ForgeAX ist einKI-natives persönliches Spielestudio. Wir glauben, dass die Hürde bei der Entwicklung von Spielen durch KI neu definiert wird.
Unsere Vision ist direkt:Lassen Sie kleinere Teams mit KI Spiele entwickeln, für die früher viel größere Teams erforderlich waren.Nicht um die Schöpfer zu ersetzen, sondern um die schwere Technik und Produktion zwischen „Idee“ und „spielbarem Spiel“ der KI zu übergeben.
Wo wir sind
Der aktuelle Stand istIdeen mit KI in spielbare Spiele verwandeln: Wir können im Studio bereits spielbare FPS-, ARPG-, Survival- und Shooter-Demos erstellen, mit einer Engine, die PBR-Rendering, Physik und Skelettanimation abdeckt. Wir werden diese Phase weiter in Richtung versandfähiger Qualität verbessern.
Open Source
Die ForgeAX-Tool-Schicht ist lizenziert unterApache-Lizenz 2.0– Jeder kann frei forken, nutzen, kommerziell bauen und weiterverbreiten. Wir möchten, dass es ein offenes Projekt ist, das die Community gemeinsam aufbauen kann. Siehe dieLizenzseite.
Lassen Sie kleinere Teams größere Spiele machen.
Im Studio beschreiben Sie einem KI-Leiter namens Forge das gewünschte Spiel – per Chat, durch direkte Arbeit in einem visuellen Editor und (später) mit Eingaben wie Bildern und Videos. Es plant, schaltet dann bei Bedarf spezialisierte Unteragenten ein (Gameplay, Design, Kunst …).schreibt den Motorcode selbst, indem das Ergebnis im laufenden Betrieb in eine Live-Browservorschau geladen wird.
Darunter befinden sich zwei hauseigene Fundamente: einDie Engine wurde aus Sicht der KI neu gestaltet(damit die KI es lesen, schreiben und seine Fehler verstehen kann) und aEntwicklungsschleife, die die KI zu einem korrekten, überprüfbaren Ergebnis führt(Anforderungen rein, spielbarer Output raus, jeder Schritt beobachtbar und nachvollziehbar).
Eine Sieben-Schritte-Schleife
Innerhalb der Engine durchläuft jedes Feature die gleiche Pipeline – Anforderungen rein, ein Arbeitsergebnis raus, mit einer lesbaren Aufzeichnung bei jedem Schritt:
- Anforderungen – Geben Sie an, was erstellt werden soll, und geben Sie Akzeptanzkriterien an.
- Forschung – Umfrageverlauf, Einschränkungen und Optionen.
- Planen – legen Sie eine Strategie fest und unterteilen Sie diese in Aufgaben.
- Implementieren – Code und Tests schreiben.
- Verifizieren – unabhängige Prüfungen; Jedes Rot blockiert die Zusammenführung.
- Urteil – ein Mensch trifft die letzte Entscheidung.
- Finalisieren – Zusammenführen, sobald es erfolgreich ist.
Ein Orchestrator und Subagenten
Ein „Orchestrator“ steuert die Zustandsmaschine, entscheidet bei jedem Schritt, welcher Subagent gesendet werden soll, und überprüft seine Ausgabe. Unteragenten sind rollenspezialisiert und haben ihren eigenen Kontext. Der Mensch urteilt nur an zwei Stellen: Anforderungen angeben und Ergebnisse überprüfen.
Kein Durchrutschen von „Sieht gut aus“.
Die Verifizierung verfügt über zwei KI-Gates: eines scannt Dokumente und APIs statisch aus der Sicht eines KI-Benutzers und erkennt „versprochen, aber nicht implementiert“; Der andere führt die Demo tatsächlich in einer isolierten Sandbox aus, erfasst Screenshots und überprüft sie erneut – zum Schutz vor „Tests grün, Bildschirm schwarz“.
Mit der Zeit wird es stabiler
Nach jedem Feature wird die auf dem Weg auftretende Reibung als Feedback erfasst, das die Pipeline selbst verbessert. Die nächste Funktion nutzt automatisch die verbesserte Version – die Pipeline speist sich aus ihrer eigenen Ausgabe und wird intelligenter.
Das Ergebnis: KI produziert keinen „demotauglichen“ Code, sondern verifizierte, wiederspielbare Funktionen, die ein Mensch übernehmen kann.
Die meisten Game-Engine-APIs sind für Menschen geschrieben. Wenn die KI den Code schreibt, sollte die Engine anders aussehen.
Die Kernidee von ForgeAX ist einfach: Der Benutzer beschreibt ein Spiel und die KI schreibt den Engine-Code. Das klingt nach „nur ein anderer Autor“, aber in der Praxis sind bestehende Engines nicht KI-freundlich – sie gehen von einem Leser aus, der Dokumente liest, Vermutungen anstellt und Kontexte ausfüllt, wie es ein Mensch tut.
Unsere Haltung ist klar: KI ist der erste Benutzer der Engine. Wenn „freundlich gegenüber KI“ und „freundlich gegenüber Menschen“ im Widerspruch stehen, gewinnt die KI. Hier sind einige konkrete Konsequenzen.
1 · Eine Quelle der Wahrheit, leiten Sie den Rest ab
Eine Tatsache wird an genau einer Stelle definiert; alles andere ergibt sich daraus. Komponentenfelder zum Beispiel sind in einem Schema integriert – Inspektoren, Debugger und Tools lesen das Schema, anstatt die Quelle zu durchsuchen und zu raten. KI muss sich nicht an überall verstreute Konventionen „merken“, denn es gibt nur einen Ort, an dem man suchen kann.
2 · Fehler, die die KI verstehen und beheben kann
Ein Fehler ist nicht nur ein menschlicher Satz, den man „wirft“. Wir verwenden einen geschlossenen Satz von Fehlercodes, von denen jeder strukturierte Informationen zum „Was/Warum/Wie wird wiederhergestellt“ enthält. Wenn die KI auf einen Fehler stößt, weiß sie, was als Nächstes geändert werden muss – anstatt den Ausnahmetext als Mystik zu behandeln.
3 · Strukturierte Daten statt „auf den Bildschirm schauen“
Das Schlimmste an einem Rendering-Fehler ist, dass „es auf dem Bildschirm falsch aussieht“. Ein Mensch kann auf den Monitor starren; KI kann nicht. So kann die Engine einen Frame von Render-Aufrufen erfassen – Draw-Aufrufe, Bindungen, Render-Ziele, Pipeline-Status –, um den vollständigen Status beim N-ten Draw offline zu lesen, wiederzugeben und zu überprüfen. Ein visuelles Problem wird zu Daten, die die KI „lesen“ kann.
4 · Zwei Implementierungen, die sich gegenseitig überprüfen
Die Renderebene verfügt über zwei Backend-Implementierungen (WebGPU und eine WASM-Implementierung) hinter einer einzigen Schnittstelle. Sie rendern nebeneinander: Sobald die KI eine Engine-API missbraucht, weicht das andere Backend sofort davon ab und bringt das Problem zum Vorschein – viel schneller, als auf eine menschliche Überprüfung zu warten.
Diese Designs haben einen gemeinsamen Maßstab: Je weniger Konzepte ein Leser (Mensch oder KI) im Kopf haben muss, desto besser. Je selbstkonsistenter und lokal indizierbarer die API, desto häufiger macht die KI alles richtig – und desto einfacher ist es für einen Menschen, die Kontrolle zu übernehmen.
„KI-nativ“ ist kein Slogan – es ist eine lange Reihe von „Wiederholen Sie es aus Sicht der KI“-Entscheidungen. Wir werden mehr davon in den Dokumenten und zukünftigen Beiträgen entpacken.