我用构建一个3D RPG的方式测试了reason agent——以下是哪些地方奏效、哪些地方出了问题

当你可以给一个自主编程agent一整个3D奇幻村庄去操心时，为什么还要用一个基础落地页来测试它呢？

我让@reasonmachines用three.js给我构建一个俯视角RPG，而这个小实验最终让我对reason machines、他们正在构建的东西，以及AI编程agent仍有成长空间的地方有了很多了解。

如果你还没接触过他们，reason machines是一家YC支持的初创公司，正在打造reason——一个专为真实软件工程工作设计的自主编程agent。

它不只是告诉你该怎么做，而是能检查代码仓库、编写代码、运行命令、调试问题、测试应用，并使用完成任务所需的工具。

除了编程之外，它还让你可以连接外部应用、设置周期性工作流、在云机器上运行会话，甚至让不同的AI agent相互协调。

我想看看这些有多少能转化为实践。

-- 实验：

我给reason下了一个相当有野心的提示词（使用reason的默认模型）：

build a top-down fantasy rpg in three.js with houses, pathways, npcs, companions that follow the player, enterable buildings with multiple floors, and furnished interiors.

基本上，就是一个微型的交互式奇幻世界。

在reason推进构建的过程中，吸引我注意的不只是代码生成，而是能够看到调试过程。

第一次浏览器预览遇到了WebGL问题，于是reason用一种替代渲染方案绕过了它。

接着是环境缩放问题、渲染调整，以及弄清楚当玩家走进建筑时建筑应该如何变透明。

我没有干等一个黑盒式的最终输出，而是能真正看到它在尝试什么、什么失败了，以及它如何恢复。

当你交给agent的东西比单个组件更大时，这种可见性非常重要。

最终，它交付了brackenmere——一个出人意料地迷人的低多边形小村庄，有树木、小路、一口村井、NPC、一支冒险者队伍、一个小地图、移动控制，以及一个名为“bring the lantern home”的任务。

考虑到我只描述了想要的体验并让reason负责实现，这已经相当不错了。

当然，当我真正开始探索村庄时，事情变得有点超自然了。

我的角色悬浮在地面上，移动感觉很奇怪，一些建筑交互也不太对。

但在玩笑背后，这里有一个真正的工程教训：

- 让agent生成看起来能用的软件，和让软件在人类实际接触时真正能用，是两件非常不同的事。

agent可以编写代码、运行检查并报告成功，却仍然遗漏那些你一与应用交互就立刻显而易见的明显问题。

说实话，一个干净的预览还不够，我想知道按钮是否有效、移动是否合理、应用能否承受意外输入，以及它是否真正符合最初的提示词。

reason在这里承担了大量繁重工作。剩下的差距是端到端的可靠性。

在游戏构建之后，我花时间探索了平台的其余部分，而reason在这里变得更加有趣。

1. 云计算机：

你不需要在笔记本电脑上运行一切，而是可以启动一个包含你的代码仓库、依赖项和工具的云环境，然后在你离开时让agent继续工作。

你还可以在本地和云环境之间切换，并随时检查实时会话。

2. reason network：

通常，如果你在一个项目上使用claude code，在另一个项目上使用codex，又在别处使用pi或opencode，这些agent会生活在完全隔离的孤岛中。

reason network是一个开源协调层（与reason agent本身分开），让受支持的agent能够相互发现、交换消息，并跨机器协调工作。

我真的很喜欢这种方法，因为agentic工作流的未来可能不是所有人都转向一个模型、一个IDE或一个harness。

人们已经有自己喜欢的工具，所以帮助这些工具协作，和构建另一个独立agent一样有用。

它还凸显了我经常思考的关于编程工具的一点：

- 模型给你智能，但harness决定这种智能能多有效地转化为真实工作。

两个运行完全相同模型的agent，可能因为它们的工具、上下文管理、错误恢复和验证方式不同，而给你截然不同的结果。

3. reason loops（周期性工作）：

我还想测试Reason能否处理计划性工作，而不需要我每天开始一个新聊天。

我让它设置每天早上9点（UTC+1）生成一份每日AI新闻报告，涵盖重大AI公告。

在就日程配置来回沟通了一会儿之后，reason创建并启用了这个loop。

对于每日技术研究、代码仓库监控或问题分类之类的事情，定义一次工作流并让它按计划运行是非常实用的。

请注意，我验证了loop已创建并启用，但我还没有测试多份每日报告随时间推移的质量，也没有对完整的agent-to-agent协调工作流进行端到端压力测试。

所以我就说到这里，因为我不想把“功能存在”和“功能经过实战检验”混为一谈。

-- 我对reason machines的最终看法

我真心对reason在一个屋檐下整合了这么多东西感到印象深刻，从把一个有野心的three.js RPG提示词变成可玩原型，到将云执行与多agent协调（network）和计划性工作流（loops）配对。

我接下来想看到的是更强的端到端验证、更好的交互式试玩测试，以及当任务没有完全完成时更清晰的报告。

在这一点上，对我来说，AI编程agent的大问题不是它们能生成多少代码，而是我们能在多大程度上信任它们妥善完成任务。

我肯定会继续试验reason，尤其是云工作流和agent协调。

但在我们走到那一步之前，reasonmachines，请解释一下为什么我的角色在飞。😭

我有一整个村庄要探索，而重力显然已经辞职了。

总之，我录制了完整的演示过程——包括构建过程、我探索的平台功能、loop测试，以及可疑的角色物理。

顺便说一句，这不是赞助内容——只是构建、测试、弄坏东西，并分享我学到的东西。

在https://reasonmachines.com免费试用，并BYOK