GameUIAgent：基于结构化中间表示的LLM驱动游戏UI自动设计框架

游戏UI设计需要跨稀有度等级保持视觉资产的一致性，但目前仍主要依赖人工流程。我们提出GameUIAgent，一个由LLM驱动的智能体框架，通过Design Spec JSON中间表示将自然语言描述转换为可编辑的Figma设计。一个六阶段神经符号流水线结合了LLM生成、确定性后处理与由视觉语言模型（VLM）引导的反思控制器（RC），实现迭代自纠错并保证质量不回退。在110个测试用例、三个LLM与三种UI模板上的评估中，跨模型分析建立了游戏领域的失败分类学（依赖稀有度的退化；视觉空泛），并揭示了两项关键经验发现。质量天花板效应（Pearson r=-0.96，p<0.01）表明RC的改进受限于质量阈值以下的提升空间——这是测试时计算扩展律在视觉领域的对应物。渲染—评估保真度原则揭示，部分渲染增强会因放大结构缺陷反而使VLM评估劣化。总体而言，这些结果为游戏生产中LLM驱动的视觉生成智能体奠定了基础性原则。