《毁灭战士》教会了我们什么：AI辅助事件响应

Rootly AI实验室近日发布了Doom Agent Arena，这是一个基于经典游戏《毁灭战士》的开源基准测试环境，旨在评估AI智能体在类似事件响应的动态场景中的表现。该项目通过让大型语言模型（LLM）控制游戏角色进行一对一死亡竞赛，模拟事件响应中需要快速分析、决策和适应的过程。

与大多数依赖视觉输入的《毁灭战士》基准测试不同，Doom Agent Arena通过MCP服务器将游戏状态以结构化JSON形式提供给智能体，包括地图和资源信息。智能体需要制定高等级计划，如移动路径和攻击时机，而游戏的引擎负责具体执行。这种设计旨在测试LLM的推理能力，而非图像识别能力。

研究团队使用OpenAI的多个模型进行了120场比赛，每对模型对决20轮。结果显示，gpt-5.5以66%的胜率位居第一，而gpt-5.4-mini仅获得39.2%的胜率。有趣的发现是，思考时间更长的智能体并未表现更好；例如，gpt-5.3-codex-spark在其思考时间超过中位数时，胜率下降了28个百分点。这表明在事件响应中，过长的决策时间可能是遇到困难的信号，而非谨慎的表现。

另一个关键发现是，某些智能体（如gpt-5.5）在30轮比赛中开始自行编写Python控制器，采用最短路径和优先级策略来获取资源、战斗和撤退。这一行为类似于事件响应中的“运行手册”——将确定性任务自动化，减少对模型每步推理的依赖。这种方法更快、更节省令牌，并且结果可审计。研究强调，运行手册应由可靠性专家制定，并持续根据实际结果优化。

尽管轻量级模型codex-spark的决策速度最快（每步约6.6秒），但它并未赢得比赛。然而，在事件响应中，速度的累积效应显著：一个复杂事件可能涉及数百个决策，每个步骤节省几秒就能将平均解决时间缩短数十分钟。因此，研究建议将轻量模型用于执行确定性任务，而将强模型留给需要判断的关键步骤。

该项目目前已在GitHub上开源，研究团队计划进一步分析数据并撰写论文。Doom Agent Arena作为SRE技能基准测试的补充，提供了独特视角，有助于开发更智能的AI辅助事件响应系统。