新闻详情

新闻详情

首页 / 资讯中心 / 详情

OpenGame扩展开发入门:如何为AI游戏助手打造专属插件?

发布时间:2026/11/17 18:21:46来源:尧图网络
OpenGame扩展开发入门:如何为AI游戏助手打造专属插件?
OpenGame扩展开发入门如何为AI游戏助手打造专属插件【免费下载链接】OpenGameOpenGame: Open Agentic Coding for Games项目地址: https://gitcode.com/gh_mirrors/op/OpenGameOpenGame 是一个开源 AI 智能体框架能从一句提示词端到端生成完整可玩的网页游戏。想给你的 AI 游戏助手加上超能力吗本教程带你快速上手 OpenGame 扩展开发用 5 步完成插件的创建、调试与发布为游戏助手添加专属命令、专属工具和持久上下文。什么是 OpenGame 扩展扩展Extension是 OpenGame 的插件单元本质是一个包含qwen-extension.json清单文件的目录。它可以打包以下三类能力能力作用典型场景上下文文件QWEN.md给 AI 模型注入持久指令与背景知识固化团队美术风格、代码规范自定义命令commands/*.toml一句话调用复杂提示词模板/fs:grep-code TODO一键搜索总结MCP 服务器新增模型可调用的全新工具接入内部素材 API、游戏数据服务此外还支持excludeTools字段来禁用或限制内置工具例如禁止执行危险命令。OpenGame 启动时会自动扫描~/.qwen/extensions/目录加载并合并所有扩展的配置发生冲突时工作区配置优先。完整规范见 extension.md。AI 游戏助手能做什么先了解再扩展不加扩展OpenGame 也很能打内置Game Skill包含Template Skill自动挑选引擎模板、搭好项目骨架和Debug Skill在沙箱中运行游戏、自动修复集成错误直到可玩。一句话提示词就能产出一款完整像素风游戏例如这款猫猫保卫金枪鱼罐头塔防扩展的价值在于进一步把你们团队的美术风格约束写进上下文、加一条游戏自测命令、或者接上内部素材生成服务——这些都可以打包成专属插件。5 步创建你的第一个 OpenGame 扩展官方提供了完整的入门指引getting-started-extensions.md。第 1 步用内置模板一键脚手架OpenGame 内置了 4 个示例模板context、custom-commands、exclude-tools、mcp-server源码位于 examples/。复制任意一个作为起点opengame extensions new my-first-extension mcp-server生成的目录结构已含清单、MCP 服务器源码和构建配置开箱即用my-first-extension/ ├── example.ts ├── qwen-extension.json ├── package.json └── tsconfig.json第 2 步看懂清单文件 qwen-extension.json清单文件告诉 OpenGame 如何加载你的扩展关键字段name扩展唯一名称小写 连字符需与目录同名version版本号用于检测更新mcpServers要启动的 MCP 服务器列表支持${extensionPath}变量定位扩展目录内的文件contextFileName要加载的上下文文件名不写则默认找QWEN.mdexcludeTools要禁用的内置工具列表一个最小的上下文类扩展清单仓库中的真实示例 hello/qwen-extension.json{ name: context-example, version: 1.0.0, contextFileName: QWEN.md }第 3 步构建并 link 本地开发cd my-first-extension npm install npm run build opengame extensions link .link命令会在扩展安装目录创建一个指向你开发目录的软链接——之后每次改完代码重启 OpenGame 即可生效无需反复重新安装。第 4 步添加自定义命令在扩展目录下新建commands/子目录放入 TOML 文件即可。例如commands/fs/grep-code.toml可以定义一个先执行搜索、再把结果交给模型总结的命令用户直接/fs:grep-code 关键词调用。完整示例见 grep-code.toml。 若扩展命令与用户命令重名扩展命令会自动加上扩展名前缀如/gcp.deploy避免冲突无需手动处理。第 5 步用 QWEN.md 注入持久上下文在扩展根目录放置QWEN.md并用contextFileName指向它模型在启用该扩展的每个会话中都会读到这份说明。仓库中的 hello/QWEN.md 就是一个可参考的实例。例如在游戏助手的QWEN.md中规定生成每个游戏后必须自查胜负状态与按键响应是否完整就相当于给助手内置了一份固定的验收清单——之后生成的每款游戏都会更稳定。扩展管理命令速查表所有管理命令都在opengame extensions下操作命令说明安装opengame extensions install 仓库地址或本地路径支持 Git 仓库或本地目录卸载opengame extensions uninstall 名称—启用 / 禁用opengame extensions enable/disable 名称加--scopeworkspace仅对当前工作区生效更新opengame extensions update --all安装是快照副本更新拉取最新变更查看已装/extensions list在 CLI 会话内使用⚠️ 注意扩展的变更在重启会话后才对活动会话生效。发布与分享你的扩展扩展打磨完成后推荐将其作为公开 Git 仓库发布用户一条install命令即可使用。官方发布指南见 extension-releasing.md支持两种方式Git 仓库推荐最灵活用户可用--ref分支或标签锁定特定版本方便维护stable/preview/dev多条发布通道Release 压缩包把qwen-extension.json置于根目录的完整扩展打包成归档附件首次安装更快且可分发平台专属二进制推荐的发布流在dev分支开发 → 合并入preview分支做预览发布 → 合入默认分支作为稳定版。下一步学什么 扩展官方文档docs/developers/extensions/扩展规范、入门指南、发布指南内置示例扩展packages/cli/src/commands/extensions/examples/游戏模板 Skill 源码agent-test/template-skill/调试 Skill 源码游戏自动修复agent-test/debug-skill/从一个模板扩展开始你完全可以在半小时内让 AI 游戏助手长出第一个专属插件自定义命令接管重复劳动、MCP 工具接入你的数据与服务、上下文文件锁定团队游戏风格。动手试试吧【免费下载链接】OpenGameOpenGame: Open Agentic Coding for Games项目地址: https://gitcode.com/gh_mirrors/op/OpenGame创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/17 7:04:08

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/17 5:42:44

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/17 19:43:34

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/17 6:55:04

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/17 5:57:47

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/17 19:43:32

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉