我们将四个 Gemini 4 Argon 智能体放入一个安全沙箱化的 Minecraft 生存世界，并给它们一个目标：击败末影龙，即游戏终局的 Boss。这些是我们通用的编程智能体，与工程师日常软件开发所用的相同，并非为 Minecraft 定制的系统。在一个安全环境中运行，研究人员通过实时仪表盘监控，并可随时介入暂停或停止运行；每个智能体通过一个开源库控制一名玩家，并通过游戏内聊天和共享内存与队友协调。没有人给它们分配角色，也没有人为它们编写游戏逻辑：智能体自行规划、编写并调试每一个程序。

二十七小时、2,783 个程序之后，它们击败了末影龙。

为什么这很重要？通关 Minecraft 需要在超过一天的时间里，在数千个相互依赖的步骤中保持连贯的计划。通过成功协作、从反复失败中恢复，并在无人工干预的情况下追求共同目标，这些智能体证明了它们能够处理复杂软件工程和研究任务所需的长期、开放式问题求解。我们计划利用这些经验和这套测试框架来推进其他领域，如编程、科学、工程和机器人技术。

《我的世界》大挑战

在随机世界中通关《我的世界》需要一长串相互依赖的步骤：开采基础材料，在危险的异次元维度中生存以收集稀有物品，运用数学知识定位隐藏的地下要塞，最后击败一个会不断自我治疗的Boss。每一步都可能耗费数小时，而重生会掉落你携带的一切。对智能体而言，真正的难点与其说是任何单个步骤，不如说是在数千个步骤中保持连贯的计划。

早期的游戏里程碑，从AlphaGo到AlphaStar，都来自在单一游戏上长时间训练的系统，而大多数《我的世界》智能体同样依赖针对该游戏的训练、技能库或规划器。最近，社区项目已经表明，单个语言模型智能体就能抵达末影龙。然而，这些运行依赖于大量限制和捷径：在和平模式下、于预先侦察过的世界中、使用预先开启的传送门游玩，或者给单个智能体数十个由人类编写的《我的世界》工具来执行。

我们想提出一个不同的问题。与其他大型语言模型一样，Argon在网上读过大量关于《我的世界》的内容。一支通用编程智能体团队，能否利用这些知识，通过一个没有任何游戏专用工具、没有提示、没有人类引导、也没有预先分配角色的裸编程接口，自行组织起来，在一个随机的生存世界中从零开始击败末影龙？

协同编码实战

智能体从未看到过一个像素，也从未按下过一个按键。每个智能体都通过编写一段简短的程序来行动，例如“走到这些坐标，并开采16格范围内的所有铁矿石”。它们还会读取程序执行产生的输出，包括智能体更新后的位置、生命值和物品栏，或者产生的错误。与之前的社区尝试不同，它们从Easy难度下的随机世界开始，面对敌对怪物，并使用已发布的标准Mineflayer库，我们未在其上构建任何东西。Mineflayer让程序能够读取玩家的位置、生命值、物品栏和周围环境，并下达基本动作指令，例如走到某一点、挖掘或放置方块、合成物品或攻击。Mineflayer并不告诉智能体如何玩游戏：做什么以及按什么顺序做，都由智能体自己决定。

十分钟后，智能体们已经在聊天中分工：一个制作工具，一个收集食物，一个挖掘钻石，一个建造通往游戏第二维度的传送门。为了找到隐藏的堡垒，一个智能体从两个不同地点投掷了两件物品，让它们飞向堡垒，在代码中追踪每次飞行，并计算两条路径的交叉点。其估算位置距离堡垒43米，而堡垒在1.3公里外。

击败龙是游戏中最困难、最耗时的挑战，导致智能体们重生69次。在尝试之间，它们写下了下一次尝试的教训。最终，一个智能体注意到水晶正在治疗龙，并弄清楚了不需要镐就能到达水晶：在每个塔旁边堆叠泥土，击打水晶，再挖下来。最后一颗水晶落下三十九分钟后，龙被击败。最后一击来自一个生命值降至20点中2.5点的玩家。

一路上，团队持续共享坐标与经验笔记，编写了四个智能体都会复用的辅助函数（其中一个出现在 655 个程序中），在重生后互相找回对方的物品，并主动标记自己的错误。当一个程序宣称取得了实际并未发生的成功时，它的作者智能体在两分钟后写道：“我之前的聊天是一个未加防护的脚本分支。”

超越沙盒

Minecraft 是沙盒，而这些技能是通用的。为一个目标坚持一天以上、编写并调试数千个程序、从失败中恢复、作为团队协同合作，这些正是长周期软件项目与研究所需的能力。这也正是我们对优秀合作者的期待：一个能分工协作、维护共享笔记并纠正自身错误的智能体，才是工程师可以托付真实工作的智能体。

Minecraft 也是一个研究智能体能力的安全场所。智能体在游戏中的程序只能控制自己的玩家角色：它们既不能启动进程，也不能写文件，且没有任何一个使用过服务器命令。第五个智能体——观察者（Observer）——作为独立见证者跟随整个会话，监视作弊或规格博弈行为；无论是观察者还是我们对日志样本的人工审查，都未发现此类行为。每一个程序、每一条消息和每一个游戏事件都记录在实时仪表盘上，研究人员可随时暂停或终止运行，而智能体以任何人都能逐行阅读的纯文本和代码进行协调。在每一步都可见的沙盒环境中观察智能体团队协作，是在将此类系统托付于现实世界任务之前理解它们的一种方式。

本研究也存在值得注意的局限。智能体通过 API 感知世界，该接口会准确告知它们周围有哪些方块和生物，另有寻路插件负责规划绕开障碍物的路线。它们以“简单”难度进行游戏。即便如此，它们仍反复失败：共重生 605 次，22% 的程序以错误告终。

验证结果

我们记录了本次运行的全部内容：全部 2,783 个程序及其输出、全部 229 条聊天消息、世界状态的周期性快照，以及完整的服务器日志——日志显示，首个程序启动后 27 小时 14 分钟时达成胜利。服务器已禁用作弊指令，没有任何程序发出服务器命令或网络请求，独立的 Observer 智能体与我们的人工日志审计均确认，该团队完全是通过标准的生存玩法取得胜利的。

下一前沿

本研究仅仅是利用 Minecraft 这类沙盒环境评估 AI 团队协作方式的初步探索。后续工作包括：当智能体像人类一样，通过虚拟键盘和鼠标直接从像素画面进行游戏时，会发生什么？当我们扩大团队规模时，协作方式会如何变化？当目标像 Minecraft 所允许的那样是开放式的而非固定时，这些智能体会创造出什么？

我们还计划利用这套测试框架以及本实验的经验教训，应对复杂的现实世界挑战，将协作式长时程智能引入软件工程、科学研究、设计和机器人领域。末影龙已被击败，但构建可靠的 AI 队友的真正工作才刚刚开始。

欲了解更多关于这项工作的内容，请参阅我们的技术报告：http://arxiv.org/abs/2610.22319

这是一项独立研究实验，并非 Minecraft 官方里程碑，也未获 Mojang 或 Microsoft 批准或与之关联。文中游戏截图使用 XSSheep 与 Nova_Wostra 制作的 Pixel Perfection 材质包，该材质包以 CC BY-SA 4.0 协议授权，并非 Minecraft 自带材质。