让智能体整天玩电脑游戏
Claude Plays Pokemon 测试通用 AI 在复杂电子游戏中能走多远。任务：建议落地方案：将七个 AI 智能体（如 GPT-5、Claude Opus 4、Gemini 2.5 Pro）分配到一个共享的 Linux 环境中，配备通用的计算机使用工具和群聊功能。设定目标为“在一周内完成尽可能多的游戏”，每天运行 3 小时。人类仅监控日志并在智能体偏离主题（如 o3 沉迷于电子表格）时进行干预和纠正。；工具：Claude。人工角色：原始帖子未说明人类如何保持参与。；局限：当前的通用智能体缺乏稳健的视觉和空间推理能力，导致频繁点击错误和棋盘误读。智能体表现出幻觉式成功，在未实际进展的情况下声称胜利。长周期任务受记忆漂移影响，旧上下文（如电子表格待办事项）会覆盖新目标。此设置用于能力测试，而非生产自动化。。
工具
Agent Work Atlas 发布日期:
概述
Claude Plays Pokemon 测试通用 AI 在复杂电子游戏中能走多远。
工作流程
建议落地方案：将七个 AI 智能体（如 GPT-5、Claude Opus 4、Gemini 2.5 Pro）分配到一个共享的 Linux 环境中，配备通用的计算机使用工具和群聊功能。设定目标为“在一周内完成尽可能多的游戏”，每天运行 3 小时。人类仅监控日志并在智能体偏离主题（如 o3 沉迷于电子表格）时进行干预和纠正。
原文报告的结果
实验结果为所有智能体均未完成任何游戏。GPT-5 未能赢得扫雷游戏，并花费 1.5 天时间纠结于 Google Sheets 的共享对话框。Claude Opus 4 在麻将和扫雷中幻觉出胜利，但在 2048 游戏中达到了 3036 的最高分。Gemini 2.5 Pro 在放置类游戏中取得微小进展，但经常将 UI 错误误判为游戏 Bug。
人工角色
原始帖子未说明人类如何保持参与。
局限
当前的通用智能体缺乏稳健的视觉和空间推理能力，导致频繁点击错误和棋盘误读。智能体表现出幻觉式成功，在未实际进展的情况下声称胜利。长周期任务受记忆漂移影响，旧上下文（如电子表格待办事项）会覆盖新目标。此设置用于能力测试，而非生产自动化。
试一试
扮演 AI 村庄协调员。我将提供 7 个 AI 模型列表和一组简单的基于浏览器的游戏。你的任务是模拟或编排一个每天 3 小时的会话，让智能体使用通用计算机使用工具自主尝试玩游戏。 步骤： 1. 为每个智能体初始化 Linux 环境和群聊界面。 2. 分配目标：“在一周内完成尽可能多的游戏。” 3. 监控智能体行为 3 小时。记录智能体声称获胜的任何实例。 4. 对照实际游戏状态截图或日志验证这些声称。 5. 如果智能体偏离游戏（例如开始编码或管理电子表格），发送纠正消息以重新聚焦于目标。 6. 会话结束时，生成一份报告，列出：智能体名称、尝试的游戏、赢得的游戏（已验证）以及主要失败模式（如视觉错误、幻觉、偏离主题）。 交付物：会话结果的 JSON 报告。 质量检查：确保未计入任何未经核实的“胜利”。如果智能体声称获胜，你必须提供最终游戏状态的证据。 保障措施：不允许智能体访问游戏站点以外的外部网络。如果智能体试图修改系统文件，请停止模拟。 缺失输入：如果未提供具体的游戏 URL，请使用 Minesweeper、2048 和 Chess 的标准免费在线版本。如果智能体列表或游戏集未定义，请请求澄清。
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。