P2E 的下一個時代：遊戲、AI 代理和加密貨幣的融合

1. 難度/複雜度設定不當：這可能是由於糟糕的遊戲設計，甚至可能是由於玩家數量不足而導致的匹配失衡

2. 目標不明確：遊戲設計因素

3. 回饋延遲：遊戲設計與技術問題因

4. 侵入式貨幣化：遊戲設計+產品

5. 技術問題/滯後

遊戲與 AI 的共生

AI agents 可以幫助玩家獲得這種流狀態。 在探討如何實現這一目標之前，讓我們先來了解一下什麼樣的代理適合運用到遊戲領域：

LLM 與強化學習

遊戲 AI 的關鍵在於：速度和規模。 在遊戲中使用 LLM 驅動的代理程式時，每個決策都需要呼叫龐大的語言模型。 這就好比在踏出每一步之前都要有一個中間人。 中間人很聰明，但等待他的回應會讓一切變得緩慢痛苦。 現在想像一下，在遊戲中為數百個角色做這樣的工作，不僅速度慢，而且成本很高。 這就是我們尚未在遊戲中看到大規模 LLM 代理的主要原因。 我們目前看到的最大實驗是在 Minecraft 上開發的 1000 個代理商的文明。 如果在不同的地圖上有 10 萬個並發代理，這將會非常昂貴。 由於每增加一個新代理都會導致延遲，玩家也會受到流量中斷的影響。 這就破壞了流狀態。

強化學習（RL）是一種不同的方式。 我們把它想像成訓練一個舞者，而不是透過耳麥給對方手把手的指導。 透過強化學習，你需要在前期花時間教 AI 如何 “跳舞”，以及如何應對遊戲中的不同情況。 一旦訓練有素，AI 就會自然流暢，在幾毫秒內做出決定，而無需向上請求。 你可以讓數百個這樣訓練有素的代理商在你的遊戲中運行，每個代理商都能根據自己的所見所聞獨立做出決定。 他們不像 LLM 代理那樣能言善道或靈活機動，但他們做事快速有效率。

當你需要這些代理人協同工作時，RL 的真正魔力就顯現出來了。 LLM 代理需要冗長的 「對話 」來協調，而 RL 代理則可以在訓練中形成一種隱性的默契——就像一支一起訓練了數月的橄欖球隊。 他們學會預測對方的動作，自然而然地進行協調。 當這並不完美，有時它們會犯一些 LLM 不會犯的錯誤，但它們可以在 LLM 無法比擬的規模上運作。 對於遊戲應用來說，這種權衡總是有意義的。

代理與 NPC

作為 NPC 的代理將解決當今許多遊戲面臨的第一個核心問題：玩家流動性。 P2E 是第一個使用密碼經濟學解決玩家流動性問題的實驗，我們都知道結果如何。

預先訓練好的代理有兩個作用：

• 填滿多人遊戲中的世界

• 維持世界中一組玩家的難度水平，使他們處於流狀態

雖然這看起來非常明顯，但建造起來卻很困難。 獨立遊戲和早期的 Web3 遊戲沒有足夠的財力聘請人工智慧團隊，這為任何以 RL 為核心的代理框架服務商提供了機會。

遊戲可以在試玩和測試期間與這些服務提供者合作，為遊戲發佈時的玩家流動性奠定基礎。

如此一來，遊戲開發者就可以把主要精力放在遊戲機制上，使他們的遊戲更加有趣。 儘管我們喜歡將代幣融入遊戲，但遊戲終究是遊戲，遊戲應該是有趣的。

世界上玩家最多的遊戲之一《英雄聯盟》有一個黑市，玩家在黑市上用最好的屬性訓練自己的人物，而遊戲禁止他們這樣做。

這有助於形成遊戲角色和屬性作為 nft 的基礎，從而創建一個市場來實現這一點。

如果出現一個新的 「玩家」子集，作為這些人工智慧代理的教練呢？ 玩家可以指導這些人工智慧代理，並以不同的形式將其貨幣化，例如贏得比賽，還可以充當電競選手或激情玩家的 「訓練夥伴」。

元宇宙的回歸？

元宇宙的早期版本可能只是創造了另一個現實，而不是理想的現實，因此沒有達到目標。 AI agents 幫助元宇宙居民創造一個理想世界 —— 逃離。

在我看來，這正是基於 LLM 的代理可以大顯身手的地方。 也許有人可以在自己的世界中加入預先訓練好的代理，這些代理都是領域專家，可以就他們喜歡的事物進行對話。 如果我創建了一個經過 1000 小時 Elon Musk 訪談訓練的代理，而用戶希望在他們的世界中使用這個代理的實例，那麼我就可以為此獲得獎勵。 這樣就能創造新的經濟。

有了像 Nifty Island 這樣的元宇宙遊戲，這就可以成為現實。

在Today: The Game 中，團隊已經創建了一個基於LLM 的AI agent，名為“Limbo”（發布了投機性代幣），其願景是多個代理在這個世界中自主互動，同時我們 可以觀看24x7 的直播串流。

Crypto 如何與之融合？

Crypto 可以透過不同方式幫助解決這些問題：

• 玩家貢獻自己的遊戲數據，以改進模型，獲得更好的體驗，並因此獲得獎勵

• 協調角色設計師、訓練師等多方利害關係人，創建最好的遊戲內代理

• 創建一個擁有遊戲內代理所有權的市場，並將其貨幣化

有一個團隊正在做這些事情，而且做得更多：ARC Agents。 他們正在解決上面提到的所有問題。

他們擁有 ARC SDK，允許遊戲開發人員根據遊戲參數創建類似人類的人工智慧代理。 透過非常簡單的集成，它就能解決玩家流動性問題，清理遊戲數據並將其轉化為見解，還能透過調整難度等級來幫助玩家在遊戲中保持流動狀態。 為此，他們使用了強化學習（Reinforcement Learning）技術。

他們最初開發了一款名為 “AI 競技場”（AI Arena）的遊戲，在這款遊戲中，基本上是在訓練你的 AI 角色進行戰鬥。 這幫助他們形成了一個基準學習模型，該模型構成了 ARC SDK 的基礎。 這就形成了某種類似 DePIN 的飛輪：

這一切都以他們的生態系統代幣 $NRN 作為協調。 Chain of Thought團隊在他們關於 ARC 代理的文章中對此做了很好的解釋：

像Bounty這樣的遊戲正採取 agent-first 的方法，在一個狂野的西部世界中從頭開始建立代理。

結語

AI agents、遊戲設計和 Crypto 的融合不僅僅是另一種技術趨勢，它還有可能解決困擾獨立遊戲的各種問題。 AI agents 在遊戲領域的妙處在於，它們增強了遊戲的樂趣所在——良好的競爭、豐富的互動，以及讓人流連忘返的挑戰。 隨著 ARC 代理程式等框架的成熟和更多遊戲整合 AI agents，我們很可能會看到全新的遊戲體驗出現。 想像一下，世界之所以充滿活力，並不是因為裡面有其他玩家，而是因為裡面的代理人能夠與社群一起學習和進化。

我們正在從一個「play-to-earn」轉向一個更令人興奮的時代：既富含真正的樂趣，又可無限擴展的遊戲。 對於關注這一領域的開發者、玩家和投資者來說，未來幾年將非常精彩。 2025 年及以後的遊戲不僅在技術上更加先進，而且從根本上講，它們將比我們以前看到的任何遊戲都更吸引人、更易於參與、更有生命力。