让AI自己玩传送门，先搭个不烧钱实验台

最近有个实验很热。新闻里说，OpenAI 在 9 月 3 日发布的 GPT-6 Astra，被一名爱好者拿去自主通关《传送门》，耗时 24 小时，成本 571 美元。很多人看完想自己跑一遍，但痛点很直接，不知道从哪开始，还怕一开机就烧钱。

我的建议是，别急着通关。产线上实际跑过吗，我一般先问这句。通关是结果，能不能稳定截图、理解画面、发出动作、留下日志，才是可复制的流程。我用 OpenAI API 大概一个月，这几天按这个思路试了个小实验，目标是用十分钟跑通 AI 看屏幕并决定下一步按什么键。

先准备三样东西，一台能运行《传送门》的电脑，一个 OpenAI 账户，一段能截图和模拟按键的脚本。脚本可以理解成流水线机械手，它自己不会判断，但能把云端指令变成鼠标键盘动作。

拿 API 密钥时，登录 OpenAI 网站，进入 API 页面，点 `Create new secret key`，看到密钥弹窗后复制那串字符。这个密钥相当于工厂门禁卡，别发到群里，别写死在代码里。新手常把它上传到 GitHub，解决办法是用本地环境变量保存。

建环境时打开终端，输入下面命令。

看到 `(.venv)` 说明环境激活。这里 `mss` 负责截屏，`pyautogui` 负责模拟按键，`python-dotenv` 读取本地配置。

写预算配置时新建 `.env`，填入下面内容。

bash

OPENAI_API_KEY=粘贴你的密钥

MAX_COST_USD=小额预算

MAX_STEPS=300

新闻里的 571 美元是完整实验，个人复现没必要一上来就烧到这个量级。先设一个小额预算，跑通再说。

搭主循环时，核心逻辑可以拆成五步。每三秒截一次游戏画面。裁剪或缩小画面，只保留中间区域，减少 token 消耗。token 可以粗略理解成模型读图读字时按量收费的单位。把截图发给 GPT-6 Astra，让它返回一个 JSON 动作，比如 `{"action":"w","duration":0.3}`。脚本只允许白名单动作执行，比如 `w`、`a`、`s`、`d`、`mouse_click`。把时间、动作、token、成本写进日志。

日志字段建议包括 `step`、`time`、`action`、`tokens`、`cost`、`screenshot_path`。预期结果是终端每隔几秒打印一行动作、token 和累计成本。没有日志，实验就只能看个热闹。

新手最容易在三个地方出错。截图太大，全高清原图直接丢给模型，成本涨得很快，解决办法是裁剪到较小尺寸。游戏窗口失焦，脚本按了键，游戏没反应，解决办法是每次动作前激活窗口。没有停止条件，模型可能反复按同一个键，解决办法是连续几步画面变化很小就暂停。

这个实验的优势是流程简单，适合理解多模态模型和自动执行器怎么配合。劣势是成本、延迟和误操作都不可控。机会是它能迁移到工业质检，摄像头看缺陷，模型给判定，执行器分拣。风险是模型幻觉，画面没变化也以为自己成功。

对比项	新闻实验	新手最小实验
目标	通关	跑通截图到动作
时长	24 小时	10 分钟
成本	571 美元	控制在小额预算
输出	游戏结果	动作日志

学完这个，下一步可以试一个更简单的网页解谜，把 `MAX_STEPS` 降到一百步以内，专门验证失败恢复和日志复盘。

从产线视角看，AI 把感知、决策、执行、记录串起来，这件事比玩解谜游戏更有用。质检设备也一样，相机是眼睛，模型是大脑，气缸是手，MES 是日志。良率提升多少，往往取决于这套流程能不能稳定跑。

先别追通关，先把预算、日志和失败恢复搭起来。