
用.NET MAUI和Avalonia现代化NetHack的C引擎,并集成31款工具的AI顾问
来源标题:Modernizing NetHack's C engine with .NET MAUI, Avalonia and a 31-tool AI advisor
NetHack的C语言引擎正在用.NET MAUI和Avalonia进行现代化改造,并加入一个集成31款工具的AI顾问。相关基准测试显示,GPT-6 Luna (high)以每次测试0.11美元的成本达到83的智能指数,而最高分的GPT-6 Astra (medium)以6.97美元的成本达到87,成本相差60多倍。GPT-6.1 Sol (medium)得分86.4,但两次测试因供应商错误中断。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
在每题成本与智能水平的对数尺度对比中,虚线表示帕累托前沿:GPT-6 Astra(medium)、GPT-6 Luna(max)和 GPT-6 Luna(high)。
将智能水平与成本作图,权衡关系一目了然。GPT-6 Luna(high)以每套测试 0.11 美元达到 83 的智能指数,每题约 28 秒。得分最高的 GPT-6 Astra(medium)以 6.97 美元达到 87,成本高出 60 多倍。其中部分差异落在 95% 置信区间内,因此这条前沿只是参考,并非最终排名。GPT-6 Luna(high)也是我们在《为 Gnoll Overseer 选择 AI 模型》中建议玩家首选的模型。
可靠性同样重要。GPT-6.1 Sol(medium)在另一次运行中以每题 19.3 秒获得 86.4 分,但其中两套测试因服务商错误而失败。由于 GnollBench 不会为中断的运行发布指数,这些失败直接体现在结果中,而不是被平均值掩盖。
完整的统计模型、可比性规则,以及与 Artificial Analysis、HealthBench 和 BALROG 等公开基准的对比,请参阅《GnollBench 技术概览》和《GnollBench 与主流 AI 基准的比较》。
编程智能体进步很快,随着 Claude Opus 5.5 的发布,我们转向了智能体工作流:AI 智能体编写我们的大部分代码,人类开发者负责监督。这种模式能走多远取决于代码库:
游戏中的所有美术、音乐和配音均由人工制作。另一方面,Gnoll Overseer 和 GnollBench 使用的许多美术素材是用生成式 AI 工具制作的。我们的 AI 使用规范详见《AI 使用政策》。
我们的主要编程工具是 Claude Code,但 GitHub 仓库中的 AI 技能也支持 Google Antigravity 和 OpenAI Codex。
GnollHack 在 .NET MAUI 或 Avalonia 宿主中运行 C99 引擎,因此生产环境中的崩溃可能源于 C、C#,或底层某个框架。两层都会向 Sentry 上报,这是我们配合 GnollHack 使用的错误报告服务。C# 应用使用 Sentry 的 .NET SDK。当 C 引擎报告错误时,报告会附带引擎最近 40 条调试消息和当前游戏状态,两层都会添加面包屑。严重的原生崩溃由 sentry-native 捕获,EnableScopeSync 会将最新的 .NET 上下文传给它,因此即使是这类报告也能显示玩家当时在做什么。
C 引擎和 C# 应用如何为同一个 Sentry 事件提供证据。摘自我们 2026 年 10 月的工程评审。
当 Sentry 中出现问题时,我们的编程智能体会通过 Sentry MCP(Model Context Protocol)服务器连接,并遵循崩溃分析技能:
为了让编程智能体在不撑爆上下文窗口的前提下保持高效,每次会话加载的规则都保持精简(少于 10,000 token),其余内容则放入 60 多个模块化技能中,涵盖客户端架构、服务器模式、构建流水线和基准分析,总计超过 250,000 词。技能只在任务需要时加载。例如,我们的构建流水线技能记录了构建原生 C 解决方案、游戏数据和 .NET MAUI 目标的每一个步骤和陷阱。有了它,智能体——或者核对我们的缺陷报告的框架工程师——可以从一个干净的克隆构建整个项目。
有一项技能规范了所有非平凡变更的进行方式:我们的实现规划技能 agent-implementation-planning。它要求:当智能体要修改多个文件、公共接口或数据库 schema,或任何跨越构建步骤的内容时,必须先有一份经人工批准的书面计划。单文件修复无需计划。工作流程分为五个阶段:
智能体只有在人类要求时才会提交并推送到项目仓库。
GnollHack 将 NetHack 的 C 引擎保留为原生库,并在其上运行共享的 C# 客户端。我们于 2021 年在 Xamarin.Forms 和 SkiaSharp 上启动客户端,2025 年 4 月迁移到 .NET MAUI,2026 年通过 Avalonia UI 将其带到 Linux、Steam Deck 和 macOS,全部基于同一套代码库。
Gnoll Overseer 为该客户端增加了一个可选的 AI 顾问。它是一个由游戏内嵌的 Web 应用,从 C 引擎读取游戏的实时快照,并通过其 31 个工具查询事实,而不是依赖模型的记忆。
GnollBench 衡量模型完成这项工作的能力。它使用生产环境的提示词和工具测试每个模型,由来自两家服务商的盲评小组对答案打分,评分规则是:危险错误会压低分数上限,而诚实承认不知道则保留分数下限。
编程智能体现在在人类监督下编写我们的大部分代码,C 引擎是例外。有两套工作流支撑这一点:一是必须以“是”或“否”判定根因的崩溃分析,二是要求任何非平凡变更先获得人工批准计划的实现规划技能。
使用 Gnoll Overseer 需要免费的 GnollHack 账号。
截至 2026 年 11 月 10 日的 3.39 版本。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。