Problem

大型語言模型雖能生成遊戲程式碼，但在實務上難以實現持續性的創意演化。常見問題包括單次生成導致的執行期行為不穩定、版本間缺乏經驗累積，以及創意指標過於主觀而難以優化。此外，現有研究常將遊戲機制視為事後描述，而非生成過程中可被規劃與追蹤的核心物件。

Method

開發名為 CreativeGame 的多代理人系統，整合四大核心技術：以程式化信號為主的代理獎勵機制、儲存跨版本經驗的譜系記憶、結合修復與獎勵的執行期驗證，以及將檢索到的機制知識轉化為明確開發計畫的機制引導循環，確保生成過程具備邏輯性與一致性。

Results

系統已建立包含 71 組演化譜系與 774 條遊戲機制的資料庫。實驗顯示，透過四代的迭代演化，系統能在後期版本中產生創新的遊戲機制，且這些改變能透過版本紀錄直接被檢視與分析，證明了系統具備處理複雜、長文本開發任務的能力。

Significance

此研究的核心貢獻不僅在於生成可遊玩的遊戲原型，更在於建立了一套能量化與觀察「創意演化」的具體管線。透過將遊戲機制明確化，研發人員能精確追蹤與解釋 AI 在創作過程中的進步，為生成式 AI 在遊戲開發領域的應用提供了新框架。