JEV-Star：用语言模型低成本控制星际争霸 II

JEV-Star 是一个把大语言模型（LLM）规划与实时执行结合，用于控制《星际争霸 II》对战的开源项目。它由两部分组成：宏观（Macro）模块负责整局运营，微观（Micro）模块在 SMAC-Hard 的 35 张地图上做单位微操。研究团队通过 LLM Play SC2 / BurnySC2 接口，把结构化的游戏状态交给 LLM 规划器（Astra），再由 JEV 选择动作，最终交给本地执行器在实时帧上推进游戏。

宏观对战：五种配置对比

宏观模块基于 Protoss，定义了 73 个动作空间，采用 20 分钟游戏时长、Altitude LE 等 6 张天梯地图进行测试。研究者将实验分为五种配置，分别隔离「是否有 Astra 规划」「规划是否用于过滤动作」「动作选择器是随机还是 JEV」三个变量。核心结果如下：

纯随机（Pure random）：0 胜 / 10 负
仅 JEV（JEV-only）：0 胜 / 10 负
Astra 约束 + 随机：0 胜 / 10 负
Astra 约束 + JEV：9 胜 / 1 负
Astra 建议 + JEV：3 胜 / 3 平 / 4 超时

可以看到，只有当 LLM 规划被用于「过滤候选动作」并由 JEV 做最终选择时，AI 才能稳定击败 Lv7 内置 AI；仅仅给出建议而不约束动作空间，效果明显下降。

微观对战：35 张地图测试

微观模块在 SMAC-Hard 的 35 张地图上、每张图跑 3 局进行评估。三种版本的结果如下：

仅 JEV：3 胜 / 2 平 / 100 负
早期 Astra + JEV：6 胜 / 1 平 / 98 负
P0 Astra + JEV：7 胜 / 98 负

剔除两张开发用地图后，三者的胜场分别为 3/99、3/99、7/99。这一结果远低于宏观模块，说明在高频、近实时的微操场景下，纯 LLM 规划仍难以与专门的强化学习方法竞争。

性能与运行开销

项目在推理过程中游戏帧持续推进，因此响应延迟会直接影响对战表现。在主要批次中，JEV 共产生 19,605 次响应，Astra 产生 509 次响应。JEV 的中位响应时间为：

JEV-only：0.391 秒
受约束模式：0.375 秒
建议模式：0.421 秒

Astra 在建议模式下不再过滤动作，但仍提供上下文并保留 20 秒的部队指令防护窗口；撤退在基础规则下依然可用。

运行与复现

推荐环境为 Windows + Python 3.10 + SC2 5.0.16.97563（亚洲区）。项目为宏观和微观模块分别提供独立虚拟环境，并要求事先安装 SC2 客户端、生成 stableid.json，再同步 BurnySC2 枚举。运行示例命令包括：

py -3.10 jev_star.py macro --planner codex --planner-effort medium --map 'Altitude LE' --opponent-race Zerg --difficulty Easy
py -3.10 jev_star.py micro --map 3m --episodes 3 --planner codex --planner-effort medium

代码库同时附带 140 个宏观和 37 个微观的离线测试用例，无需联网对战即可验证。整体来看，JEV-Star 更像是用 LLM 验证「低成本、可复现」游戏 AI 控制的探索，而非对前沿模型能力的展示。