成本2元开发游戏，最快3分钟完成！全程都是AI智能体“打工”，大模型加持的那种

关注

原创最新推荐文章于 2026-11-08 12:08:08 发布 877 阅读 AI 写同款· GEO 优化 ›

体验用ai做了个python小游戏最近ai确实比较火。各种生成式AI，包括文字、图片、视频。之前听说ai生产代码能力比较强，一直想试试。所以及就有了本问deepseek的代码输出能力完全没有问题，对于需求的分析也很精确。给出的修改提示和建议也非常有用。我的结论，deepseek完全可以作为生产力工具给程序员提供更快的代码输出，也可以帮助程序员学习新的知识点，通过项目一点点增加功能打磨代码。阅读详情

家人们，OpenAI前脚刚发布自定义GPT，让人人都能搞开发；后脚国内一家大模型初创公司也搞了个产品，堪称重新定义开发——让AI智能体们协作起来！

只需一句话，最快3分钟不到，成本也只要2元多，“啪~”，一个软件就开发完了。

例如开发一个红包雨的小软件，现在只需要说一句就好了：

“红包雨”是一个点击小游戏，红包的外观是红色高瘦的圆角矩形，红包缓慢地从上方掉落，每个红包间距相等，没有重叠，鼠标点击任意一个红包，红包便随着互动点击而消失，同时显示一个吉利的数字，表示抢到这个红包得到了多少钱。

更重要的一点是，在开发的整个流程中，从产品经理到程序员，再到设计和测试等等，统统都是AI智能体！

没错，全程你只需要提需求，剩下的智能体们会自己讨论、交流，甚至还伴随着battle，最终确定方案并执行。

要知道，常规软件的开发周期是在2-3周，且成本在10000-50000美元之间（包括人力）；如此对比起来，可真的是大写的“降本增效”！

这款神器便是ChatDev，是由面壁智能最新推出的SaaS级智能软件开发平台。

其实早在两个月前，“ChatDev智能体协作开发框架”就已经在GitHub上开源，并多次霸榜Trending排行，目前已经揽获近17000颗star。

在这里插入图片描述

而此次面壁智能之所以推出产品版，就是为了把这种“一句话搞开发”的门槛再次“打下去”。

现在有了它，搞开发可以说拼得不再是技术了，拼得更多的反倒成了创意。

宛如身边有一只哆啦A梦，只要你敢想，它就敢给你“造”出来。

在这里插入图片描述

那么产品版ChatDev正在带来什么样的改变？又是如何做到的？

产品开发变了：可以把更多创意塞进去

在产品版ChatDev加持之下，开发的迭代，也变成了有想法就行的事。

例如你想把“红包”替换成你想要的元素，同样也是只需要一句话的那种。

然后AI智能体们就又开始了新一轮工作流程，这次，我们来具体看看它们之间到底是怎么展开工作的。

我们还是先以刚才红包雨的demo为例。

首先，就像刚才提到的，我们需要做的就只有填写好“项目名称”和“Prompt”。

而且即便Prompt写得不好，在ChatDev旁边也有一个“一键润色”的功能，自动帮你把需求补充完整。

然后我们就能看到AI智能体们就开始“搓搓小手”准备干活儿了。

CTO先发话，大概意思就是：

来活儿喽！客户要搞个“红包雨”~

紧接着CTO详细地拆解了这个需求，把项目要做的每一步都罗列了出来：

在这里插入图片描述

任务下达之后，就轮到程序员发力了。

只见他不费吹灰之力，立即给出了一段Python代码：

在这里插入图片描述

代码完成之后，还有会有一位AI Counselor，会对整个项目做个总结，并将逻辑、结果等等一并奉上：

在这里插入图片描述

整个对话过程可谓是非常丝滑，我们就像一位尊贵的客户，静静地看着这些“AI员工”有条不紊地推进着项目。

不得不感慨，现在搞开发，真的成了有想法就行的事儿了。

例如网络爬虫、数据库读写、文件批处理、网页设计这样的编程助手；像五子棋、贪吃蛇这样的休闲小游戏；再如数字时钟、计算器、绘画板、图片编辑器这样的效率管理和创作辅助工具。

统统都能hold得住~

怎么做到的？

从早期披露的消息和论文中可以看到，最初的ChatDev，是团队设计了一套由群体智能串联起的ChatChain（交流链）。

可视为由原子任务组成的“软件生产线”，通过专业角色的智能体进行对话式信息交互和决策，驱动其进行自动化全流程软件工程。

在这里插入图片描述

然而，应用的创新离不开基础模型能力的提升，随着面壁智能推出SaaS版ChatDev，我们发现其自研的基座模型也有了新的版本——

面壁智能自研的新一代千亿参数大模型——CPMCricket（CPM全称为Chinese Pretrained Model) 。

据了解，CPM-Cricket是面壁智能的第三代模型，前两代分别为CPM-Ant、CPM-Bee。

（有意思的一点是，每一代模型的名字是按照英文字母的顺序为首字母，并取一个昆虫的英文单词来命名。）

至于CPM-Cricket的能力几何，一言蔽之，是在逻辑、代码、知识、指令理解等方面有了大幅提升，且全面超越Llama 2的那种。

在经典的LLM评测集（HumanEval、C-Eval、MMLU、MBPP、CMMLU、BBH等）中，CPM-Cricket表现如下：

或许这样的一组数据并没法带来非常直观的感受。

那么同样是基于CPM-Cricket的类ChatGPT产品——Luca 3.0，把它“丢”进公考场景之后的表现，便可以让CPM-Cricket的能力变得更一目了然了。

题目是这样的：

选取2022-2023年的公考试题，包括常识判断、数量关系、资料分析、判断推理、语言理解与表达等多种题型的425道试题。

例如面对下面这道单选题，Luca 3.0不仅可以秒速作答，还能将每一步的解题步骤详尽地列出来：

在这里插入图片描述

即使是面对话术弯弯绕绕、真人看了都需要反应一会儿的逻辑题目，Luca 3.0的回答也是游刃有余：

在这里插入图片描述

可以说，Luca 3.0在这套题上的表现是做到了“快”和“准”。

而与之同台竞技的选手，面壁智能所选取的也是业界相对标杆的大模型，GPT-4。

在这里插入图片描述

不难看出，在重要的常识判断和判断推理两项能力中，Luca 3.0相比GPT-4已经能够保持相对的优势了。

不仅如此，在英文测试环境中，Luca 3.0在GMAT官方模拟考试题中的表现，同样也是GPT-4整体相当（其中阅读达到GPT-4的97%水位）。

而Luca 3.0之所以能够取得这般成绩，除了背后CPM大模型升级这个因素之外，面壁智能在微调方面也做了相应的策略：

一是课程学习（Curriculum learning，CL）的训练策略，模仿人类的由易到难的学习过程，先在预训练中让模型学习底层推理规律，然后在对齐阶段学习人类的逐步推理思维。

二是思维链（Chain-of-thought，CoT）策略，对推理过程分解，让模型的推理更加具有可解释性。

（PS：目前Luca已经正式面向公众开放服务，是可以免费体验的那种哦~）

在这里插入图片描述

在底层基础设施的其他方面，例如训练、压缩和推理，面壁智能也自研了自己的一套打法：

BMTrain：大模型高效训练框架
BMInf：大模型高效推理框架
BMCook：大模型高效压缩框架

据说其大模型已集成超过16000多个真实API，可实现一键接入，调用工具解决更多复杂任务。

此外，面壁智能还部署了Int8量化模型，让模型推理成本降低50%。

总结来说，面壁智能探索了出更为低成本、高效率的模型训练方法，让大模型不仅能“训出来”，还能“训得好”、“用得好”。

这可能就是这家创业公司推动“大模型+Agent”应用落地的实力和底气。

还有更大的一盘棋

不过除此之外，基于大模型底座的基础能力，面壁智能还曾开源了两项重磅的工作——AgentVerse和XAgent。

加上之前我们提到的ChatDev，三者共同形成了面壁智能的“三驾马车”，围绕的核心便是AI智能体。

AgentVerse是一个大模型驱动的智能体通用平台，它的作用就是打造各式各样的AI智能体，让它们具备感知、思考、推理、理解、协作和执行的能力，以便“组团打怪”。

XAgent是大模型驱动的AI智能体应用框架，它可以让智能体们具备自主规划和决策能力，能够理解人类指令，制定复杂计划并自主采取行动完成任务。

而ChatDev则更为聚焦，是大模型驱动的多智能体协作开发框架，采用软件工程瀑布模型的思想，将软件开发分为软件设计、系统开发、集成测试、文档编制四个主要环节。

在这里插入图片描述

但若是我们将此次发布的所有“单节点”联系到一起，就能发现，面壁智能实则是在下一盘更大的棋——

左手大模型，右手AI智能体，要打造的是一个智能体网络（Internet of Agents，IoA）。

因为在面壁智能看来，我们已经经历了从互联网到物联网的过渡，而接下来的驶向便是智联网。

如果说互联网是二维信息的联通、物联网是三维空间的联结，那么智联网则是进入更高维度的智能体互联。

而在智联网中，AI智能体应当是最为关键的存在，它可以是拟人的原生智能体，也可以是现实中的人和物体的数字孪生智能体。

通过智能体的连接，可以让AI真正为人类服务，提供价值（生产力的提升、交互方式的改变）。

以一个大胆的想象来比喻，可能在智联网的将来，家中的哪怕是一张桌子、一台冰箱，也会具备智能体的特性，可以与人和其它物体做智能交互。

在这里插入图片描述

而这，也正是面壁智能愿景的由来——智周万物：

“智”即AI Agent智能体；“万物”可以是人，可以是物。

AI Agent智能体网络是连接现实世界与虚拟世界的桥梁，并使其真正交互和协作起来，创造价值。

不过有一说一，智联网的理想虽好，但现实的情况是，即使是ChatDev和第三代大模型的发布，也只能视为迈向愿景的一步。

那么面壁智能是否有足够的实力能够在将来解锁“智周万物”呢？

关于面壁智能

对于这个问题，我们首先就要看一下面壁智能的团队实力如何。

从官方披露的消息可知，面壁智能成立于2022年8月，CEO为李大海，首席科学家是刘知远。

二人的学术、技术实力已然是不容小觑。

李大海毕业于北大数学系，后加入谷歌成为Google中国创始员工之一；再后来也有在众多知名企业担任技术负责人、CTO等职务的经历，对技术体系的搭建和商业化落地有着丰富的经验。

刘知远是清华大学计算机系长聘副教授，主要研究方向为自然语言处理、知识图谱和社会计算。在人工智能领域著名国际期刊和会议发表相关论文200余篇，Google Scholar统计引用超过3.7万次，学术造诣可谓是十分深厚。

不仅如此，官方展示的“顾问”成员也是非常重量级，包括两位清华大学计算机系教授——孙茂松和刘洋。

不难看出，面壁智能是妥妥一家“清华味”十足的大模型初创企业。

除此之外，其在产学研生态道路上也有自己独特的打法，即“一体两翼”。

在这里插入图片描述

“一体”指的正是面壁智能，而“两翼”则是OpenBMB和清华NLP实验室。

据了解，OpenBMB是面壁智能团队在2021年与清华NLP实验室共同成立的国内领先大模型研发与应用开源社区，社区宗旨为“让大模型飞入千家万户”。

目前除了Agent技术框架，OpenBMB还开源了CPM-Ant、CPM-Bee 10B基础模型，BMTrain、BMCook、 BMInf 、OpenPrompt、OpenDelta等大模型全流程加速工具包，为中国大模型开源事业做出了独树一帜的贡献。

清华NLP实验室，则是国内最早系统开展深度学习与大模型研究的单位，团队在国际顶级学术会议和国际权威期刊发表论文200余篇，引用近44000次，并获得多项最佳论文奖。

由此可见，无论是自身实力，亦或是“一体两翼”式的强强联手，面壁智能在技术这一块可以说是妥妥拿捏住了。

这也就不难理解，为何仅成立一年的面壁智能，便可将CPM大模型迭代三代，又能在国内率先亮出“大模型+Agent”群体智能模式的产品应用了。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述