基于大型语言模型（LLM）的代理已经展示出了自动化和加速软件开发过程的能力。本文着重于游戏开发，并提出了一个多代理协作框架，名为GameGPT，用于自动化游戏开发。虽然许多研究已经确定幻觉是部署LLM在生产中的主要障碍，但我们发现还有另一个问题：冗余。我们的框架提出了一系列方法来缓解这两个问题。这些方法包括使用多重协作和分层方法以及几个内部词库，以减轻规划、任务识别和实施阶段的幻觉和冗余。此外，还引入了一种解耦方法，以实现更精确的代码生成。1引言人工智能在游戏开发中的应用可以追溯到经典游戏，如星际争霸和暗黑破坏神。开发人员一直需要AI系统来制作交互式虚拟世界和角色。这些系统已经成为开发此类交互平台的标准。早期的游戏AI研究强调控制非玩家角色（NPC）和路径规划。随着自然语言处理（NLP）的进步，一些专注于使用深度学习技术生成关卡的开创性工作已经出现。其中一个代表是MarioGPT，它通过对GPT2进行微调成功地生成了超级马里奥兄弟的关卡。
GameGPT是一个多智能体协作框架，专门设计用于游戏开发的自动化。该框架利用大型语言模型（LLM），如GPT2，来辅助游戏开发过程，克服了以往使用LLM时遇到的幻觉和冗余问题。幻觉是指LLM在理解和生成代码时可能出现的错误或不准确情况，而冗余则是指生成不必要的或重复的代码片段。
在GameGPT中，设计了一系列策略来应对这些问题。框架采用了双重协作机制，这包括LLM与其他小型专家深度学习模型之间的交互，以及执行角色与审查角色之间的合作。这样的设计有助于在多个层次上校正和优化生成的代码，确保其准确性和效率。
GameGPT利用内部词库来调整指令，以减轻规划和任务识别阶段的幻觉。通过预定义的词汇集，框架可以更好地理解特定游戏开发环境下的语境，减少理解错误。
再者，代码解耦是框架中的一个重要概念，它旨在提高生成代码的精确性。通过将复杂的任务分解为更小、更专注的部分，每个部分由一个专门的智能体处理，这样可以更精确地生成代码，避免整个代码库的混乱和冗余。
GameGPT的灵感来自于早期游戏AI的研究，这些研究主要关注非玩家角色（NPC）的控制和路径规划。随着自然语言处理技术的进步，特别是基于Transformer架构的LLM的发展，游戏开发中的自动化水平得到了显著提升。例如，MarioGPT就是一个例子，它通过微调GPT2模型来生成超级马里奥兄弟游戏的关卡。
GameGPT的提出，不仅考虑了幻觉问题，还特别针对游戏开发的特殊需求进行了优化，因为游戏行业要求高度的精确性和紧跟潮流的能力。使用单一的LLM可能无法满足这些需求，因此GameGPT引入了多代理系统，包括评论家和审阅者的角色，以确保在开发过程中生成的代码质量。
通过实证研究，GameGPT已被证明在游戏开发中的决策能力和决策纠正方面具有有效性。这个框架不仅提升了自动化游戏开发的效率，还降低了开发成本，因为它减少了人工介入的需求和潜在的错误。
GameGPT是AI技术在游戏开发领域的创新应用，通过多智能体协作解决了LLM在游戏开发中的幻觉和冗余问题，为自动化游戏开发提供了一种更为高效和精确的方法。
