一小时不发布就算最严重事故，这家公司的智能体自己写游戏

我如何打造了全世界最沉迷AI的公司。别被这个标题党的标题劝退，Jacob Sansbury 的这篇文章描述了他们如何构建 Spawn，这是对智能体工程之于前沿模型所能达到的最前沿可能性的一次迷人探索。

Spawn 是一个大型多人游戏环境，玩家可以通过向游戏内智能体 Savi 发出提示词来修改游戏世界。

我在手机上打开它玩了几分钟，就成功用提示词变出一座城堡，然后一条龙，再骑着龙绕着城堡飞行。

据 Jacob 所述，Spawn 目前正由一群由 Fable 驱动的智能体自主开发，每月在 token 上花费超过 300 万美元（“我们在 AI token 上的开支是工资的 30 倍”）。

我们的智能体直接修改线上代码，并每小时向生产环境发布，因此它们自己会读取每一个错误、bug 报告和指标。我们大约 60% 的工作源于生产环境错误、Savi 的 bug 报告（Savi 是你在 Spawn 中用来构建游戏的 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，或 Savi 在产品中遇到一个时，她就会提交它。它直接进入一个智能体，由它判断这是需要修复的真实 bug、我们不会修复的问题，还是需要做出决定的有意设计。通常它会变成一次变更，在一个小时内交付给那个用户，并在同一个聊天中附带一条消息。

这是把持续部署调到 11 档：

如此紧密的循环只有在永不停止时才能运转，因此我们将一个小时没有发布视为 SEV-0，即我们最严重的事故等级。未发布的变更堆积起来，生产环境中已有的每个问题都会持续更久。反馈也会变慢。一个智能体只能在头脑里保留几个小时的工作量，所以比这更频繁地发布实际上有助于它保持连贯性。[...]

我们可以在 30 秒内回滚一个坏掉的变更，而且只回滚出错的位置，其他地方不受影响。当监控或日志告警触发时，它会启动或唤醒一个负责该事件的智能体，而且我们会故意制造故障来测试这些恢复路径是否有效。

读到这里，我至少挑了十几次眉毛。我很难想象这种开发方式适用于那些出错时风险更高的软件，但对一个游戏来说，它似乎运行得出奇地好。

Jacob 说，Fable 5（以及随后的 5.1）是让这种自主性成为可能的模型。Opus 5.5 对他们来说并不完全够用，而他们尝试用 GPT-6 Astra 来应用安全审查中的修复时，一切停止了工作：

每个功能都被禁用，并标记为在安全修复完成后重新启用。Astra 走遍了我们的整个产品，通过关闭它们，让不安全的东西变得安全。

正是这类极端实验让我对游戏开发感到兴奋，因为它是一种基底，可以用来探索当今编程智能体所能触及的边界。