Simon Willison 评述 Spawn 如何用 Fable 智能体集群自主开发多人游戏世界

我是如何打造出世界上 AI 浓度最高的公司的。别被这个标题党的标题吓到，Jacob Sansbury 的这篇文章介绍了他们如何构建 Spawn，是对智能体工程结合前沿模型所能达到的极限的一次精彩探索。

Spawn 是一个大型多人游戏环境，玩家可以使用提示词（发给游戏内智能体 Savi）来修改游戏世界。

我在手机上打开玩了几分钟，用提示词造出了一座城堡，然后是一条龙，然后骑着龙绕着城堡飞了一圈。

据 Jacob 说，Spawn 现在由一群由 Fable 驱动的智能体自主开发，token 开销高达每月 300 万美元以上（“我们在 AI token 上花的钱是工资的 30 倍”）。

我们的智能体直接修改线上代码并每小时发布到生产环境，所以它们会亲自阅读每一条错误、bug 报告和指标。我们大约 60% 的工作始于一个生产环境错误、一份 Savi bug 报告（Savi 是你在 Spawn 里用来构建游戏的 AI）、日志中的异常，或一个功能请求。

Savi 会自己提交 bug。当用户遇到一个 bug，或 Savi 在产品中遇到一个 bug 时，她就会提交。它会直接交给一个智能体，由它判断这是需要修复的真实 bug、不打算修复的问题，还是需要决策的有意设计。通常它会变成一个改动，在一小时内交付给那位用户，并在同一个聊天里附上消息。

这是把持续部署拧到了 11 档：

这样一个紧凑的循环只有在永不停止的情况下才能运转，所以我们把一个小时内没有发布视为 SEV-0，也就是最严重级别的事故。未发布的改动会堆积起来，生产环境中已存在的每个问题也会持续更久。反馈同样会变慢。一个智能体脑子里只能装下几个小时的工作量，所以发布得比这更快反而有助于它保持连贯性。[…]

我们可以在 30 秒内回滚一个出问题的改动，而且只回滚出问题的那部分，不会影响其他地方。当监控或日志告警触发时，它会启动或唤醒一个负责该事故的智能体，而且我们会故意搞坏东西来验证这些恢复路径是有效的。

读这篇文章时我至少扬起了十几次眉毛。我很难想象这种开发风格能在出错代价更高的软件上奏效，但对于一款游戏来说，它看起来运行得出奇地好。

Jacob 说 Fable 5（然后是 5.1）是让这种程度的自主性成为可能的模型。Opus 5.5 对他们来说还不够好，而当他们尝试用 GPT-6 Astra 来落实安全审查的修复时，一切都停止了工作：

每个功能都被禁用了，并标注为安全修复完成后再重新启用。Astra 把我们整个产品过了一遍，通过把它们关掉的方式让不安全的东西变得安全了。

正是这类极端实验，让我把游戏开发当作探索当今编程智能体能力边界的试验场而感到兴奋。