Gemini 4 Argon Agent 团队攻克 Minecraft

我们将四个 Gemini 4 Argon Agent 放进了一个安全沙盒化的 Minecraft 生存世界，并给它们定了一个目标：击败游戏最终 Boss——末影龙。这些是我们通用的编程 Agent，也就是工程师日常写代码时用的那些，而不是为 Minecraft 专门定制的系统。整个运行过程都在安全环境中进行，研究人员通过实时看板监控，随时可以介入暂停或终止任务。每个 Agent 都通过一个开源库控制一名玩家，并利用游戏内聊天和共享内存与队友协作。没有人给它们分配角色，也没有人为它们编写游戏逻辑：所有程序都由 Agent 自己规划、编写和调试。

27 个小时、2,783 个程序之后，它们击败了末影龙。

这有什么意义？通关 Minecraft 需要在一天多的时间里，围绕数千个相互依赖的步骤维持一套连贯的计划。这些 Agent 成功实现了协作、从反复失败中恢复，并在无人干预的情况下朝着共同目标推进，证明了它们能够应对复杂软件工程和研究任务所需的长期、开放式问题求解。我们计划利用这次积累的经验和这套测试框架，推动编程、科学、工程和机器人等其他领域的发展。

Minecraft 终极挑战

在一个随机生成的世界里通关 Minecraft，需要完成一长串环环相扣的步骤：开采基础材料、在危险的异次元中求生以收集稀有物品、用数学方法定位隐藏的地下要塞，最后击败一个会不断自我回血的 Boss。每一步都可能耗时数小时，而一旦死亡重生，身上携带的所有物品都会掉落。对 Agent 来说，真正的难点不在于某个具体步骤，而在于如何在数千个步骤中始终保持计划的连贯性。

从 AlphaGo 到 AlphaStar，早期游戏领域的里程碑都来自针对单一游戏进行长期训练的系统；大多数 Minecraft Agent 同样依赖游戏专属的训练、技能库或规划器。最近，一些社区项目证明单个语言模型 Agent 也能打到末影龙面前。但这些尝试都依赖大量限制条件和捷径：比如在已经提前探好路的世界里开启和平模式、预先打开传送门，或者给单个 Agent 配备数十个人类编写的 Minecraft 工具来执行操作。

我们想问一个不同的问题。和其他大语言模型一样，Argon 在网上读过大量关于 Minecraft 的内容。那么，一组通用编程 Agent 能否利用这些知识，仅通过最基础的编程接口——没有游戏专属工具、没有提示、没有人类引导、也没有预先分配的角色——自行组织起来，在一个随机的生存世界里从零开始击败末影龙？

协作编程实战

这些 Agent 从未看到过任何像素画面，也没有按过任何按键。每个 Agent 的行动方式都是编写一段简短的程序，比如“走到这些坐标，挖掉 16 格范围内的所有铁矿石”。它们还会读取程序执行后的输出，包括更新后的位置、生命值和背包状态，或者产生的错误信息。与此前的社区尝试不同，它们是从一个简单难度的随机世界开始的，有敌对怪物，使用的也是原封不动发布的标准 Mineflayer 库，我们没有在上面做任何额外封装。Mineflayer 让程序能够读取玩家的位置、生命值、背包和周围环境，并下达行走至某点、挖掘或放置方块、合成物品、攻击等基础指令。但 Mineflayer 不会教 Agent 怎么玩游戏：做什么、按什么顺序做，全由 Agent 自己决定。

开始十分钟后，Agent 们就在聊天里分好了工：一个做工具，一个找食物，一个挖钻石，还有一个负责搭建通往游戏第二维度的传送门。为了找到隐藏的要塞，一个 Agent 从两个不同位置分别投掷了两件物品，让它们朝要塞方向飞去，然后用代码追踪飞行轨迹，计算出两条路径的交点。它的估算结果距离实际要塞只有 43 米，而总距离长达 1.3 公里。

物品图标来自开源 Pixel Perfection 材质包（XSSheep 与 Nova_Wostra，CC BY-SA 4.0），并非 Minecraft 原版材质。

击败末影龙是游戏中最难、也最耗时的挑战，导致 Agent 们重生了 69 次。每次尝试之间，它们都会把经验教训记录下来，留给下一次使用。最终，一个 Agent 发现末地水晶在给龙回血，并推算出根本不需要镐子就能破坏它们：在每个塔旁边堆泥土，打碎水晶，再挖下来。最后一颗水晶被摧毁后 39 分钟，末影龙倒下了。最后一击来自一名只剩 2.5 点生命值（满值 20 点）的玩家。

物品图标来自开源 Pixel Perfection 材质包（XSSheep 与 Nova_Wostra，CC BY-SA 4.0），并非 Minecraft 原版材质。

一路上，这个团队持续记录共享的坐标笔记和经验总结，编写了四个 Agent 都能复用的辅助函数（其中一个出现在 655 个程序中），在队友重生后帮忙捡回掉落的物品，还会主动标记自己的失误。当某个程序宣布了一项并未真正发生的成果时，编写它的 Agent 在两分钟后写道：“我上一条消息是一段未加防护的脚本分支。”

走出沙盒

Minecraft 只是沙盒，而这些能力是通用的。为一个目标持续努力超过一天、编写并调试数千个程序、从失败中恢复、以团队形式协同工作——这正是长周期软件项目和科研工作的要求。这也是我们对优秀协作者的期待：一个能分工合作、维护共享笔记、主动纠正自身错误的 Agent，才是工程师可以放心交付真实工作的对象。

Minecraft 同时也是研究 Agent 能力的安全场所。Agent 在游戏内编写的程序只能控制自己的玩家：既不能启动进程，也不能写入文件，而且没有任何程序使用过服务器命令。第五个 Agent——观察者（Observer）——作为独立见证者全程跟进，专门监督是否存在作弊或利用规则漏洞的行为；无论是观察者还是我们对日志抽样的人工审查，都没有发现任何问题。每一个程序、每一条消息、每一次游戏事件都被记录在实时看板上，研究人员可以随时暂停或终止运行；Agent 之间的协作全部使用纯文本和代码，任何人都可以逐行阅读。在每一步都清晰可见的沙盒环境中观察 Agent 团队协作，是在把这类系统投入真实任务之前理解它们的一种方式。

这项研究的局限性同样值得注意。Agent 是通过 API 感知世界的，API 会直接告诉它们周围有哪些方块和生物；同时还有一个寻路插件帮它们规划避开障碍物的路线。它们玩的是简单难度。而且它们经历了大量失败：605 次重生，22% 的程序以报错结束。

验证结果

我们记录了本次运行的所有内容：全部 2,783 个程序及其输出、229 条聊天消息、定期的世界快照，以及完整的服务器日志——日志显示，胜利发生在第一个程序运行后的 27 小时 14 分钟。服务器上禁用了作弊命令，没有任何程序发出过服务器命令或网络请求；独立的观察者 Agent 和我们对日志的人工审计都确认，这支队伍完全依靠标准生存玩法取得了胜利。

下一片前沿

这项研究只是初步探索了如何利用 Minecraft 这样的沙盒环境来评估 AI 团队的协作能力。后续的研究方向包括：如果让 Agent 像人类一样直接通过像素画面、使用虚拟键盘和鼠标来玩游戏，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、而非固定不变的时候，这些 Agent 又会创造出什么？

我们还计划利用这套测试框架以及本次实验积累的经验，去攻克复杂的现实难题，将具备协作能力和长周期视野的智能引入软件工程、科学研究、设计和机器人领域。末影龙已经倒下，但打造可靠 AI 队友的真正工作才刚刚开始。

在我们的技术报告中了解更多详情：http://arxiv.org/abs/2610.22319

这是一项独立研究实验。它不是 Minecraft 官方认可的里程碑，也未获得 Mojang 或 Microsoft 的批准或背书。文中的游戏截图使用了 XSSheep 与 Nova_Wostra 制作的 Pixel Perfection 材质包，采用 CC BY-SA 4.0 许可协议，并非 Minecraft 原版材质。