Jev 游玩《宝可梦：红》—— AI 实时游戏演示与社区见解

快速概览

Jev 是一个 AI 驱动的决策模型，能够全程直播游玩《宝可梦：红》。它展示了低成本、快速的动作选择能力，同时也暴露了一些明显的失败模式，例如在门口循环往复以及战斗决策不够优化等问题。

---

Jev 的功能

• 实时游戏：演示直播《宝可梦：红》，默认静音；用户可以取消静音以收听游戏声音。
• 决策面板：右侧面板列出了 AI 的每一次决策及其分配的概率（几率）。
• 引导式导航：AI 遵循预先计算好的指南，告知其下一步去向，类似于人类的攻略。
• 开源：代码可在 GitHub (https://github.com/christianmat/jev-pokemon) 上获取，实时应用托管在 https://jev-pokemon.vercel.app/。

系统工作原理

1. 状态提取 – 从模拟器内存中读取游戏状态（即“内存黑客”技术），提供关于位置、物品栏和战斗状态的精确信息。
2. 决策模型 – 一个轻量级语言模型（称为 Jev）接收当前状态的文本描述和一系列可能的动作（例如“向北移动”、“选择菜单选项”）。
3. 概率评分 – 模型返回动作的概率分布；概率最高的动作会被发送为按键指令。
4. 引导覆盖层 – 一个独立的引导模块提供高层级的路点（例如“前往深灰市”），限制动作空间并防止漫无目的地游荡。
5. 循环检测 – 系统记录每一次决策；当相同状态再次出现时，模型可能会重复之前的动作，从而导致观察到的循环现象。

“右侧面板显示了每一次决策以及 Jev 的概率。” – 项目描述

社区观察

亮点总结

• 速度与成本：评论者指出 AI 的决策速度极快，且货币成本极低（38 小时游戏时间仅需约 1.65 美元）。
• 透明度：实时决策面板让观察者能够看到模型的置信度，这在许多 AI 游戏演示中是罕见的。
• 概念验证：完成游戏（或到达四天王）证明了紧凑的决策引擎可以处理完整的 RPG 循环。

“干得漂亮！看到它玩通整个游戏真是太酷了。我这周花光了我的 fable 预算来构建类似的东西，但只玩到了小刚那里。” – hummusFiend

弱点与失败模式

• 循环行为：用户报告称 AI 在火箭队基地等地点会卡住几分钟，反复打开同一扇门。
• 受限的路径选择：决策集受到指南的严格约束，当 AI 无法偏离预写路径时，它显得很“笨”。
• 战斗策略不佳：AI 有时会做出糟糕的决策，例如教喷火龙学习非伤害技能 Counter，而不是火系攻击技能。
• 缺乏视觉能力：系统依赖内存读取而非原始像素输入，限制了其在其他游戏中的通用性。

“我希望 Jev 能接收图像输入，这样我们就可以在不使用内存黑客的情况下，将其通用化到任何游戏中。” – avaer

架构问题

• 角色移动控制：“Jev 调用”计数器仅在菜单或战斗提示时增加，这表明有单独的脚本处理低级移动，而 Jev 负责决定高级动作。
• 目标来源：指南似乎提供了高级目标（例如“到达宝可梦中心”），但演示中并未公开生成这些目标的具体机制。
• 更大模型的潜力：一些评论者想知道像 Fable 这样更大的模型是否可以取代指南，同时处理高级规划和低级执行。

“查看 gh 仓库中的图表，看起来这完全是 Jev 在运作。有没有人使用像 Fable 这样的大模型来处理高级目标的例子？” – lwarfield

为什么这很重要

• “系统一”AI 的基准：像《宝可梦：红》这样的游戏提供了一个受控环境，用于测试快速、反射式的决策能力，而无需视觉转文本流水线的延迟。
• 混合 AI 流水线：该项目展示了一种有前景的拆分方式——使用高级规划器（可能是大型 LLM）来设定目标，使用轻量级决策引擎进行快速执行。
• 高性价比研究：展示了以不到两美元的成本完成全游戏流程，证明了无需庞大的计算预算即可进行大规模 AI 游戏实验。

开放问题与未来方向

1. 基于视觉的输入：用图像转文本模型取代内存黑客，可以扩大其在现代游戏中的适用性。
2. 动态目标生成：集成大型 LLM 以动态生成和调整目标，可能会减少对人工编写指南的依赖。
3. 循环缓解：实现状态历史感知或强化学习风格的惩罚机制，可以防止无休止的开门循环。
4. 多人游戏考量：正如社区成员所指出的，在在线游戏中部署此类代理会引发反作弊和公平性问题。

---

总结：Jev 的《宝可梦：红》实时运行证明了紧凑的决策模型可以以低成本导航复杂的 RPG，但演示也强调了在超越受限、易循环的行为方面，需要更好的状态感知、视觉集成和更高级的规划能力。