畅游技术总监分享游戏AI Agent落地实践经验

AI圈子今年最热门的话题，一定绕不开AI Agent，年初甚至出现全民讨论的"小龙虾"热。在游戏圈，基于自主感知、自主决策、自主执行的特性，Agent也成为AI落地游戏开发的核心发力点之一。

AI Agent如何落地游戏场景，一直是行业人士最关心的话题。6月5日的腾讯云AI产业应用大会·游戏专场上，畅游高级技术总监黎志刚以《游戏行业AI Agent的实践之路》为题发表演讲，披露过去一年畅游如何构建AI Agent在游戏场景的实践落地，分享了内部踩过的坑和宝贵经验。

以下是整理的演讲内容：大家好，我是来自搜狐畅游的黎志刚，今天很高兴来向大家分享过去一年我们公司在Agent方面的经验，但是今天篇幅有限，我更多讲的是构建过程中的思考和遇到的一些坑。

演讲六大核心分享板块

接下来这段时间，我会从六个板块来同大家分享。本次分享覆盖趋势研判、理念构建、思维转型、角色定位、场景实践、效果复盘全链路，完整还原游戏行业AI Agent的落地路径。

AI Agent落地趋势与行业现状

趋势这块，相信大家都知道，去年开始整个Agent落地速度非常快，我们也是从去年开始一直做各种Agent、包括管线构建、Skills等设计。这里有一个大家都会去思考的核心问题：做了那么多AI后，落地的效果怎么样？

可能很多公司和团队都会去复盘，发现做了很多东西，但最终应用上线后，比如成本有没有降低，团队效能有没有提升？可能反映出来的效果没有那么明显。我们也会做大量的复盘，过去一年基于每个板块在做复盘，发现了很多坑点。

游戏AI Agent落地核心痛点

游戏场景落地时，我们在开发的过程中发现，要打通整个上下游是很困难的。如果我们只是做单个场景很容易，比如只做运维更新、回档等，不管是做Skills或是简单的Agent，都是OK的。

因为畅游用十几年的时间做了大量的自动化系统，已经实现了很高的智能化，节省的人效和效能已经很OK了。那为什么还要做智能体？我们复盘效能数据和流程的过程中发现，决策计划生成的过程中，还有大量环节是由人去做的。

这里有大量的经验，还有大量需要继续判定的规则，很多东西其实是灰色的，或者说是没有进行量化、信息化的，这部分非常重要。而且随着像Harness Agent这样的新框架出来以后，我们发现，如果希望让经验变得更加有思维，或者说让他能够自学习成长，这部分也是很重要的。

畅游AI Agent落地架构设计思路

在畅游构建智能体的过程中，团队最开始会考虑：大模型能力适配性很高，所以我们把所有东西都对着他，那大模型就可以帮我干很多事情。但我们自己跑完以后发现，不是这样的。

大模型有它的强项，能帮我们收集相关工具的信息，以及当我们提供相关信息以后，它去调度很多程序，包括我们已有的自动化系统。或者举例子，腾讯云提供的WorkBuddy，它会帮我们去进行硬编码，构建一个直连我们的终端系统以及自动化教务系统，然后根据需求帮助我们做自动化，这都是OK的。

大模型的强项能做什么、我们要给大模型提供什么，以及在真实生产环境里应该干什么？这里是有区分的，不是说所有东西全都由大模型来做。

整个过程我们内部会分成三层来做，最下面这层，我们会把内部系统和要调度的服务全部MCP化，不是让大模型直接硬编码或者通过Key的方式，直接连我们内部的系统，这样是很不安全的。

特别是对运维场景来说，它是生产场景，线上几百万、上千万用户都在使用这样的服务。如果让大模型直接去操作，不管是幻觉问题，还是理解问题，都会导致一些非常严重的事故。所以我们是不会让大模型或者智能体直接上生产环境的。

但又要让他去干这件事情怎么办？我们反思了一下，现在做的大量自动化工具、平台，或者所谓的链路，已经可以提供给智能体，让它作为工具来进行调度。智能体