裁剪：犀牛 所罗门

【新智元导读】红警不再仅仅童年游戏，而成了AI Agent的硬核熟识场：OpenRA-RL把25Hz及时战场、50个用具调用和64局并发打包开源，让大模子第一次信得过站上RTS干戈迷雾里的公开科场。

AI能我方打红警了。

Hugging Face 刚扔出一个炸弹——OpenRA-RL，平直把经典 RTS《红色告诫》改形成了大模子的 Agent 熟识场。

不是套个壳录段视频那种玩物级 Demo，是真·基础步调级别的东西——

50 个 MCP 游戏用具全量清晰，25Hz 及时状况流不隔断推送，单进度 64 局并发熟识，LLM、剧本 Bot、强化学习 Agent 三条阶梯沿途买通。

更狠的是，它平直原生接入 OpenEnv 生态——TRL、torchforge、Unsloth 熟识框架即插即用。

畴昔 DeepMind 的 AlphaStar 打星际、OpenAI Five 打 Dota，靠的是几千块 TPU 和十足不可复现的定制架构。

平庸盘问者连门在哪王人找不到。

而当今，开源社区第一次把 RTS Agent 熟识的门槛一脚踹到了地上——一台销耗级显卡，一转 pip install openra-rl，你就能站在销毁条起跑线上。

实战：经济满分，战役零蛋

让咱们望望实战。

团队用 Ollama 腹地部署了一个 Qwen3 32B 模子，在 128×128 的友军舆图上对阵游戏内置的 Beginner AI，跑了 5 局。

Agent 通过 MCP 用具集接收结构化不雅测、发挪动作指示，每局前有策略筹画阶段，杀青后有反想复盘，从中索取的教化会注入下一局的系统教导。

收尾：沿途以平局告终，零次战役交锋。

Agent 在每一局王人见效建起了经济体系，但从未坐蓐出一支要紧队列。

真谛真谛的是，如若只看输赢，5 局全平，故事就讲完结。

但 OpenRA-RL 提供了 8 维奖励向量，画面一下就丰富了：经济维度得分 0.58-0.80，基建剖析雄厚，但战役和麻烦两个维度是干脆的零。

这即是一个精准的失败形态会诊——你能据此想象奖励塑形和课程学习策略。

底下这段 Game 5 前 10 回合的决议日记，能直不雅看到模子的「想考节律」：

Turn 1 | get_faction_briefing()Turn 2 | end_planning_phase(strategy=「」Deploy MCV， build PowerPlant (300 ticks)， then Barracks/War Factory (500/750)，train E1 + 1tnk， attack AI base at (64，64).「」)Turn 3 | deploy_unit(unit_id=120)Turn 4 | build_and_place(building_type=「」apwr「」)Turn 5 | advance(ticks=100)-> tick=55， cash=$5000， units=0， buildings=1Turn 6 | build_and_place(building_type=「」apwr「」)Turn 7 | build_and_place(building_type=「」powr「」)Turn 8 | advance(ticks=60)-> tick=108， cash=$4923， units=0， buildings=1Turn 9 | advance(ticks=130)-> tick=159， cash=$4838， units=0， buildings=1Turn 10 | advance(ticks=80)-> tick=210， cash=$4753， units=0， buildings=1

三段式节律明晰可见：谍报+筹画 → 建造经济 → 用 advance 快进来弥合 LLM 推理蔓延和游戏速率之间的范畴。

用具调用散播也印证了这少许——advance 占了沿途调用的约 57%，这恰是异步架构想象的中枢价值所在。

另一个耐东谈主寻味的细节：第 2 局的赛后反想发现了「干戈工场应该排在发电厂背面」这个建造礼貌缺陷，到第 4 局开局策画确乎改成了先建发电厂。

教导注入式学习能设置建造礼貌，却填不上战役维度的零分——这碰巧即是从转折文恰当到权重更新型强化学习应该产生可量化普及的场合。

为什么是红警？为什么是当今？

为什么偏巧选红警当熟识场？

先看一个问题：一个前沿大模子，不作念任何 RTS 专项熟识，能在即时策略游戏里撑多久？

本分的回复是：没东谈主知谈。

因为现存的 RTS 平台根柢就不支撑 LLM Agent。

SC2LE、PySC2 这些经典框架默许你的 Agent 在毫秒级别行动，动作空间是低层操作。

LLM 的需求碰巧相背——它需要高层接口、异步交互，以及对推理蔓延从 40 毫秒到好几秒剧烈波动的容忍。

硬把 LLM 往老框架上嫁接，能跑是能跑，但收尾不可比拟，尊龙凯时中国官方入口别的团队也没法复现。

OpenRA-RL 选了经典 Westwood RTS《红色告诫》四肢底座，基于开源名堂 OpenRA 魔改游戏引擎。

事理很朴素：策略深度够，代码干净能改，自带从 Beginner 到 Hard 的 AI 敌手梯队。

最终的效果是，你拿 Qwen3、Claude 已经一个 Python 剧本 Bot 来对打，王人是销毁个环境、零篡改。

三明治架构

OpenRA-RL 的架构可以用「三层三明治」来领略：

最底层是魔悛改的 OpenRA 游戏引擎，用 C# 写的，以约 25Hz 的频率不休跨越游戏心跳。

中间是 gRPC 桥接层，及时往外推送不雅测数据、接收操作指示。

最表层是 Python 封装，对外清晰 Gymnasium 格调的 reset / step / close 接口。

在此之上，MCP 业绩器把 50 个游戏动作清晰为用具，任何兼容 MCP 的 LLM 客户端王人能驱动一局游戏。

这套分层的中枢目的唯有一个：Agent 的计较和游戏的实行十足解耦。

一个 40 毫秒一步的剧本 Bot 和一个 2 秒一步的 LLM，跑在销毁个 25Hz 引擎上，互不滋扰。

64 局并发：一个进度处理

熟识和大范围评估需要大王人并发对局。

早期 v1 版块一局游戏开一个 .NET 进度，跑 64 局需要约 40GB 内存，每次重置要 5-15 秒——十足不行用。

v2 版块的中枢优化是：一个 .NET 进度承载 64 个会话。

关键发现是 ModData（单元属性、建筑参数、科技树、舆图规矩）在开动化后不可变，加载一次就能跨会话无锁分享。

仅此一项就回收了约 35GB 内存。

每个会话保留独处的 World、OrderManager 和 BotBridge，互相阻遏。

收尾特地暴力：重置蔓延从 5-15 秒降到 256 毫秒（快了约 40 倍），64 会话总内存从约 40GB 降到约 6GB（省了约 7 倍），JIT 编译从 64 次降到 1 次。

信得过紧要的事

OpenRA-RL 信得过紧要的不是让一个大模子在红警里造了几座发电厂。

更紧要的是：这个熟识场够硬、够准、够洞开。

环境自己有委果的策略深度——320 亿参数的前沿模子对阵最弱 AI，5 局打下来零交战，连一次要紧王人没发起过。生手难度的红警就足以清晰大模子在建造礼貌、军种搭配、要紧时机上的短板。

并且清晰得很精准：如若只看输赢，5 局全是平局，一个字就讲完结；但 8 维奖励向量会告诉你，经济得分 0.58-0.80，基建剖析可以，战役和麻烦是干脆的零——流弊在哪、课程想象往哪开刀，一目了然。

团队在博客里列出了几个明确的下一步标的：

基于 Qwen3 基线跑 GRPO（销毁个 Agent，权重更新替代教导注入，看战役零分能不行动起来）；

诈欺 8 维奖励作念课程想象（从只需要战役维度的场景起原，逐级往上爬）；

跨模子横评（Claude Sonnet、GPT 级模子、更小的腹地模子，销毁张舆图、销毁个敌手、销毁个手艺狂放）；

以及 Agent 对 Agent 的名次榜竞技。

关于 AI Agent 领域来说，这套用具的道理远不啻红警自己。

AlphaStar 和 OpenAI Five 说明了 AI 能在 RTS 里达到超东谈主水平，但那些效用被锁在高墙之后——几千块 TPU、定制架构、不可复现。

OpenRA-RL 第一次把这堵墙推倒了一部分：一台销耗级显卡，一转 pip install，你就站在了 RTS Agent 盘问的起跑线上。

红警是一个信号——这是强化学习该登场的场合。

而当今，登场的门票终于不再只属于 DeepMind 和 OpenAI 了。

参考贵府：

https://huggingface.co/blog/jadetan/openra-rl GitHub - yxc20089/OpenRA-RL: Open Framework for AI Agents to play Red Alert through Reinforcement Le

https://huggingface.co/spaces/openra-rl/openra-rl

https://openra-rl.dev/尊龙凯时中国官方入口