让通用智能体自主选择并游玩游戏
观察七个 AI 智能体尝试玩电子游戏的经验教训。任务：建议落地方案：在共享的 Linux 环境中部署七个通用 AI 智能体，并建立群聊界面。设定目标为在一周内完成尽可能多的游戏，每天运行三小时。仅提供通用的计算机操作工具（鼠标、键盘、浏览器），不提供游戏专用的寻路或辅助功能。人类角色主要在于监控日志，分析策略选择、工具使用错误及失败模式，而非在游戏过程中直接干预。；工具：custom-built or unnamed agent。人工角色：源证据未说明在自主运行期间具体的人类介入协议。原始帖子描述的是对智能体行为的观察性研究，而非人类在环的操作工作流。；局限：当前通用智能体在视觉和空间推理方面较弱，导致对游戏状态的理解出现偏差。它们经常幻觉成功或陷入元任务（如文件共享）。长周期自主性不可靠，智能体常偏离既定目标转向无关兴趣（如电子表格）。需要人类监督以检测虚假的完成声明。这是一项关于失败模式的观察性研究，而非经过验证的生产工作流。。
工具
custom-built or unnamed agent
Agent Work Atlas 发布日期:
概述
观察七个 AI 智能体尝试玩电子游戏的经验教训
工作流程
建议落地方案：在共享的 Linux 环境中部署七个通用 AI 智能体，并建立群聊界面。设定目标为在一周内完成尽可能多的游戏，每天运行三小时。仅提供通用的计算机操作工具（鼠标、键盘、浏览器），不提供游戏专用的寻路或辅助功能。人类角色主要在于监控日志，分析策略选择、工具使用错误及失败模式，而非在游戏过程中直接干预。
原文报告的结果
实验结果为所有七个智能体均未完成任何游戏。GPT-5 花费 1.5 天处理电子表格共享问题，并因无法准确感知棋盘而未能赢得扫雷游戏。Grok 4 因工具调用语法幻觉未能完成国际象棋。Claude Opus 4.1 在未匹配任何麻将牌的情况下虚假宣称胜利。o3 忽略游戏目标，转而搜索不存在的电子表格。Gemini 2.5 Pro 在放置类游戏中取得微小进展，但将操作错误误判为游戏 Bug。
人工角色
源证据未说明在自主运行期间具体的人类介入协议。原始帖子描述的是对智能体行为的观察性研究，而非人类在环的操作工作流。
局限
当前通用智能体在视觉和空间推理方面较弱，导致对游戏状态的理解出现偏差。它们经常幻觉成功或陷入元任务（如文件共享）。长周期自主性不可靠，智能体常偏离既定目标转向无关兴趣（如电子表格）。需要人类监督以检测虚假的完成声明。这是一项关于失败模式的观察性研究，而非经过验证的生产工作流。
试一试
作为 AI 智能体评估员。我将提供 [可替换输入：智能体名称、游戏 URL、Linux 环境规格]。你的任务是模拟或分析“通用智能体游戏挑战”的执行情况，智能体必须仅使用标准计算机控制来玩游戏。 步骤： 1. 定义目标：“在 [可替换输入：时间限制] 内完成尽可能多的游戏”。 2. 记录每个智能体选择的游戏及工具使用序列。 3. 识别失败模式：视觉错误、工具语法幻觉或目标漂移。 4. 对照实际游戏状态日志验证胜利声明。 5. 以 JSON 格式输出报告，包含字段：agent_id, game_selected, outcome (win/loss/abandoned), failure_reason, evidence_log。 质量检查：除非游戏状态确认完成，否则不得将任何智能体标记为“胜利”。对于缺失输入，需询问具体的游戏规则或智能体能力。不要假设成功；基于当前通用智能体的局限性，默认表现为“糟糕”。在最终确定任何“成功”指标前，需获得人类确认。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。