负责体育游戏生成大模型、Sports Game Agent自动试玩、App同步与技术动态观察。
乐鱼体育生成式AI研究组研究“模型到底需要理解什么”：体育项目、规则、球员、地图、物理、事件、计分、界面和Game Loop之间的依赖关系，以及为什么只靠文字大模型无法生成完整可运行的体育游戏。
我们也负责测试Agent的设计——生成、试玩、发现问题、修改、再测试——并跟踪公开的生成式游戏、世界模型与自动化游戏测试进展。引用外部信息时只写能从公开资料核实的内容。
每篇文章至少包含一个具体的创作场景，写清“用户输入什么 → AI怎么理解 → 生成什么 → 哪里可能出问题 → 如何检查 → 如何修改”；文中的数值均标注为模拟示例；相邻主题的文章会使用不同的结构，避免套用“是什么—优势—应用—未来”的模板。
本文梳理近两年公开的生成式游戏技术进展：可从文本或图片生成可实时探索环境的世界模型、在经典射击游戏上训练的神经网络游戏引擎、用结构化规则把3D物体变成可驾驶载具的“4D生成”，以及用语言模型生成可玩关卡的学术研究。文章指出，这些进展的共同方向是从“看起来像”走向“能交互”，但体育游戏还需要多人对抗、确定性规则、计分和比赛结束条件，而世界模型官方公布的限制恰好落在多智能体交互和长时间一致性上。文章最后讨论了这对体育地图生成和规则系统的具体影响，以及仍未解决的问题。
乐鱼体育App更新以后，地图项目没有同步，多数不是数据丢失，而是更新带来的三件事还没处理完：项目文件格式需要从旧结构迁移到新结构，迁移完成前同步队列会暂停该项目；地图生成器升级后，同一个种子会生成不同的地形和路线，所以旧项目不会用新生成器按种子重算，而是保留原有几何数据并记录旧生成器版本；另一台还没更新的设备继续编辑同一项目，会造成格式不一致或同步冲突。文章用模拟示例说明迁移、重试与冲突处理的逻辑，并提供一张按症状查找原因和处理方式的排查表。
本文观察无代码游戏创作中自然语言、可视化编辑和AI自动测试三者合流的趋势。公开资料显示，主流引擎已把项目感知的AI助手和素材生成器整合进编辑器，创作平台则推出了先提出澄清问题、生成可编辑计划，再由测试代理读取日志、模拟键鼠输入来检查问题的工作方式；大型游戏公司的研究团队也公开介绍过用强化学习补充脚本化自动测试的经验。文章以一个3对3街头篮球小游戏为例，说明三种能力如何在“用户—编辑器—规则—验证—游戏”流程中分工，并讨论测试覆盖、结果解释和主观体验评估等仍未解决的问题。
本文以一张“雪地越野障碍赛”地图为例，说明AI生成体育游戏后如何用测试Agent自己试玩。文章比较了四类测试Agent：随机探索适合找卡死点和碰撞漏洞，目标导向寻路适合验证终点是否可达，强化学习策略适合发现捷径和规则漏洞，不同技能水平的模拟玩家适合评估难度和胜率分布。文中用一次模拟测试展示“生成—测试—发现问题—修改—再测试”的完整循环，列出Agent能发现的卡死、不可达、比赛无法结束、胜率失衡四类问题，也说明节奏感、爽快感这类主观体验仍需要真人试玩判断。
重新下载乐鱼体育App后看不到以前创建的游戏项目，多数情况下数据并没有丢失。本文梳理了五类常见原因：登录的不是创建项目时用的那个账户；项目当初是在游客模式下创建的，只保存在旧设备本地；项目清单已经下载但具体数据仍在同步；项目列表开着按体育类型或“最近编辑”的筛选；安装了来源不同的安装包，连接的服务环境不一致。文章解释每种情况背后的机制，给出一份按先易后难顺序排列的七步排查清单，并提醒用户只通过官方下载页获取安装包，避免来源不明的版本带来数据与安全问题。
本文以用户输入“做一个三人制沙滩排球，海边，打到15分”为场景，把体育游戏生成大模型需要理解的内容拆成Sport、Rule、Player、Map、Physics、Event、Score、UI、Game Loop九类，并用表格列出每一类必须输出的字段和可以自动检查的条件。文章说明了模型如何区分标准规则和用户自定义改动、为什么“打到15分”在需要领先2分的规则下必须补一个封顶值、场地尺寸如何同时影响球员跑动和物理参数，以及模拟对局暴露理解偏差后，用户修改一句话时哪些对象需要重新生成、哪些可以保留。
换手机以后，乐鱼体育App里的游戏项目不一定会丢，也不一定都在。本文先解释一个项目在App里由哪些部分组成（项目清单、地图数据、规则与球队、版本记录、素材引用），再区分“只存在本机的本地草稿”和“已同步到账户云端的项目”，说明游客模式下创建的项目为什么在卸载或换机后可能无法找回。文章给出换机前在旧手机上要做的四步检查和新手机上的三步操作，并用一个模拟例子说明两台设备离线同时修改同一张地图时会出现什么样的同步冲突，以及“保留两份”为什么通常是最稳妥的选择。
这篇文章讨论的问题是：AI能否从一句提示词出发，依次生成运动类型、规则、地图、球员、AI对手、计分、界面和游戏循环，最后得到一个真正可以玩的体育小游戏。文章以“做一个足球小游戏，规则尽量接近正式比赛，对手是电脑”为模拟场景，逐层说明每一层输出什么、依赖上一层的哪些产物，以及最常见的断裂方式：规则写了越位，地图却没有定义中线和半场归属；计分板显示的比分和规则层实际记录的进球数不一致；AI对手只有寻球逻辑没有状态机，控球方一丢球就全体站桩；游戏循环没有终止条件，比赛永远结束不了。文章强调生成素材不等于生成游戏，一个体育游戏至少要有Map、Player、Rules、Input、AI、Score、Win Condition和Game Loop八个相互引用的部分。最后介绍如何让AI在交付前自动试玩数百局，用比赛能否结束、比分是否一致、球员是否长时间静止等指标定位问题所在的层，并只重新生成出错的那一层及其下游，必要时回退到上一个可用版本。
本文以用户输入“做一条卡丁车赛道，第三个弯很急，要能漂移过去”为例，解释为什么文字大模型不能单独生成完整体育游戏。文字模型擅长意图解析和规则草案，但“很急”这类形容词必须由空间模型换算成弯道半径和赛道宽度，由物理模块用摩擦系数和入弯速度算出刹车距离，由规则引擎把计圈和判罚变成状态机，由运行时每秒几十次更新车辆位置。文章给出了一个半径12米弯道需要约32米刹车区的模拟计算、一张六模块分工表，以及用户要求“再急一点”时各模块如何联动重算。
第一次打开乐鱼体育App时，系统要求先选择体育类型，这不是为了多一道流程，而是因为赛车、滑雪、高尔夫、跑酷、足球、篮球使用的地图规则集完全不同：赛车检查弯道、超车区和刹车距离，滑雪检查坡度和转弯空间，高尔夫要有Tee、Fairway、Green和障碍区，跑酷关注障碍、跳跃高度和动作连贯。本文用对比表说明体育类型如何决定生成参数、默认模板和自动验证标准，并讲清楚选错类型后在项目设置里切换、复制为新类型、重新生成三种处理方式各自会保留和丢失什么。
也可以查看乐鱼体育地图生成研究组与乐鱼体育赛事系统研究组的文章，或回到关于乐鱼体育了解全部研究团队。
请留下您的联系方式，我们会尽快与您联系。
