CreativeGame：迈向机制感知的创造性游戏生成

大语言模型能够生成貌似合理的游戏代码，但将这一能力转化为迭代式创造性改进仍然困难。实践中，单次生成常产生脆弱的运行时行为、跨版本的微弱经验积累，以及过于主观而无法作为可靠优化信号的创造力评分。另一个局限是，机制（mechanic）往往只被当作事后描述，而非可在生成过程中被规划、追踪、保存和评估的显式对象。本报告提出CreativeGame，一个用于迭代式HTML5游戏生成的多智能体系统，通过四个相互耦合的思路解决这些问题：以程序化信号而非纯LLM判断为中心的代理奖励；用于跨版本经验积累的谱系范围记忆；集成到修复与奖励中的运行时验证；以及机制引导的规划循环——在代码生成开始前将检索到的机制知识转化为显式的机制计划。其目标不仅是一步产出可玩的作品，而是支持可解释的逐版本演化。当前系统包含71条已存储谱系、88个已保存节点和一个774条目的全局机制档案，以6,181行Python实现，并配有检查与可视化工具。因此该系统足够庞大，可支持架构分析、奖励检查和真实的谱系级案例研究，而不仅是提示层面的演示。一个真实的4代谱系表明，机制层面的创新可以在后续版本中涌现，并可通过逐版本记录直接检视。因此，核心贡献不仅在于游戏生成，还在于一个通过显式机制变化观察渐进演化的具体流水线。