20岁开发者用250个AI代理,在《我的世界》里1:1重建地球
WorldCraft 想在数据允许的情况下,把一座没什么人听说过的小镇转换成可供玩家探索的空间
20岁的开发者 Thijs Simonian 在 X 上发布了一段视频。他声称自己已在《我的世界》(Minecraft)里按 1:1 重建了整个地球,连你家那栋房子也在其中。



地图数据被交给了一套生成系统,开发过程中有 AI Agent 参与。玩家只要输入现实中的地址,就能走进这个由方块搭成的熟悉世界。

体验过的人很快涌向社交平台,晒出输入自家住址后看到的画面:有人核对街道轮廓,有人辨认建筑形状,也有人拍下某个细节,说它和记忆里的真实位置意外地对得上。

体验入口:worldcraft.gg
输入一个地址,就能在《我的世界》里找到自己的家
Thijs 一开始只想把旧金山搬进《我的世界》。
他把这座城市转成了一份约 6 GB 的《我的世界》地图文件,玩家下载后可以在本地探索。道路、建筑、地形都按现实中的位置摆放,站在街上往远处望,熟悉的城市成了方块拼出来的景观。

看到效果后,他决定把同一套生成流程铺到全球。
生成过程大致分三步走。第一步靠高程数据定下山坡、河谷和平原的起伏;第二步读取以 OpenStreetMap 为主的开放地图数据,确定道路的位置和走向,以及建筑的平面轮廓。
地形和轮廓有了,城市已经初具形状,可此时的建筑还比较粗糙。接下来,AI 参照三维航拍影像,给建筑补上屋顶造型、颜色和部分局部结构,再把这些转换成《我的世界》能用的方块。
在数据足够完整的地方,玩家或许能认出一栋楼的外形,甚至能靠街道和房屋的相对位置判断自己身在何处。
Thijs 还给建筑加了室内空间。走进部分房屋,床、桌椅和其他家具都在,只不过这些内部空间是根据一栋住宅的外形生成的、看起来合理的布置。


这颗方块地球并不是提前完整建好的。Thijs 估算,如果把全球地图全部预先生成,最终文件可能要占约 2 PB 存储空间,相当于大约 2000 TB。光是存储和传输,就够棘手了。
他的办法是按需生成。玩家打开《我的世界》Java 版 26.2,在多人游戏中连接服务器 worldcraft.gg,进入后输入「/go」加上真实地址,系统就会依据对应区域的数据生成地图,再把玩家传送过去。
项目刚上线时只对美国区域开放,随后 Thijs 表示已恢复全球访问。不过部分地区仍会遇到地图缺失、生成失败,或者建筑被过度简化的问题。
这种方式很快吸引了一批想回去看看的人。据 Dexerto 报道,有人发现自己以前住过的活动板房社区,被系统生成成了一排三层住宅,位置似乎还在,模样却有些陌生。也有玩家进入熟悉的社区后,发现只有附近一小片区域成功加载,再往前走就是空白。

访问量远超预期,服务器同样难以承受。据 Thijs 介绍,最初的基础设施只按约 100 人同时使用来设计,实际却有数万人试图涌入。服务器一度频频崩溃;截至今日,官网仍提示服务器需求过高,相关系统正在重写,在线人数也做了限制。
不过,从这些玩家的反应里,已经能看出 WorldCraft 的吸引力。
250 个 AI Agent,反复修改一套人类难以读懂的算法
这套生成算法是怎么开发出来的?
Thijs 把它称为「Program Learning」,也就是程序学习。
他解释说,这并不是传统意义上端到端训练的深度学习模型。假如用一个大生成模型直接把三维地图转成《我的世界》场景,模型就得学习地形、建筑、材质和空间之间的对应关系。面对全球规模的地图数据,每次生成要消耗的计算资源都可能十分可观。
他准备了来自世界不同地区的大量地点数据,让超过 250 个 AI Agent 参与同一套转换算法的开发和调优。

这些 Agent 的工作,并不是同时为地球上的每栋房子绘制模型。
在整套流程里,不同Agent各管一摊。有的盯着某个地点生成出来的样子,拿它跟参考数据比对,找出偏差;有的动手改脚本、改规则,让建筑轮廓、屋顶结构这些细节更贴近目标;还有一类扮演grader,专门给改完的效果打分。一旦某次调整效果更好,这套改法就可能留下来,作为后面继续优化的底子。
Thijs把这一过程叫作「hillclimb」,说白了就是顺着评估结果一路往更优解爬的爬山式优化。
具体跑起来是这样的:一个Agent改掉几条规则,另一个Agent去验结果,然后又有Agent针对别的地点暴露的问题接着调。来自不同城市、建筑和地形的大量数据,成了整套系统反复试错的依据。
最终那套程序是混着来的,由小型蒸馏分类模型和规则算法拼在一起:前者承担部分局部判断,后者把这些判断落成具体的方块排列和结构。跟每次重建场景都调一个大生成模型相比,这种路子更扛得住需要高频、大规模跑的地图生成任务。
后面采访里,Thijs提到自己先用过Astra,后来又用Claude,让Agent针对训练和测试地点一遍遍调转换脚本。

可规则一多,麻烦也跟着来了。
按Thijs的说法,这套算法复杂到某个程度之后,Agent写出来的规则,人已经基本看不懂了。
他把这种做法跟早期的符号主义AI挂上了钩。深度学习还没成主流那会儿,研究者试过靠人工写规则、做知识表示,让计算机去完成复杂判断。问题是规则系统很难把现实世界的各种情况都盖住,维护和扩展都费劲。
如今不一样的地方在于,写规则这件事,人不再是唯一的瓶颈。Agent能不停地写、改、评,原本靠人工根本维护不动的复杂系统,就这么继续长下去。
方块里的街道,与我们重新看见的日常
WorldCraft上线之后,玩家最常干的一件事,就是去找跟自己有关的地方。
前面说过,位置和尺度来自现实地理数据,形状、颜色和室内空间则由AI根据能拿到的东西补。数据够全,结果可能挺像样;数据缺了,系统只能简化、推断,甚至直接生成不下去。
这种有点糙的现实映射,让人想到另一个做了好些年的《我的世界》项目——Build the Earth。
2020年,YouTuber PippenFTS发起了这个计划,想聚起全球玩家的力量,按1:1比例在《我的世界》里把地球重建一遍。
Build the Earth的主体建筑都是志愿者亲手搭的。有人从自己家开工,有人包下学校和街区,还有大团队长期重建纽约这类城市。
建造者能对着真实照片一遍遍校建筑比例、窗户位置和外墙装饰。那些已经完工的区域,往往带着算法顾不上的细节。拿纽约项目的部分街区来说,志愿者连建筑阳台上的花盆都会摆上。
Build the Earth官网的数据显示,眼下注册建造者已超过1.77万人,建成约107万栋建筑,覆盖面积超过1110平方公里。它还拿到了吉尼斯世界纪录对《我的世界》最大建造项目的认证。

可放在整颗地球面前,这些数字还是太小了。
吉尼斯世界纪录今年10月的报道里提到,Build the Earth完成的面积离地球表面的1%还差得远。项目成员Gideon Bergheim估计,整个工程大概还要100年。何况现实里的建筑天天在变,今天建好的一条街,过几年可能又是另一副样子。
当然,在玩家已经亲手做完的那些区域,Build the Earth的细节和创造力更胜一筹。

图源:Build the Earth
只不过,世上绝大多数地方没这个运气。地标、历史建筑和大城市容易招来建造者,普通住宅、小城镇和偏远地区可能长期没人管。
Thijs就说过,自己和朋友的家,还有他们生活的社区和小镇,都不在Build the Earth已完成的区域里。WorldCraft想做的,是在数据允许的前提下,把一座没多少人听说过的小镇变成玩家能进去逛的空间。
至于玩家选哪种方式,有时候就看自己想去哪儿。