来源公布的内容

9 月 25 日，Frigade 的 Christian Mathiesen 发布了 Jev Plays Pokémon Red：他把 TypeSafe AI 的决策模型 Jev 接进一个基于 Node 的 Game Boy 模拟器，让它从头到尾打通了初代《宝可梦 红》，一路打进名人堂。落地页公布了完整的通关数据：总用时 37 小时 40 分钟，做了 16150 次决策，吃了约 3920 万输入 token，模型账单总计约 1.65 美元，单次决策中位耗时 0.4 秒。最终队伍：83 级喷火龙、62 级隆隆岩、45 级尼多后、44 级大针蜂、39 级鬼斯通、29 级火暴猴——途中团灭 16 次，其中 14 次栽在四天王，四天王打了 15 次才过。

全程没有脚本、没有作弊。harness 只读游戏内存，从不写内存；每次决策它列出所有合法选项并附上相关事实——走路用 A* 寻路、对战给属性克制和伤害估算——然后由 Jev 自己选。模型要决定的事包括：每个菜单的回答（取名、选初始宝可梦、YES/NO、买东西、回血、学招/忘招）、当前重心（推进剧情、回血、练级、抓宠、购物、探索、整队）、抓哪只、PC 里换谁上场换谁下场、往哪走、跟谁说话，以及每回合的战斗指令（出招、换宠、用道具、扔球、逃跑）。它掌握的游戏知识被刻意限制在剧情里程碑里——也就是「下一个目标是什么、在哪」，存在 src/knowledge/milestones.ts 中，进度用游戏真实的事件标记来校验；隐藏道具不对它显示，因为真人玩家本来也不知道在哪。

公平竞赛的家规：文字速度 FAST、战斗动画 OFF，开机时在选项里设一次。主角取名 JEV，对手叫 BLUE。每抓到一只宝可梦都要起昵称，而且 Jev 得一个字母一个字母拼出来（A–Z 或 DONE），必须是现编的名字，不能用种族名也不能重名——HN 评论区有人问作者起名实验是不是中途关掉了，作者确认拼字机制保留到了最终通关。卡关时 harness 先把已试过的选项打上标记、告诉 Jev 换个新的试试，再不行就随机抽一个替代方案，最后的兜底是读档回到最近的里程碑存档。整场直播 9 月 25 日到 26 日在 YouTube 上播完，现已结束，集锦还挂在落地页上。仓库是 GPL-2.0 开源，不带 ROM，作者明说你得自己提供合法 dump 的美版/欧版《宝可梦 红》（SHA-1 为 ea9bcae617fdf159b045185467ae58b2e4a48b9a），因为 harness 读的内存地址直接来自 pret/pokered 对这一版的反汇编。网站与任天堂、Game Freak、宝可梦公司没有任何关联。

资料：[1] [2]

跟着做：自己跑一台 Jev Boy

  1. 先打开 jev-pokemon.vercel.app：看集锦视频、读通关数据（总时长、决策数、token 花费），知道一场完整通关长什么样。
  2. 动手前先读 GitHub README 的 How it works 一节——整个项目的诀窍是「读内存的 harness + 做决策的模型」这个分工，而不是堆更大的模型。
  3. 准备环境：macOS 或 Linux、Node 20+、git，然后：git clone https://github.com/christianmat/jev-pokemon && cd jev-pokemon && npm install。
  4. 跑 npm run setup 装构建工具：装 rgbds（走 brew），克隆并编译 pret/pokered 反汇编，生成 harness 读内存用的符号数据。
  5. 准备自己合法 dump 的美版/欧版《宝可梦 红》ROM，放到 roms/red.gb，并校验 SHA-1 等于 ea9bcae617fdf159b045185467ae58b2e4a48b9a——harness 只认这一版。
  6. 把 .env.example 复制成 .env。先用默认的 JEV_MODE=mock（免费的傻瓜替身）把全流程跑通；准备好之后再把 JEV_MODE 切到真实网关，填上 AI_GATEWAY_API_KEY（Vercel AI Gateway 的 key）。
  7. 用 npm start -- --speed 1 启动，打开 http://localhost:8787 看实时画面；--resume 从最近里程碑存档继续，--load <存档名> 读指定存档，npm run headless -- --steps 3000 是最高速纯日志模式。
  8. 像教练复盘一样看日志：logs/jev-calls.jsonl 记录了每一次模型调用——完整游戏状态、合法选项及事实、概率、延迟；logs/events.jsonl 记录地图、里程碑、存档和报错。

资料：[1]

正文详解：一个便宜模型、一个很肥的 harness，和 37 小时的耐心

最先让人停下滚动的是价格：1.65 美元打通一款 40 小时的 RPG。Jev 的定价是每百万输入 token 0.042 美元、输出免费，平均每次决策约 1200 token——按实时速度跑，一整天也就花 1 到 1.7 美元。这个项目就是一个存在性证明：只要 harness 做得好，长程智能体任务根本不需要前沿大模型。

这正是 HN 评论区争论的焦点。点赞最高的质疑是「harness 这么肥，这更像在看攻略自己打游戏」——而架构本身回答了它：harness 只负责枚举选项和事实，包括导致 16 次团灭的那些烂选择，全是模型自己做的。15 次四天王是模型自己的学习曲线，不是脚本。防卡关设计（标记已试选项、抽样替代、读档兜底）才是让一个 0.4 秒做一次决策的循环能转 37 小时不崩的关键。

像素风掌机画面：Jev 正在带赔率的选项之间做决策
项目封面图：像素风掌机里，Jev 正在各个带赔率的选项之间做决策（图片：Jev Plays Pokémon Red 项目页）

注意作者的真实动机，落地页上写得很直白：「JEV 之所以知道下一步去哪，是因为它有一份攻略。你的用户也需要一份！」Frigade 做的就是能自己学会你的产品、在应用内给每个用户指下一步的 AI 助手——这场宝可梦通关秀，本质上是「引导式决策」这个产品哲学的演示，milestones.ts 就是产品的新手引导。

对想复现的人来说，最硬核的是日志：16150 次决策全部有记录，带状态、选项、概率和延迟。你一分钱不花，就能把整场通关拿来做分析复盘。

资料：[1] [2]

如何解读

把它当「harness 优先的智能体设计」案例读，而不是当排行榜。核心教训是：一个朴素的决策模型，加上穷举且可读的选项，也能啃下真正的长程任务——0.4 秒的单次决策中位数说明 Jev 从来不是瓶颈，瓶颈是游戏本身的节奏。对比此前的「AI 打宝可梦」浪潮（Claude 打宝可梦、Gemini 打宝可梦）：那些用的是大模型，这次用的是便宜的专用小模型加一个很肥的 harness，成本/性能比才是故事。

评论区那个诚实的保留意见依然成立：milestones.ts 是人工写好的剧情知识，所以 Jev 并不是在「发现」任务——它是在「执行」任务。宣布「AI 打通了宝可梦」之前，先把这个边界想清楚。它真正打通的是执行层：菜单、对战、路线规划、团灭后的恢复，以及 37 小时无人值守。

资料：[1] [2]

阅读要点

  • TypeSafe AI 的决策模型 Jev 从头打通《宝可梦 红》：37 小时 40 分、16150 次决策、约 3920 万输入 token、总花费约 1.65 美元。
  • 架构：Node 版 Game Boy 模拟器 + harness，只读内存、列出合法选项并附事实（A* 寻路、属性克制、伤害估算），模型做所有选择；绝不写内存。
  • 游戏知识被限制在人工写的剧情里程碑里，进度用真实事件标记校验，隐藏道具不对模型显示。
  • 防卡关设计：已试选项打标记、再抽样替代方案、最后读档回里程碑存档兜底。
  • Jev 定价每百万输入 token 0.042 美元、输出免费，跑一整天约 1–1.7 美元——证明 harness 够好，长程智能体可以很便宜。
  • 可复现：macOS/Linux + Node 20，克隆仓库，npm run setup（rgbds + pret/pokered），放入自己合法 dump 的美版/欧版 ROM（不带 ROM 分发），先用免费 mock 模式跑通再接真实 key。

资料：[1] [2]