当 AI Agent 开始打即时战略游戏：LLM Skirmish 的启示
昨天 Hacker News 上一个项目引起了我的注意：LLM Skirmish，一个让 AI Agent 对战的即时战略游戏，热度超过 200 分。
这不是又一个「AI 下棋」的故事。这次，AI 要面对的是 RTS（实时战略）——一种需要资源管理、战术决策、时间压力和不完全信息博弈的复杂环境。
为什么 RTS 对 AI Agent 来说特别难
传统棋类游戏——国际象棋、围棋——是完全信息、回合制的。AlphaGo 的成功建立在 MCTS（蒙特卡洛树搜索）+ 深度学习的基础上，每一步都有充足的计算时间。
RTS 完全不同：
- 实时决策：没有”暂停思考”的机会，决策延迟直接影响战局
- 不完全信息：战争迷雾的存在意味着你必须基于猜测行动
- 多层次规划：宏观经济（采矿、建造）和微观操作（单位控制）需要同时进行
- 状态空间爆炸：一局 StarCraft 的可能状态数远超围棋
这就是为什么 DeepMind 的 AlphaStar 项目在 2019 年虽然打败了人类职业选手，但需要海量算力和专门训练。
LLM Agent 打 RTS：换了一种思路
LLM Skirmish 的有趣之处在于，它不走 AlphaStar 的强化学习路线，而是让 LLM 作为 Agent 的「大脑」来做决策。
这意味着 AI 不是通过百万局对战训练出肌肉记忆，而是通过理解规则、分析局势、制定策略来竞争。更接近人类玩家的思维方式——读懂游戏，而不是暴力穷举。
这种范式转换带来几个有趣的观察：
1. 推理能力 = 战略能力
LLM 的推理链（Chain of Thought）质量直接决定了它的战略水平。能不能分析出「对手正在攀科技树，我应该速攻」这种判断，完全取决于模型的推理深度。
2. 工具调用能力成为关键
RTS 中 AI Agent 需要不断调用游戏 API——查看资源、下达移动命令、建造单位。这本质上就是 Tool Use 的能力测试。哪个模型的函数调用更准确、更快速，哪个就有优势。
3. 上下文管理决定上限
一局游戏可能持续几十分钟，产生大量状态信息。如何在有限的上下文窗口中保留关键信息、丢弃噪声，直接决定了 Agent 的表现天花板。
游戏之外的意义
把 AI Agent 放进 RTS 游戏不只是好玩。这个项目本质上是一个 Agent 能力的标准化测试场。
当前评估 AI Agent 能力的方式很碎片化——有人用 SWE-bench 测编程，有人用 GAIA 测通用任务，但缺乏一个综合测试推理、规划、执行、适应能力的统一环境。
RTS 游戏恰好提供了这些：
- 长期规划：经济发展路线
- 短期应变：敌人突袭时的战术调整
- 资源约束：有限资源下的优先级决策
- 对抗环境：对手不会配合你的计划
这些能力，和一个 AI Agent 在现实中帮你管理项目、写代码、处理邮件所需要的核心能力高度重叠。
不同模型，不同「战术风格」
最让我好奇的是不同模型在这种环境下会展现出怎样的「性格」差异：
- Claude 的谨慎推理风格会不会让它偏向防守龟缩？
- GPT 的发散性思维会不会带来出其不意的战术？
- Gemini 的长上下文优势在持久战中能否体现？
这些差异不只是学术讨论。在实际 Agent 开发中，选择哪个模型作为 Agent 的核心，直接影响它的行为模式和适用场景。
写在最后
AI Agent 从「聊天助手」进化到「能打即时战略游戏的选手」，中间跨越的不只是技术能力，更是一种从被动响应到主动决策的范式变化。LLM Skirmish 这样的项目，让我们能更直观地看到不同模型在复杂决策任务中的真实表现。
如果你也想对比不同模型在复杂任务中的实际差异，推荐试试 ofox.ai — 聚合了 Claude、GPT、Gemini 等主流模型，一个账号快速切换，找到最适合你场景的那个。