诺基亚经典贪吃蛇（snake_game）网页版

OpenGame 是香港中文大学 MMLab（CUHK MMLab）开源的智能体（Agent）框架，目标是把「用一句话描述你想要的游戏」直接变成可以在浏览器里跑起来的完整网页游戏。README 开篇对它的定义是「an open-source agentic framework for end-to-end web game creation from a prompt」，作者包括 Yilei Jiang、Jinyuan Hu、Qianyin Xiao、Yaozhi Zheng、Ruize Ma、Kaituo Feng 等十余位研究者，通讯作者为 Xiangyu Yue。也就是说，这个仓库产出的不是某一款具体游戏，而是一套用来生成游戏的工程化系统。

它要解决的痛点，README 摘要讲得比较清楚：游戏开发处在创意设计与复杂软件工程的交叉口，需要同时编排游戏引擎、实时循环以及跨多个文件紧耦合的状态。当下的大语言模型与代码智能体在孤立的编程任务上已经相当顺手，但一旦被要求依据一段高层设计产出完整可玩的游戏，就容易在跨文件不一致、场景装配断链和整体逻辑不连贯这些问题上出问题。OpenGame 想补上的正是这道「从会写代码到能交付一个能玩的东西」的鸿沟，而不是再做一个单点代码补全工具。

框架的核心机制叫 Game Skill（游戏技能），被描述为一种可复用、可进化的能力，由两部分组成：Template Skill 负责从经验中不断长出项目骨架库，让智能体在新任务里能直接搭起结构稳定的工程；Debug Skill 则维护一份「经过验证的修复手段」的活协议，使智能体面对集成层面的错误时能系统性地定位与修复，而不是只去补一个个孤立的语法 bug。这一设计针对的正是游戏项目里最典型的失败模式：单个文件都能编译，整体却跑不起来。

核心特性

模型侧配套的是 GameCoder-27B，一个专门为掌握游戏引擎而训练的代码大模型，训练流程分三段：持续预训练、监督微调，以及以执行为基础的强化学习。由于「交互是否可玩」远比「静态代码是否正确」难以校验，团队还提出了 OpenGame-Bench 评测流程：通过无头浏览器实际运行构建产物，再结合视觉语言模型（VLM）进行评判，从 Build Health（构建健康度）、Visual Usability（视觉可用性）和 Intent Alignment（与意图的一致性）三个维度给智能体生成的游戏打分。README 称在 150 条多样化游戏提示词上，OpenGame 取得了新的最优结果。

工程信息方面，仓库以 TypeScript 为主要语言，README 的徽章明确标注运行环境需要 Node.js ≥ 20.0.0；顶部还并排列出了项目主页、arXiv 论文页和 Hugging Face Paper 三个外链，方便读者对照论文细节。README 的 News 一节记录了框架的首次公开发布时间，并给出项目主页、论文与「开始端到端生成你自己的网页游戏」的入口。

最能说明能力边界的是 README 中的 Playable Demos 展廊：每个作品都由单条提示词端到端生成，附有完整提示词原文、游戏简介（中英双语）、可悬停预览的视频，以及 Live Demo 与源码压缩包下载链接。四个示例覆盖了差异很大的品类：以漫威复仇者为主题的横版卷轴动作平台游戏（含三名可选英雄、三个关卡与 Thanos Boss）、霍格沃茨题材的答题驱动卡牌对战（答对题目才能施法，并有魔力共振连击系统）、双人抢答物理题的复古街机格斗（答对造成伤害、答错反噬），以及猫咪主题的塔防（用猫塔防守金枪鱼罐头，还能点击破坏障碍腾出建造空间）。这组示例直观地展示了框架对动作、卡牌、格斗、塔防等不同玩法结构以及不同美术风格的适配意图。

技术要点

从学习与使用角度看，OpenGame 更适合把它当作「AI 生成游戏的工程范式」来研究：可以观察它如何用模板库约束项目结构、如何用可积累的调试协议处理集成错误、如何用无头浏览器加视觉模型搭建可自动化的可玩性评测。需要注意的几点是：第一，它是工具与框架，本身不是可玩的成品游戏，上面那些 Demo 才是产物；第二，目标平台是浏览器，因此并不依赖 Unity、Unreal 这类传统引擎；第三，本页所见 README 片段并未完整给出安装步骤、模型权重获取方式或 API 配置说明，实际生成质量、硬件门槛与许可条款都需要到仓库与论文中自行核验，国内环境下的依赖安装与网络访问情况同样待核验。