腾讯游戏GFlow展示多Agent协作，探索开放式设计验证与分发

AICon北京聚焦Agent工程实践

2026年AICon人工智能开发与应用大会·北京站定于12月18–19日在新云南皇冠假日酒店举办，主题为探索AI应用边界。大会设置13大技术专题，涵盖大模型后训练、Agent工程等核心方向。腾讯游戏高级研究员王文瑾已确认出席Multi-Agent Systems专题，发表题为《GFlow：面向游戏设计的多Agent协作与验证实践》的主题分享。王文瑾拥有浙江大学计算机科学与技术学院博士学位，研究方向涉及LLM/Agent技术在游戏设计、叙事及智能NPC场景的应用，相关成果已落地多个真实业务场景，并发表于CVPR、EMNLP等顶级会议。

GFlow架构应对开放目标挑战

游戏设计任务具有目标开放、产物相互依赖且质量难以通过单一指标判断的特点。GFlow面向此类场景构建多Agent协作体系，采用主智能体统筹专业智能体分工的架构。设计者通过结构视图、修改对比及试玩环节参与迭代，形成闭环。该架构旨在兼顾创意探索与结果可控，解决传统单一模型在复杂开放式任务中难以平衡创新性与规范性的问题。王文瑾指出，工程能力决定Agent能否真正进入生产并创造价值，而不仅是模型能力的简单叠加。

玩法生成与规则验证机制

在玩法生成环节，GFlow通过知识引导的分层采样探索机制组合，将设计需求展开为规则、组件与可玩原型。验证过程侧重检查模拟器与规则的一致性，通过对局模拟和方案评审来分析设计质量。数值模拟部分强调从设计反馈到可执行实验的转化，通过复用模板和模块构建模拟环境。结合运行回放与结构化结果，系统支持参数调整与原型迭代，并明确模拟结论的适用边界。这种从生成到验证的完整链路，提升了设计方案的可靠性。

交互叙事的可检查与干预

针对交互叙事场景，GFlow建立关联创作意图、大纲、世界设定与叙事图的创作机制。系统通过结构浏览和修改对比支持设计者的持续修订，实现可检查、可干预的人机协作。验证与评估环节采用状态可达性分析定位规则问题，并结合试玩和用户研究评估创作支持效果。这种设计使得叙事内容的逻辑一致性得到保障，同时保留了人类设计者的主观判断空间。对于没有标准答案的业务任务，这种模式提供了理解如何组织创意探索与任务推进的参考框架。

多子场景系统的工程取舍

生产应用要求围绕产物一致性、修改可检查、结果可验证和人工可干预进行总结。GFlow在玩法生成、数值模拟和交互叙事等不同子场景中，探讨了公共能力的复用边界以及工作流、工具和评价机制的差异化设计。这种基于领域特性的系统建设思路，为Agent系统从原型走向实际工作流程提供了技术取舍依据。王文瑾的建议强调，理解不同子场景的共性与差异，是构建稳健的多Agent系统的关键。

来源：InfoQ