GPT-6 Astra打完了“魔兽世界”兽人新手村，40分钟，零死亡。关键是它没有看到过游戏画面，一帧都没看到。一个叫agent-wow的开源项目，把它接进了一台魔兽私服。

Astra不看画面，直接读游戏底层的网络数据包，从里面拼出整个世界的样子。

然后它自己造工具、自己查攻略、自己规划路线，一路做任务、卖垃圾、换武器、学技能，做完整个“试炼谷”，走到了森金村。

用AI打魔兽世界这件事，之前也有人试过。

GitHub上能找到好几个项目，有用OpenCV加PyTorch做视觉识别的，有用LLM加截图操控角色的，但基本上都没离开视觉路线。

而且这些项目大多停留在“能跑能打怪”的阶段，没有拿出过完整任务链通关的记录。

但现在的agent-wow，没看画面，也没人教它怎么玩，它自己从数据里把游戏搞明白了。

40分钟里发生了什么

试炼谷是魔兽世界兽人种族的新手区，也是整个游戏最经典的开场。

2004年上线以来，数以百万的玩家在这里砍过第一只野猪，接过第一个任务，学会了“先卖垃圾再做任务”这条生存法则。

Astra花了40分钟做完了这里的全部任务。

它沿着前置任务链顺序推进，没有跳步，每做完一个任务就回NPC交差，领下一个。

途中它还自己判断了哪些掉落是垃圾、卖掉换钱，捡到比身上好的武器就换上。

进最后那个洞穴之前，它做了一件老玩家才会做的事，先跑去训练师那里学了新技能。

同时，它还把洞穴里两个任务一起接了，一趟进去两个都做，省一次跑路。

这种“先准备再进洞、多任务并行”的操作，在提示词里并无体现，这是Astra从任务数据和NPC位置自己推断出来的最优策略。

中间还有一个意外。

Astra发现地图上有几处碰撞检测缺失的区域，游戏的导航网格标记那里能走，但实际地形应该有墙。它直接穿墙过去了。

开发者提到，这算是一个bug利用。

导航网格和实际碰撞体不完全一致，Astra既不知道这是bug也不在乎，路线可行它就走。

Astra全程零死亡，毕竟新手区嘛，怪确实不难。

但对一个从没见过游戏画面、从没被告诉“打怪前先学技能”“垃圾装备要卖掉”的agent来说，干净利落地做完全部任务，中间没有一次卡死、迷路、或者跑去打不该打的怪，这个成绩已经超过不少真人新手了。

不看屏幕的玩家

下面介绍一下agent-wow具体是怎么工作的。

agent-wow是一个开源框架，底层跑的是AzerothCore私服，客户端版本是3.3.5a。

熟悉魔兽的人知道，这是巫妖王之怒的最终版本，2010年的客户端。

agent-wow有意思的地方在于，它什么都不替AI做。

框架不定义任何游戏逻辑，不帮你打怪，不帮你寻路，也不帮你接任务。

它只暴露一个模块系统，让AI自己决定需要什么能力，自己去造。

开发者的说法是，这套模块系统把agent-wow的复杂度至少砍掉了一个数量级。

框架简单，模型要做的就不简单，Astra手里根本没有一个完整的游戏手柄，只有一堆零件。

它做的第一件事是给自己建了一套感知系统。

它订阅了28种服务器消息类型，全是SMSG_*开头的底层数据包，涵盖世界状态更新、生物移动、任务触发、战斗数值、光环效果。

游戏过程中，它用一个Python脚本持续轮询这些消息，把原始数据包解析成一张在内存里不断刷新的世界模型。

你在屏幕上看到一只野猪跑过来，Astra在数据包里看到的是一条生物移动消息，附带坐标、朝向、速度和生命值。

它和你看的是同一个世界，只是看法完全不同。

任务情报则是从AzerothCore的SQL数据库文件里直接挖出来的。

每个任务的需求、前置链、NPC生成点坐标，数据库里全都有。

开发者把这比作一个人类玩家花几个小时泡在Wowhead上查攻略，区别是Astra跳过了网页，直接读的数据库原文件。

寻路可能是整件事里最妙的部分。

Astra自己生成了一个C++程序，用Detour导航库加载AzerothCore的mmaps文件。

mmaps是魔兽世界的导航网格，记录了地图上哪些地方能走、哪些是墙、哪些是水。

程序接受起终点坐标，算出可通行路线，输出一串JSON格式的路径点。

Astra在这个程序外面又包了一层Python，用来调用这个可执行文件，拿到路径，发移动数据包。

整个过程开发者只用了一条Codex提示词启动，推理强度设在次高档，从感知到行动到寻路，Astra全部自己搭。

开发者的下一步计划是测两件事，一是看看一个agent能不能独立从1级练到80级，二是评估多个agent能不能组队协作，通关冰冠堡垒英雄难度。

冰冠堡垒是巫妖王之怒的终极副本，需要25人组队挑战，它的Boss机制复杂度在当年被认为是魔兽世界的巅峰。

这个副本需要人类玩家花几个月练装备、背攻略、磨合配合才能通关。

现在，开发者想让25个从没看过游戏画面的AI去试试。