Roblox近日独家向TechCrunch透露,该公司正式推出一系列新的智能体功能,帮助开发者在其平台上规划、构建和测试游戏。Roblox对旗下面向自然语言交互的AI游戏开发工具Roblox Assistant进行了全面升级,旨在为创作者提供覆盖整个开发流程的支持。
Roblox表示,那些接收提示词后一步输出结果的AI工具,往往难以真正还原创作者的原始意图。为此,Roblox推出了全新的"规划模式",将Assistant升级为一个具备协作能力的开发伙伴,能够分析游戏代码和数据模型,主动提出问题进行澄清,并将提示词转化为可编辑的行动计划。
规划模式帮助开发者为游戏制定方案、获取反馈以完善细节、确认执行思路,并最终落实计划。在做出任何改动之前,创作者可以调整方案、补充背景信息,以确保最终结果忠实反映自己的创作意图。
举例来说,如果创作者告诉Assistant"创建一个带喷泉和绿植的公园小游戏,角色需要收集金币",Assistant可能会询问创作者希望公园呈现的视觉风格,比如卡通风、写实风或奇幻风。或者,Assistant也可能询问公园中的素材(如喷泉和绿植)希望以何种方式创建,包括从零搭建、使用创作者商店中的模型,或两者结合。
规划确定之后,规划模式将调用Roblox的其他AI工具来完成游戏构建。其中包括今天同步发布的两款新工具:网格生成(Mesh Generation)和程序化模型生成(Procedural Model Generation),两者均旨在提升开发效率。
网格生成功能可以轻松地将带有完整纹理的网格(即3D对象)直接添加到游戏世界中。Roblox表示,在开发早期阶段,开发者通常需要创建占位资产来预判玩家与世界的交互方式。有了网格生成功能,创作者可以快速生成3D模型,而无需依赖低质量的占位素材。
例如,创作者可以让Assistant生成一堆篝火,然后添加光源使其更具真实感,最后将场景设置为夜晚。
Roblox还将推出"程序化模型"功能,允许开发者结合代码和Assistant来创建可编辑的3D模型。由于Assistant能够理解三维空间关系和物理位置关系,创作者可以通过提示词,参照场景中已有物体的位置和比例来放置和缩放新对象。
书架的层数、楼梯的高度等属性均可动态调整,形成可灵活修改、反复复用的构建模块。
Roblox工程部高级副总裁Nick Tornow在向TechCrunch发表的声明中表示:"在Roblox Studio中推出智能体功能,降低了创意构想与实际执行之间的门槛。规划模式与程序化生成工具的结合,为创作者将概念转化为可玩内容提供了一种全新的强大方式。Assistant作为多步骤协作开发伙伴,加速了规划、构建和测试的全流程,让创作者能够更快地将想法变为现实。"
在规划模式按计划执行的过程中,它将借助游戏测试工具读取输出日志、截取游戏截图、使用键盘和鼠标等输入设备检查设计与玩法,识别程序漏洞并向Assistant反馈,使其能够自动完成修复。
Roblox在博客文章中表示:"凭借规划、构建和测试方面的全新能力,Assistant能够更好地利用智能体循环机制,对游戏的各个方面进行测试、提出解决方案建议,并将结果融入后续规划循环中,形成一个随时间推移不断自我优化、愈加精准的闭环系统。"
此外,Roblox还宣布正在探索多智能体协同并行工作的能力,支持在云端运行复杂的长流程任务,并处理编程、测试和创建更逼真游戏角色等工作。Roblox同时表示,希望确保创作者能够在Roblox Studio中无缝接入Claude、Cursor、Codex等第三方工具。
Q&A
Q1:Roblox Assistant的规划模式具体是怎么运作的?
A:规划模式将Assistant升级为协作开发伙伴,能够分析游戏代码和数据模型,向创作者提出澄清性问题,并将提示词转化为可编辑的行动计划。创作者可以在执行前调整方案和补充背景信息,确保最终结果符合创作意图。规划确认后,Assistant会自动调用其他AI工具完成游戏构建,并通过游戏测试工具检测漏洞并自动修复。
Q2:Roblox网格生成功能有什么用?
A:网格生成功能允许开发者直接在游戏世界中生成带有完整纹理的3D模型对象。在开发早期阶段,开发者通常需要使用低质量的占位素材来规划玩家交互方式,网格生成功能可以快速替代这些占位素材,生成真实可用的3D模型,从而提升开发效率和视觉质量。
Q3:Roblox程序化模型功能和普通建模有什么区别?
A:程序化模型功能允许开发者结合代码和Assistant来创建3D模型。由于Assistant理解三维空间和物理位置关系,创作者可以通过自然语言提示词来放置和缩放对象。书架层数、楼梯高度等属性可动态调整,生成的模型可作为构建模块在不同场景中灵活复用,相比传统手动建模更加高效灵活。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。