GamePhanesStudio/GamePhanes：交互式游戏开发智能体评测基准仓库创建

GameForgeBench面向构建、调试、修复游戏的编码智能体：常规终端基准止步于文件、命令与退出码，而交互式软件还要求项目能导入、启动、接受受控输入、改变运行时状态并产生预期行为，该基准按指令-检查-编辑-运行-观察-诊断-修复-验证的完整闭环评分。评测对象是编码智能体而非玩家机器人，由评估器控制的探针提供运行时证据，依据工程工作、调试、行为与回归抵抗力判定。README对比相关基准：SWE-bench以GitHub issue为任务、补丁后跑既有测试、无引擎运行时；JAMER按主题生成Godot项目、无头运行、指标连续且任务为生成式；GameCraft-Bench覆盖140个Godot任务、用多模态LLM裁判回放录像。仓库附任务注册表与主页。