https://codexer.com/tags/%E5%8D%8F%E8%AE%AE%E5%B1%82/Recent content in 协议层 on CodexerHugozh-cnTue, 06 Oct 2026 07:40:00 +0800https://codexer.com/posts/2026-10-06-codex-wow-protocol-layer/Tue, 06 Oct 2026 07:40:00 +0800https://codexer.com/posts/2026-10-06-codex-wow-protocol-layer/<p>10 月 2 日，agent-wow 的作者贴出一次实验记录。他给 Codex 一句话：</p> <pre tabindex="0"><code>create an orc character and complete all quests in the starting zone </code></pre><p>40 分钟后，任务清单清空了，角色一次没死，路上也没出什么岔子。整个过程里，他没有给模型看过一帧游戏画面，没有模拟键盘鼠标，也没有去动游戏客户端。模型背后是 GPT-6 Astra，推理档位拉到了 xhigh，它连的是游戏服务器本身。</p> <p>作者的原话是，他一开始根本不信这事能成。就算能成，也以为要折腾几个小时，中间还得走一堆弯路。</p> <h2 id="为什么挑魔兽世界当考场">为什么挑魔兽世界当考场</h2> <p>这是作者从经典旧世一路玩到巫妖王的游戏，熟。更实际的理由是，魔兽世界在长期规划和短期操作之间有一个少见的平衡点。</p> <p>练满级这件事本身就是一棵依赖树：把前置任务链清完、装备凑到能进本、找到职业搭配合理的公会。每根枝条还能继续往下拆。某个部位的毕业装备要靠制造，制造又要资源和技能，角色可以自己去刷，也可以花钱买，两种做法通往同一个结果，路径完全不同。</p> <p>再往上就是团本。25 个人要同步，技能循环要打满伤害，脚下还得躲开火，一切都发生在几秒钟之内。</p> <p>这种结构正好能压测 agent：一部分任务需要提前好几步想清楚，另一部分必须当场做对。作者把目标放得很远，他想把整个服务器塞满 AI agent，看它们能不能在英雄难度下打通冰冠堡垒。打不过也行，能看到它们走到哪一步就算收获。</p> <h2 id="这个框架不提供动作只提供模块">这个框架不提供动作，只提供模块</h2> <p>agent-wow 的取舍很硬。</p> <p>它不给模型截图，不模拟键鼠，也不去 hook 客户端。它的做法是让 agent 直接跟服务端讲话，用的是魔兽世界自己的网络协议。</p> <p>更要紧的是，这个框架里没有任何游戏动作。没有移动，没有攻击，没有对话。它只提供一套模块系统，agent 缺什么能力，自己写。</p> <p>作者原本不是这么想的。他最初的方案是做一个完全无头的魔兽客户端，把 agent 会用到的原语都封装整齐。写了 1.6 万行代码之后，移动原语还是一堆 bug，寻路做得很难看，整个方案被推翻。换成模块系统之后，框架本身的复杂度降了至少一个数量级。</p> <p>这个思路来自 Mindcraft。那边的做法是，当内置命令不够用时，允许 agent 自己生成代码去调 Mineflayer 的 API。agent-wow 沿用了同一条路，只是连内置动作都省掉了。作者还提到一个副作用：跑的次数多了，看 agent 反复自己实现哪些模块，就知道哪些原语是真需要的，可以收进核心，剩下的不必操心。</p> <p>实验全部跑在本地私有服务器上，用的是开源项目 AzerothCore，版本 3.3.5a，也就是巫妖王之怒的最后一个版本。线上服务器一次没连。</p> <h2 id="它没有用你准备好的高层接口">它没有用你准备好的高层接口</h2> <p>作者原本押注 agent 会搭一层高层抽象，把 moveTo、castSpell 这类 RPC 方法暴露出来，好绕开底层的数据包。实际结果反过来了，它在协议层干得挺顺。</p>