从“单枪匹马”到“师徒四人”

如今硅谷最顶尖的一批 AI 研究者，上班内容可能就是盯着 AI 在《我的世界》里砍树、挖矿、做装备，最后挑战末影龙。听起来像玩家整活，实际上每一步都可能写成论文。

早期代表是 Claude。开发者提前准备好采矿、合成、战斗等工具，由 Claude 自己决定下一步并调用工具，最终不到 4 小时就击败了末影龙。

更进阶的玩法是双模型协作：GPT6-Astra 负责规划，擅长快速决策的 Jev 负责选择动作，两者配合只用 8 分 43 秒就完成通关。

谷歌 DeepMind 最近的实验更进一步：四个 Gemini 4 Argon 空手进入游戏，没有现成人类程序可依，只能自己写代码行动——要砍树就写砍树代码，要挖矿就写挖矿代码，执行失败再重写。

它们还自发形成了分工：有人负责食物和材料，有人负责工具，有人负责探路；发现问题后会主动沟通，提醒队友避免重复踩坑。

【编辑观察】从一个 AI 调用工具，到两个 AI 分工速通，再到四个 Agent 从零开荒，AI 在《我的世界》里的进化史，几乎就是一部“智能体协作方式”的迷你演进史。

605次死亡，换来一次屠龙

这趟“取经路”一点也不顺利。四个 Gemini 在游戏里闯荡了八十多个游戏日，现实耗时约 27 小时 14 分钟，总共死亡 605 次，写出 2700 多个程序、约 6.33 万行代码，其中五分之一的程序都出现过报错。

一些失败数据相当有画面感：

  • 击败末影龙之前，它们共击杀其他怪物 351 次
  • 溺水死亡 67 次，后来甚至专门写程序让角色保持漂浮
  • 最终末影龙战持续近 14 小时
  • 仅被末影龙击杀就有 69 次

有一次，一个 AI 带着打龙的关键材料，在离队友只剩 8 米时落水淹死。另外两个 AI 立刻发送死亡坐标，催促最近的队友前去回收材料，才算保住了进度。

它们也会共享战斗经验，比如互相提醒：进入末地后别站着不动，否则末影龙会冲过来把人撞飞。

DeepMind 这场实验的核心，并不是简单证明 AI 能打赢 Boss，而是研究 AI 如何在没有人类代打的情况下，完成长期规划、工具调用、错误修复与团队协作。

为什么偏偏是《我的世界》？

用《我的世界》训练 AI，早在这一轮大模型爆发前就开始了。

  • 2016 年：微软五位计算机科学家研究让 AI 在游戏里爬山，并推出 Malmo 平台，供全球开发者训练 AI。
  • 2019 年：卡内基梅隆大学发起 MineRL 比赛，目标是在有限训练时间内让 AI 挖到钻石。
  • 2022 年：MineDojo 项目收集了海量《我的世界》资料，包括 73 万多条 YouTube 视频、约 30 万小时 gameplay、22 亿词解说文本、约 7000 页 Wiki，以及 34 万条 Reddit 帖子和 660 万条评论。
  • 2025 年：DeepMind 的 DreamerV3 首次不依赖人类示范和预设课程，让 AI 从零摸索出挖钻石的方法，成果登上《自然》。

同样在 2022 年，OpenAI 用 7 万小时人类游戏视频训练 VPT 模型，让 AI 通过观看玩家视频学习鼠标和键盘操作，而不是由开发者逐键指定动作。它最终学会了制作钻石镐，不过当时成功率还只有 2.5%。

2023 年的 Voyager 项目则把 GPT-4 接入游戏，让 AI 自主布置任务；每学会一项技能，就把对应代码保存进技能库，之后直接调用，初步形成了“记忆”和“技能复用”能力。

开放世界，才是真正的考卷

国际象棋适合训练推理，《星际争霸》适合训练资源调度，但这些游戏大多围绕固定胜负目标展开。《我的世界》的特殊之处在于：它几乎不规定玩家必须做什么。

玩家可以盖房、种田、养动物、四处探险，也可以用方块和红石电路搭建复杂装置。硬核玩家甚至在游戏里造出可运算的计算机，乃至纯红石神经网络。

这种高自由度由大量基础任务组合而成。Minecraft Universe 整理出了 3452 项基础任务，它们可以像乐高一样拼出复杂行为。

比如“击败末影龙”可以不断拆解：

  • 准备武器
  • 寻找铁矿并熔炼铁锭
  • 制作镐子并挖矿
  • 获取食物、床和燃料
  • 探索下界、获取烈焰棒和末影珍珠
  • 定位要塞并进入末地

这正是 AI 研究最看重的能力：不是回答标准答案，而是在开放环境中自己设定子目标、分配资源、测试方案并承担失败后果。游戏还能随机生成地图，或用固定地图种子复现实验，资源、怪物、昼夜和难度都可调节，非常适合做可重复研究。

AI练的不是游戏，是未来协作

四个 Gemini 打龙的实验，本质上是在模拟未来的多智能体系统：每个 Agent 都是通用编程智能体，各自控制一名玩家，通过共享聊天和笔记交换信息；它们写出 JavaScript 程序，再借助 Mineflayer 机器人进入同一个生存世界。

现实中，人类对 AI 的要求已经从“翻译一篇文章”走向“开发一款软件”。这要求 AI 不只会写一小段代码，还要能连续工作十几小时，调用上千次工具，记住上下文，协调队友，并在卡住时自己调整方案。

【编辑观察】2016 年，AlphaGo 击败李世石，让全世界第一次直观感受到人工智能的冲击力；2026 年，四个 AI Agent 在《我的世界》里跌跌撞壮击败末影龙，看似换了一盘游戏，实则指向新的起点——AI 正从“单个模型答题”，走向“多个智能体共同完成复杂任务”。