（3076期）Arxiv Gamedevbench Evaluating Agentic Capabili – 游戏开发 Agent 能力评估实验台

游戏开发 Agent 能力评估实验台 基于 arXiv 论文 GameDevBench 构建的 Node.js 实验脚手架，用于评估 AI Agent 在游戏开发场景中的多模态能力，支持代码生成、资产处理与视觉场景理解测试。 使用说明 核心用法 本 skill 提供基于 GameDevBench 论文方法的 Node.js 实验脚手架，入口为 node {baseDir}/scripts/run.js。用户可通过该工具快速搭建评估环境，测试 AI Agent 在游戏开发任务中的表现，涵盖代码生成、多模态资产（着色器、精灵图、动画）处理以及视觉场景理解等核心能力。 显著优点 填补评估空白：针对多模态 AI Agent 缺乏标准化测试平台的问题，提供游戏开发这一复杂场景作为评估基准。 真实场景复现：基于学术论文实现，方法学严谨，能够模拟真实游戏开发中的代码库复杂性与多模态交互需求。 开箱即用：Node.js 实现降低了部署门槛，便于研究人员快速验证 Agent 能力。 潜在缺点与局限性 依赖 Node.js 环境：需要本地预装 Node.js，对非 JavaScript 生态用户不够友好。 论文方法局限：GameDevBench 本身聚焦特定游戏类型（推测为 2D/轻量级游戏），对 3A 级复杂游戏开发的代表性有限。 多模态评估深度：视觉场景理解评估可能依赖简化渲染，与真实游戏引擎（如 Unity、Unreal）存在差距。 适合人群 AI Agent 与多模态大模型研究人员 自动化游戏开发工具开发者 需要基准测试评估 Agent 代码+视觉联合能力的团队 常规风险 执行风险：node scripts/run.js 会执行外部代码，需确保来源可信 资源消耗：游戏场景渲染与代码生成可能占用较高 CPU/内存 依赖安全：Node.js 依赖包存在供应链攻击风险，建议使用锁定版本（lockfile） 原始说明 Learned from arXiv paper GameDevBench: Evaluating Agentic Capabilities Through Game Development. Use this skill to scaffold Node.js experiments based on the...