淘天用多Agent协作完成小游戏生产与运营

系统按 L1 数据感知—L2 运营 Agent—L3 生产 Agent—L4 游戏容器与模板—L5 运营 Agent 回收五层组织，生产侧由 Producer 作调度中枢，按 Gameplay Research → Planner → Art Designer → Game Coder → Level Designer → Level Coder 的链路推进，中途改需求时由 Producer 判断影响范围并路由下游重做。LangGraph 负责确定的流程骨架与审核/暂停恢复，子 Agent 内部交给模型自主推理，Coder 类 Agent 通过 Claude Agent SDK 在隔离远程容器中读写文件、装依赖、起服务；壳应用分固化层（Phaser + React 脚手架、Controller 分层、通用接口）与可变层，Coder 只填差异化逻辑。仅在调研选图、方案 Review、代码完成预览三类节点 human-in-the-loop。上线效果：7 月起两周完成并发布 6 款小游戏（忍者跳跃、盖楼小游戏、飞机大战、贪吃蛇大作战、打地鼠、祖玛），最快一款平台内生产流程约 1 小时、创意到正式上线仅 2 天，测试/PD/运营也可自行制作小游戏。 美术资产不是「一个 prompt 一张图」，而是一条完整产线：GDD 解析提取需求清单 → 依赖分析确定生成顺序 → 分组并发并用风格锚点保证一致性 → 每张图走 Gemini 生图 + 抠图 → 所有元素完成后合成页面框架图 → 多模态模型分析游戏区布局并输出结构化描述给 Game Coder；风格一致性由调研阶段推荐的 Base、首张生成素材锚定的 Style、多状态对象的标准态 Entity 三层锚点控制，执行分首次全量生成、局部重生、续生失败资产、美术咨询四种模式，由 LLM 做意图分类。音频侧音效 Agent 采用 ReAct 模式，LLM 分析 GDD 后自主决定生成哪些音效，通过 Tool Use 逐个调用可灵 AI 生成，按 BGM/交互音效/状态音效/UI 音效分类输出供 Coder 直接引用。 运营侧采用「主持人 + 专家团」的对抗式多 Agent：每个专家独立看数形成自己的证据链，围绕方案互相论证，最后由主持人收敛；每日定时任务把感知状态（三级报表、AB 快照、变更记录、版本时间线）、理解目标、拆解决策、调用能力、产出方案、读取反馈、沉淀经验编排成自动流程，并用数据整批验收、验收真实状态、每半小时自动巡检、统一交付标准四道门禁防止错误结论进入待评审队列与知识库。每个交付物被定义为可证伪的「下注」，需写明预测区间与引用知识，回收时逐条对账预期与实际结果并追溯知识本身。经验写入四层记忆，按作用域、来源证据、证据等级、置信度与状态、版本链治理。效果：8 月底上线后共 20+ 次迭代和 1 款新游戏，首周对线上 12 款小游戏全面迭代，95%+ 迭代呈正向效果、40%+ 为全指标正向，12 款迭代从方案产出到开发上线只用了 3 天。