世界用代码写，画面交给同一个渲染器

交互世界要同时满足两件事：状态和规则得自洽，画面还得像真的。AgentGarten 把这两件事拆开：世界用代码写，视图用一个共享的神经渲染器画。论文 arXiv 2610.12374，HF 今日榜大约 87 票。代码在 MirroS-Lab/AgentGarten，Apache-2.0，约 87 星、2 个 fork，项目页 mirros-lab.github.io/agent-garten。

README 原话是 Code determines how the world changes, and the renderer learns how those changes should look。agent 只看见渲染出来的画面，打完一局把玩法写进 playbook，下一轮从笔记接着练。官方对照写的是大约 4 轮对上常规 RL 的千万级回合。

代码世界，统一渲染

后端仿真器保住状态、执行写成代码的规则，向外导出深度和法线。渲染器基于 Cosmos3-Nano，把这些几何变成 RGB。训练分三段：先从首帧做双向 rectified flow，再做带 KV 缓存的块因果自回归，最后用对抗压缩把老师压成少步学生。仓库现在放出的是渲染器、配方和流式推理；世界模板和完整练习环还标着即将提供。检查点在 Hugging Face 的 MirroS-Lab/AgentGarten-renderer。

环境要求 Python 3.11、PyTorch 2.9、CUDA。安装是 pip install -e '.[data,media,wandb,te]'，再拉 Cosmos3-Nano 和 Wan 2.2 VAE。推理用 Cosmos3Stream：干净的首帧潜变量起步，每块 4 个潜变量帧，沿着 RCM_ENDPOINTS 去噪再 commit。服务端可用 Triton、cuBLAS 和 CUDA Graph。项目页上的例子包括捉迷藏、逗宠物、过桥谈判、赶羊和装载，分数随轮次涨，比如过桥时间从大约 71 秒降到 41 秒。这些是官方演示数字。

适合谁

适合已经在写仿真器、却苦于每换一个场景就要重训一套视觉模型的人：规则用代码扩，视图共用一个渲染器。不适合只想 pip install 就开打的人。依赖重，世界模板还没完全放出来，现在更像渲染器和论文配套，不是成品游戏平台。

和纯文本环境比，它给了像素级观察。和端到端世界模型比，它把「世界怎么变」留在代码里，渲染器只负责长什么样。仓库一天多一点、星数还低，接口可能改。若你关心的是 agent 能不能在自洽规则里越打越会，先看渲染器能否接上你现成的状态机，再等世界包开源。