当大模型开始被拿来打《杀戮尖塔》，值得关注的不是它能不能通关，而是这类游戏恰好卡在当下智能体能力的最薄弱处。
发生了什么
Hacker News 上出现了一个题为「AI Plays Slay the Spire」的条目，在社区获得了一定关注。从标题本身可以确认的信息很有限：有人尝试让 AI 来玩这款卡牌构筑类 Roguelike 游戏，并把它带到了技术社区的讨论版面。至于具体用的是哪种模型、是脚本化的启发式策略还是基于大模型的智能体、成绩如何，从现有信息无法判断，这里不做推测。
为什么重要
《杀戮尖塔》这类游戏和围棋、国际象棋有本质区别。棋类是完全信息、确定性、回合制的博弈，规则固定、状态可枚举，AlphaGo 式的搜索加价值网络能发挥到极致。而卡牌构筑游戏是部分可观测的：抽牌顺序随机、遗物与事件的组合爆炸、每一层的路线选择都会影响后续几十步的资源曲线。玩家做的不是「当前最优解」，而是「在信息不完整、资源受限下为未来下注」。
这恰好对应现实世界中智能体要面对的问题结构。写代码、做研究、跑运维，本质上都是在不确定环境里做长程规划：先做什么、留多少余量、什么时候该冒险、什么时候该保守。所以用这类游戏做测试床，比用标准化的问答基准更接近真实任务，也更难被「背题」刷分。
另一个背景是，评测领域正在从静态题库向动态环境迁移。传统基准的饱和速度越来越快，社区需要能持续产生区分度的任务。游戏环境天然具备可复现、可量化、难度可调的特点，正在被越来越多地当作智能体的试炼场。
影响与看点
对开发者来说，这类尝试的价值不在游戏本身，而在于它暴露的能力缺口：模型能否在长上下文中维持一致的策略？能否从一次失败中归纳出可迁移的规则，而不是记住某个具体局面？能否在随机性面前区分「运气差」和「决策错」？这些问题在游戏里可以低成本、高频率地反复观测。
对评测方向而言，值得关注的是如何把游戏过程转化为可比较的指标——不只是胜率，还包括决策质量、资源利用效率、对随机扰动的鲁棒性。单纯的「通关了没有」信息量太低，容易变成又一个被快速刷爆的榜单。
一个克制的判断：让 AI 玩游戏从来不是目的，它是一面成本低廉的镜子。真正有意义的不是 AI 能不能爬上塔顶，而是当它失败时，我们能否说清楚它究竟在哪一步想错了——如果说不清楚，那这套评测就还没准备好。
