大模型能玩即时战略游戏吗？我们让 AI 智能体指挥了一整场 RTS 对局

回合制游戏对语言模型很友好。国际象棋会等你，宝可梦会等你，文字冒险游戏能等到天荒地老。即时战略游戏谁也不等：它每秒跑三十个逻辑帧，模型还在读战场，它的坦克已经在挨打了。

那么，大模型到底能不能玩 RTS？能。2026 年 9 月 27 日，我们在自己的公开服务器上看着一个 LLM 智能体对阵另一个 LLM 智能体，连赢了两场完整对局。这篇文章写给正在用编程智能体（Claude Code、Codex、Cursor 之类）的人，想看看它面对一场战争会怎么做；也写给所有在关心“AI 智能体能不能玩游戏”这个问题的人。下面依次讲：为什么实时对模型来说很难，业界绕开它的三种思路，我们的对局里实际发生了什么，以及怎样让你自己的智能体上场。

为什么即时战略游戏对大模型很难

有三件事和模型作对。

速度。 模型回答一次要几秒，一场遭遇战一秒就定了。如果每道命令都要等模型往返一趟，模型永远在应对一场已经打完的仗。

战争迷雾。 RTS 把大半张地图藏起来。模型得决定去哪侦察、记住看到过什么、猜测看不到的东西。正在炮击它基地的火炮，可能根本不在视野里。

长线决策。 一局二十分钟，经济、科技、军队的每个决定都要很久以后才见分晓（或者见败局）。第二分钟升不升级采矿场，决定了第十二分钟养不养得起一支舰队。

让 AI 玩策略游戏的三种思路

端到端地学。 DeepMind 的 AlphaStar 在 2019 年达到《星际争霸 II》宗师段位，靠的是在游戏本身上训练，并通过和人类相同的操作界面来玩。这条路走得通，但需要一个研究实验室和一笔训练预算，练出来的东西也只会玩这一款游戏，不是你手头已有的模型。

把游戏变成文字。 NeurIPS 2024 论文 Large Language Models Play StarCraft II 提出的 TextStarCraft II 环境，用文字向模型描述战局、再把宏观决策收回来，并用“摘要链”（Chain of Summarization）把许多帧压缩进一次提示。它的智能体打赢了难度为 Harder（5 级）的内置 AI，之后又出现了 SC2Arena 等基准。这个形状适合大模型，但场上仍然只有模型一个玩家，比它思考更快的事情就没人做。

让模型当指挥官，而不是操作员。 这是我们在《钢铁浪潮》里采用的做法。模型不去微操每一个单位，而是站在一个快速的执行者之上下达命令，就像将军指挥一个师。正是这层分工，让我们拿下了那两场胜利。

LLM 智能体如何玩《钢铁浪潮》

《钢铁浪潮》是一款跨平台现代战争即时战略游戏：建基地、搞经济，陆海空单位同图作战。它有一个命令行工具 steel，加入专用服务器的方式和浏览器版游戏完全一样。智能体通过三层来操控一个席位：

1. 大脑。 游戏自带的 AI 每秒都在替这个席位做事：建造顺序、经济、生产、防守、进攻波次。它和人一样，受这个席位的战争迷雾限制。
2. 智能体。 大模型读一屏汇总（steel brief），然后给大脑“掌舵”（steel auto --favour mbt=3、--posture hold、--target x,y），或者把任何单位、建筑、决定收归自己手里。
3. 脚本。 凡是必须比智能体一轮思考更快的事，智能体就写成一个简短的 TypeScript 文件。会话每隔零点几秒运行一次，看到的只是这个席位能看到的东西。

第三层就是速度问题的答案。模型本身不需要快，它只需要写出一个够快的东西。

实战记录：公开服务器上的两场对局

两场都是一对一，在官方服务器上进行，对手是另一个用同一套命令行的 LLM 智能体。我们这边是 Claude，在 Claude Code 里运行，装了《钢铁浪潮》的技能包。下文所有内容都来自对局日志。

第一场：燃速公路（陆战）

开局照常由大脑打。第三分钟，智能体派三辆轻型坦克去袭击地图中央的敌方采矿场并摧毁了它，但有两辆追得太深，折了。旁观的人类给了一句提示：尽早把采矿场升到 3 级，因为深层采矿场每分钟产 480 金属，2 级只有 180。

智能体把这句提示变成了一个脚本：每秒挑离家最近的采矿场，预留出足够的金属不让大脑花掉，钱一够就下令升级。收入从每分钟 336 涨到第十一分钟的 2,400，第十四分钟超过 4,400。

它还抓住了大脑最大的失误。大脑在把坦克三三两两地送进敌方基地，每一小队都孤零零地死掉。智能体把大脑的姿态改成“固守”，一直等到十九辆野牛主战坦克集结完毕，再全军压上。这支部队赢下了中路决战，一路开进敌方基地。敌方总部在 17:33 倒下，17:52 对局结束，我们获胜。

第二场：霍尔木兹海峡（海战）

霍尔木兹海峡这张图把双方基地隔在海的两岸，光有坦克毫无用处。这一次智能体把采矿场脚本放进了开局：4:14 时收入每分钟 1,308，大约是第一场同一时刻的三倍。

大脑迟迟不建造船厂和战争实验室，智能体就亲手把两者都建了。工程船占下了海中小岛，眼镜蛇武装直升机把岛上的敌人清掉，侦察则找到了敌方基地：外面围着一圈防空炮塔。直升机过不去。

这时智能体的推理派上了用场。它读了单位数据：君王战列舰能从十四格外炮击陆地，而防空炮塔根本打不到船。它把生产转向战列舰，配虎鲸驱逐舰护航；卖掉一座占着生产名额的陆军工厂（一个总部只供得起三座生产建筑），又建了第二个总部来多拿名额。然后它写了一个舰队脚本：每艘战列舰炮击射程内最近的敌方建筑，射程内没有，就开到离目标最近、够得着的那片水域。

敌方造船厂最先被摧毁，接着是防空导弹阵地、机场、战争实验室和那道防空墙。一次空中扫荡找到了敌方总部，它在 22:02 倒下，对局于 22:20 结束。

大模型做得好的，和做得不好的

做得好： 它会读数据、自己找出克制（用战列舰打防空墙），没人教。它看见了大脑看不见的东西：添油式的进攻、海图上白占名额的陆军工厂。它还能在一场正在进行的对局里写出能用的脚本，服务器拒绝某道命令并说明原因后，再把脚本改好。

做得不好： 它的第一个脚本为了升级把金属攥得太紧，第五到第九分钟军队几乎为零；对手要是那时进攻，它就是光着的。在霍尔木兹海峡，它有好几分钟攒着 3,000 到 4,500 金属花不出去，才想到第二个总部。而且当天最好的主意（尽早升深层采矿场）来自旁观的人类，不是模型。

对阵另一个智能体的两场胜利只是两个数据点，不是基准测试。席位大脑单独作战的如实战绩写在智能体页面上：对受迷雾限制的“老练” AI 打成平手，对唯一能透视迷雾的内置 AI“老兵”则很少赢。真正要拉开差距的，是智能体的判断。

让你自己的智能体试试

安装命令行（一个自包含的二进制文件，不需要 root）：

curl -fsSL https://steelti.de/cli.sh | sh

安装技能包，它会教你的智能体命令和战术：

npx skills add steel-tide/skills --skill steel-tide-cli

然后用你自己的话让智能体上场：

加入 play.example.com 上的《钢铁浪潮》服务器，加入码是 <加入码>，以 Claude 的名字参战，打赢这一局。

你可以用安装器自建服务器，让两个智能体各占一个席位、自己在浏览器里观战，也可以用 steel lab 在无界面模式下拿脚本和内置 AI 对打。更多内容见智能体页面。

常见问题

ChatGPT、Claude 或 Gemini 能玩即时战略游戏吗？ 任何能执行命令行的模型都能通过 steel 玩《钢铁浪潮》。技能包是为编程智能体写的；模型不需要视觉能力，因为战场是以文字返回的。

AI 会作弊吗？ 不会。智能体只能看到自己席位看得到的东西，每道命令都发往服务器，像一次点击一样被裁定。脚本的视野和限制也一样。

这算基准测试吗？ 还不算。它是一种玩法。同一台服务器上的两个智能体、同一张地图、同一套规则，已经具备了基准测试所需的大部分条件，我们很希望看到有人来跑一次。