件来实现逻辑。这一架构对游戏开发智能体来说既是机遇也是挑战——智能体不仅需要会写脚本代码，还必须理解节点层级、预制体（Prefab）复用机制以及资源绑定关系，才能真正把代码"接入"可运行的场景，而不是只生成孤立的 .ts 文件。本次评测中第三轮暴露的难点，正是源于场景搭建对工程结构理解的高要求。

第一轮：Hello World 基础代码

第一轮是热身，题目只有一句话：写一个Hello World的游戏，不指定具体界面。考察点集中在基础代码能否运行、点击后有没有正确反馈。

两边都要读取工程、安排实现、再把脚本接入场景。GameAgent较早给出了带标题、说明和按钮的预览截图；Pink则持续修改文件、处理组件绑定。等两个版本都能操作后，再对照点击计数、文字变化和按钮反馈。

结果上，Pink的点击计数可以更新，按钮有反馈，基础交互成立。GameAgent除了计数，每次点击还会切换欢迎语，互动内容多了一层。按实际交出的内容，这一轮GameAgent小胜，差距主要在额外的交互细节而非核心功能。

第二轮：贪吃蛇完整玩法

第二轮考察完整游戏设计与开发能力，需求仍是一句话：一个贪吃蛇小游戏，界面和规则细节交给智能体安排，重点看移动、吃食物、计分、失败和重新开始能否连成一套可游玩流程。

这一轮的难点在于要把此前的点击演示改造成持续运行的游戏循环。GameAgent把棋盘、分数和方向按钮分区摆放，画面元素较多；Pink则继续生成游戏逻辑与界面，风格相对简洁。两个智能体都具备预览和测试能力，一边检查运行状态、执行交互，另一边打开浏览器截取画面检查预览。

过程中Pink遇到了异常，任务没有完整跑完，但已生成的贪吃蛇仍可游玩，评测者补录了一段实际操作。最终两边的基本玩法都成立：蛇的移动、计分、游戏结束都能看到。GameAgent画面元素更丰富，Pink更简洁，这一轮判定为基本持平。

第三轮：场景搭建与素材理解

第三轮最能拉开差距，也最考验智能体对工程结构的掌控。两边拿到现成的角色、平台、金币和敌人素材，目标是做一个竖版平台跳跃关卡，玩法要求包括二段跳、收集金币和踩敌人。核心考察点是：智能体如何理解素材，并把它们真正搭进场景。

这里评测者做了一次纠偏——两边原本都没打算搭建场景，而这恰恰是本轮重点，因此明确要求必须把场景搭出来，必要时使用预制体以便复用。这段人工引导被如实保留在结果中。

GameAgent的场景层级逐步增加，平台、金币、敌人和玩家都能在工程中找到，资源区也出现了相应的预制体。Pink则连续遭遇请求失败：第一次尝试失败后重新发起，第二次、第三次仍报错，给了两次机会依然没能拿到可供演示的结果。

需要客观说明的是，Pink本次任务是被异常阻断，不能据此判断它的场景搭建能力本身。第三轮因此没能形成完整对比。

预制体（Prefab）是 Cocos Creator 中一种可复用的节点模板，将节点连同其子节点、组件配置一起打包存储为独立资源。在关卡设计中，同类对象（如金币、敌人）通常以预制体形式管理，运行时动态实例化，既节省手动摆放的工作量，也便于统一修改属性。对游戏开发智能体而言，能否主动识别"这类对象应该做成预制体"并正确创建、引用，是判断其是否真正理解 Cocos 工程结构的关键指标之一。评测中评测者专门要求智能体使用预制体，本身就反映出：在没有明确指令时，智能体倾向于直接在场景中静态摆放节点，而非采用更工程化的复用方案。

GameAgent 单独展示

由于Pink未能完成，第三轮只能单独看GameAgent。它继续处理场景、脚本和预览检查。中途也有代码子任务失败，这些异常同样如实保留，随后继续处理控制脚本。

从阶段性体验看，角色可以在场景间移动和跳跃，顶部显示分数、金币和生命值，踩中史莱姆后还有加分提示。两次体验表明关卡已经可以操作，场景结构也能继续编辑。但录制结束时，GameAgent的任务仍未全部结束，展示的只是阶段性结果，后续验收还需继续。

评测总结与观察

三轮下来，结论清晰又保留余地：

• 第一轮：两边都完成基础交互，GameAgent因欢迎语切换等细节小胜。
• 第二轮：基本机制都做出来了，判定持平。
• 第三轮：Pink遭遇异常未能完成对比，仅GameAgent展示了阶段性成果。

这场“赛博斗蛐蛐”最有价值的地方，并不在于分出绝对胜负，而在于它暴露了当前游戏开发智能体的共性瓶颈：越复杂的任务（尤其涉及场景搭建、素材理解和多对象工程管理），越容易出现请求失败、子任务中断等稳定性问题。GameAgent在完整度和交互细节上略占优势，而Pink作为Alpha内测产品，稳定性还有明显提升空间。

对开发者而言，这类智能体已经能胜任简单代码和小游戏原型，但在生产级的场景组织与复杂逻辑上，仍需人工纠偏与验收。它们更像是提效工具，而非可完全托管的开发者。