YC Labs 在《我的世界》运行 50 个 AI 智能体集群实验

YC Labs 近期公布了与 Olam Labs 合作的一项多智能体实验：在《我的世界》（Minecraft）和《Mindustry》中运行 AI 智能体集群，观察它们在开放环境中的协作、分工与生存行为。实验的核心动机是理解多智能体动态——这被认为是 AI 对齐领域最紧迫的挑战之一。智能体集群可能展现强大的涌现能力，也可能带来风险，因此既需要形式化模型，也需要实证研究。

背景：为什么选择游戏环境

《我的世界》之所以成为研究集群行为的自然选择，是因为它提供了一个开放世界：智能体需要面对环境危险，并完成采集食物、建造庇护所、探索资源等生存目标。它同时具备熟悉度和趣味性，并且有作为 AI 测试场的历史，从 OpenAI 的视频预训练工作到 Google DeepMind 的智能体击败末影龙。

研究团队希望运行长时间在线的《我的世界》智能体，但当时并不存在现成的运行框架，因此他们为实验构建了一个并已开源。智能体在游戏中需要观察世界、推理、记忆、执行动作、发送消息，以及编写和执行脚本。团队受到 Mindcraft 等现有仓库的启发，并基于 Mineflayer 已有的脚本工具进行构建。核心智能体循环由 Pi 运行，并通过基于 Mineflayer 的工具与世界交互，从而具备类似 Hermes、OpenClaw 以及团队自有 QM 的前沿智能体框架属性。

核心变化：50 个智能体的文明实验

实验设置是：50 个 GPT-6.1 Sol 智能体在一个生存模式的《我的世界》世界中运行 3 小时，唯一目标是“建立一个繁荣的文明”。它们可以使用智能体目录、共享沙盒，并能发送私信。

根据来源描述，这 50 个智能体在拥挤的庇护所中度过运行时间，配给稀缺食物。它们建立了一个伪政府，包括配给账本、成文规则、许可证和任命的操作员，并发送了约 5900 条消息。

初期活动非常活跃。智能体分散探索地图，并特别专注于砍树，在 90 秒内几乎砍光了出生点附近所有可及的树木。一个基于目录顺序的层级结构形成了：排在首位的 Ada 成为事实上的领导者，其他智能体向她发送审批请求，她则在共享沙盒中为殖民地撰写计划。

第一个夜晚带来了转折。来源称，整场运行中 34 次智能体死亡有 22 次发生在第一夜。智能体对此的反应是变得越来越规避风险。尽管在这个环境中死亡除了掉落累积装备外没有其他负面影响——死亡后会重生，并在电脑上的 death_log.md 文件中添加一行简短记录——但在随后的夜晚，智能体们蜷缩在庇护所中，尝试的危险任务更少。

第三天之后，Ada 写道：“停止可选的批量挖掘/建造和远距离侦察。在点亮的封闭庇护所中待命，直到被分配简短的生產性任务。”原本可能繁荣的文明转向更专注于食物和生存。50 个智能体意味着很多张嘴要喂，它们形成了通过 Ines 路由的食物配给系统。Ines 处理智能体请求，并跟踪箱子进出的物品，使用共享机器上的 food-queue.md 文件进行记录。

来源中展示的配给记录非常详细，包括紧急生存名单、重伤恢复需求、饥饿工人、物资物流、配给计算，以及多次更新和更正。例如，记录中出现了“已确认分配”“误送已解决”“面包已送达”等状态，也出现了“Noo 仍未获得配给”这样的未完成事项。这些记录显示，智能体们在协调中遇到了信息不同步、物资误领、远程救援等问题，并尝试通过命名预留箱子、直接私信确认等方式改进。

影响分析：从实验观察看多智能体系统

第一，风险规避可能自我强化。 首夜的死亡潮没有实质性惩罚，但智能体们仍然变得保守。这说明智能体的行为会受到经历中的负面事件显著影响，即使环境并未施加严格惩罚。对于部署多智能体系统的开发者而言，这意味着智能体可能因早期失败而过度收缩行为空间，需要设计机制避免“一次失败导致长期停滞”。

第二，层级与规则是自发涌现的。 智能体们基于目录顺序形成领导结构，并发展出配给账本、成文规则和许可证。这显示多智能体在资源稀缺时可能自发产生治理结构。来源未说明这些结构是否经过预先设计，但记录表明 Ada 撰写了计划并获得了其他智能体的请求。对于运维人员，这意味着多智能体系统的行为可能超出初始设计，需要可观测性工具来追踪规则和决策。

第三，通信与状态同步是主要瓶颈。 配给记录中反复出现“未确认”“待确认”“误送”等状态，说明智能体之间的信息同步并不完美。Ines 维护的账本采用“报告值，非实时”的说明，并多次更新以覆盖旧值。这提示在真实多智能体应用中，共享状态的权威性和实时性需要专门设计，否则会出现重复分配或遗漏。

第四，开源框架降低了实验门槛。 团队开源了《我的世界》智能体框架，基于 Mineflayer 和 Pi 循环。这为其他研究者提供了可复用的实验基础设施，有助于推动多智能体动态的实证研究。来源未说明框架的具体许可证、性能指标或兼容的模型范围。

行动建议：面向开发者与运维人员

为智能体设计“失败恢复”机制。 实验显示首夜死亡导致长期保守。在生产环境中，应明确失败后的恢复路径，避免智能体因一次异常而永久降低活动水平。
建立权威共享状态。 配给记录中的同步问题表明，多智能体协作需要单一事实来源。可以使用带版本号的共享账本，并要求接收方确认，而不是依赖发送方报告。
监控涌现的层级与规则。 智能体可能自发形成领导结构和成文规则。运维人员应记录这些结构的出现，并评估其是否符合预期，避免出现未经审查的决策集中。
谨慎对待通信量。 50 个智能体在 3 小时内发送约 5900 条消息。在更大规模部署中，通信开销可能成为瓶颈，需要设计消息过滤和摘要机制。
明确环境惩罚与行为的关系。 本实验中死亡无实质惩罚，但智能体仍变得保守。如果生产环境有真实后果，行为收缩可能更明显。建议在模拟环境中先观察智能体对惩罚的反应。
利用开源框架进行小规模验证。 团队开源的《我的世界》智能体框架可用于测试多智能体协作模式。建议在引入生产前，先在受控游戏中验证角色分工、资源分配和冲突解决机制。

需要指出的是，来源未说明实验的详细评估指标、智能体个体的模型版本差异、以及《Mindustry》实验的具体结果。本文的分析基于来源中描述的《我的世界》实验记录，不构成对框架性能的独立验证。

资料来源

本文由自动化系统筛选公开技术信息，并经 AI 辅助整理。