Dora SSR引擎通过双Agent协作（Codex提需求+Dora Agent开发）探索游戏创作自动化，其中GLM-5.2模型虽无视觉能力，却通过解析TGA像素数据自主检查游戏画面问题。实验揭示关键瓶颈：Agent能通过代码构建，但需真实试玩验证画面、输入等体验层问题（如背景遮挡游戏元素）。80余款游戏记录显示，严格验收标准（构建→运行→视觉/操作闭环）暴露了Agent的返工需求，推动引擎工具链

Dora SSR引擎通过双Agent协作（Codex提需求+Dora Agent开发）探索游戏创作自动化，其中GLM-5.2模型虽无视觉能力，却通过解析TGA像素数据自主检查游戏画面问题。实验揭示关键瓶颈：Agent能通过代码构建，但需真实试玩验证画面、输入等体验层问题（如背景遮挡游戏元素）。80余款游戏记录显示，严格验收标准（构建→运行→视觉/操作闭环）暴露了Agent的返工需求，推动引擎工具链

Dora SSR引擎通过双Agent协作（Codex提需求+Dora Agent开发）探索游戏创作自动化，其中GLM-5.2模型虽无视觉能力，却通过解析TGA像素数据自主检查游戏画面问题。实验揭示关键瓶颈：Agent能通过代码构建，但需真实试玩验证画面、输入等体验层问题（如背景遮挡游戏元素）。80余款游戏记录显示，严格验收标准（构建→运行→视觉/操作闭环）暴露了Agent的返工需求，推动引擎工具链

探讨了AI编程中Agent与人类在产品设计中的协作关系，指出Agent虽擅长快速实现代码，但过早执行可能导致方向性错误，反而增加返工成本。为此，作者团队为Dora Agent设计了Plan模式，通过四步流程（调查项目、澄清选择、整理方案、等待授权）将决策与执行分离，并构建了配套的问卷机制、文档体系和权限控制。该模式强调AI应主动贡献结构化设计方案供人类选择，而非被动等待指令，同时通过技术手段确保讨