Building a multiplayer game world with autonomous Fable-class models
Pubblicata su AIChronos il · fonte del · Simon Willison
L'articolo descrive lo sviluppo autonomo di Spawn, un ambiente multiplayer dove agenti AI alimentati da modelli Fable modificano il codice e la logica del gioco in tempo reale. Il sistema opera con una frequenza di deployment oraria, gestendo bug report generati dagli utenti o rilevati automaticamente direttamente dai log. Gli agenti analizzano gli errori, decidono se applicare fix intenzionali o ignorarli come design features, garantendo un feedback loop continuo e immediato.
- Gli agenti autonomi modificano il codice in produzione con una frequenza oraria, trattando l'assenza di deployment come un incidente critico (SEV-0).
- Il sistema gestisce costi elevati per i token AI ma mantiene la coerenza degli agenti limitando il tempo di ragionamento a poche ore prima del deploy.
- Modelli specifici come Fable 5 e 5.1 abilitano un livello di autonomia superiore rispetto ad altri modelli frontier attuali, mentre tentativi con GPT-6 Astra hanno causato malfunzionamenti totali.
- Gli agenti rilevano bug direttamente dai log o dalle segnalazioni utente, decidendo autonomamente se correggere l'errore o classificarlo come feature intenzionale.
Perché conta. Questa architettura dimostra che per applicazioni a basso rischio ma ad alta interattività (come i giochi), gli agenti possono gestire cicli di sviluppo e deployment continuo senza supervisione umana costante, offrendo un modello scalabile per l'ingegneria agentic.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.