前言如果把ChinaJoy看成一个拥有近900家展商、1000余款游戏的大型开放世界你会给自己选择哪条任务线有人追AI游戏有人寻找独立作品也有人只想看国产IP和未来硬件。但现实中的逛展攻略往往给所有人同一张清单信息很多真正与自己相关的内容却要重新筛选。于是我把一个想法交给了Doubao-Seed-Evolving能不能不再生成另一篇攻略而是把整场ChinaJoy改造成一套因人而异的RPG任务系统它给出的答案是ChinaJoy Quest。用户选择AI游戏、独立游戏、国产IP、智能硬件等兴趣后系统会生成专属探索者身份再将2026 ChinaJoy公开资料编排成主线、支线和隐藏任务。每条任务线索都能返回原始报道完成任务后还会生成个人探索报告。从公开资料检索、真实信息整理到React页面开发和生产构建Doubao-Seed-Evolving参与了完整过程。最后得到的不是一张静态页面而是一套已经在浏览器中跑通、能根据不同兴趣生成不同探索路径的Web应用。一、展会攻略的问题不是信息太少2026 ChinaJoy于7月31日至8月3日在上海新国际博览中心举办主题是“与AI同游”。公开资料显示本届展会面积超过14万平方米汇集近900家参展企业超过500家游戏公司及团队带来1000余款游戏产品。现场内容也不只有游戏试玩还包括AI NPC、互动叙事、独立游戏、人形机器人、智能硬件、高校作品和二次元影像。这类大型展会有一个很现实的问题资料越临近开展越多攻略也越写越长。我平时写技术文章经常需要从大量公开资料中筛选真正有用的信息。ChinaJoy的情况很像收藏了不少展商清单和观展攻略最后还是要自己回答几个问题我到底对什么感兴趣哪些内容值得优先看这条消息是官方发布的还是二次转述普通攻略通常按照展馆或厂商排列默认所有人关注同一批内容。但游戏开发者、硬件玩家和二次元爱好者进入同一场展会想看的东西显然不同。我最初也考虑过做一个“AI逛展搭子”很快又把这个方案放弃了。真实路线规划需要展位号、场馆地图、活动时间和现场排队情况。这些数据不完整硬做只会得到一条看起来合理、实际无法验证的路线。更麻烦的是展会结束以后这种工具也会迅速失去价值。我把问题重新缩小不规划用户怎么走只解决用户应该关注什么以及推荐依据来自哪里。ChinaJoy Quest就是从这里开始的。二、我想做的不是任务小游戏而是一套信息编排方法ChinaJoy Quest表面上使用了RPG式设计探索者身份、主线任务、支线任务、经验值和等级报告。这个外壳确实适合ChinaJoy但我没有先想界面而是先确定信息如何流动。整个系统可以概括为一条链路公开展会资料 ↓ 结构化情报库 ↓ 用户兴趣与探索方式 ↓ 个性化任务组合 ↓ 原始来源核验 ↓ 个人探索报告任务不是随便写几句文案。主线任务对应用户最关注的内容比如AI NPC、互动叙事或独立游戏支线任务负责扩展到高校作品、国产IP和未来硬件隐藏任务“情报鉴定师”专门检查来源提醒用户不要把没有依据的内容当成事实。这套设计有两个考虑。一是降低信息筛选成本。用户不需要浏览一张很长的展商表只需要先选择兴趣系统会把相关内容组织起来。二是保留检查入口。系统给出推荐时也要让用户知道这条信息来自哪里。我给项目设定了10个兴趣标签和4种探索方式。同一批ChinaJoy数据会根据用户选择形成不同的身份和任务线。例如我选择“国产游戏、智能硬件、AIGC创作”和“轻松打卡型”后系统生成了“未来硬件观察者”换成AI游戏、高校作品、影像科技并选择深度体验型生成的身份变成了“AI世界侦察员”。身份称号只是用户能看到的结果。背后真正发生的事情是系统根据兴趣标签重新计算内容相关性再用探索方式调整任务侧重。同一份展会资料因此可以有多种入口。这个思路也不局限于ChinaJoy。开发者大会、动漫展和高校开放日都存在类似的信息过载问题。只要更换底层资料和任务模板系统就能继续工作。三、把一个模糊想法交给Seed Evolving这次开发使用火山方舟Agent Plan。我先在控制台启用Doubao-Seed-Evolving再通过CC Switch完成Codex的模型配置。Doubao-Seed-Evolving使用统一的doubao-seed-evolvingModel ID。模型后续升级时不需要重复更换Endpoint或调用方式。7月15日的更新将上下文扩展到1M tokens主要面向大型代码仓库、长文档和多轮任务。8月3日的第二次升级集中在三个方向Coding工程能力、Agent检索和幻觉控制。ChinaJoy Quest恰好会同时用到这几项能力。我没有准备详细的页面设计稿也没有把任务拆成“先写首页、再写按钮、然后加弹窗”这种操作步骤。我只交代了目标开发一个结合2026 ChinaJoy的游戏化探索系统。用户选择兴趣后生成探索身份和任务线任务必须使用真实公开资料并保留来源项目要在浏览器里跑通能够生成探索报告。我还补了几条硬约束不做账号和后台不做真实场馆导航不编造展位号和现场活动先完成可展示的闭环开发结束后必须实际构建。这段需求并不算特别细。模型需要自己决定技术栈、页面关系、数据结构和状态流转。Doubao-Seed-Evolving检查工作目录后选择了Vite、React 18和lucide-react。它随后创建项目、安装依赖开始处理资料和页面。这里有一个细节让我印象比较深。模型没有因为我说“做一个RPG式网页”就先堆一堆虚构任务。它先处理数据来源。这一步决定了后面的应用到底是一套有内容依据的系统还是一个好看的空壳。四、20条真实信息比200条生成内容更有用ChinaJoy Quest目前只收录了20条真实信息。数量不算大但每一条都有实际用途。Doubao-Seed-Evolving阅读了上海市政府网站转载的ChinaJoy观展报道以及新华网发布的展会信息从中整理出展区、活动、企业、游戏和IP等不同类型的数据。内容覆盖ChinaJoy Next Play创新游戏体验场Vision Future前沿科技展区AGS学院游戏展区AI NPC、互动叙事和生成式内容中国游戏创新大赛征集的204款作品人形机器人和智能硬件国产游戏及国漫IP影像科技与二次元文化展区。模型将这些信息写入REAL_ITEMS数组。每条数据包括名称、类型、标签、摘要、来源标题、来源链接、来源类型和核验状态。例如Next Play被标记为与AI游戏、独立游戏、AIGC创作和游戏开发相关Vision Future关联智能硬件、人形机器人和AI游戏AGS学院游戏展区则与高校作品、游戏开发和AIGC创作相关。任务系统并不是直接复制报道而是根据这些标签重新组织内容。“寻找会思考的游戏角色”会关联AI NPC、互动叙事和Next Play“未来科技观察”会关联Vision Future、人形机器人和智能硬件“高校创意捕手”则指向高校团队的游戏、美术和AI创新作品。点开任务后可以看到对应的真实线索。每张线索卡都显示核验状态也可以打开原始资料。这里没有做实时联网搜索。网页运行时只读取已经整理好的静态数据。我认为这是一个更稳妥的选择。让模型开发过程中检索资料再把确认过的信息固化到项目里比每次打开页面都让模型临时回答可靠得多也方便演示和复现。数据整理过程中模型还删除了一条包含多个未单独核验品牌组合的信息。展位号、具体活动时间、排队情况、试玩体验和获奖记录同样没有进入系统。没查到就不写。这个处理看起来不如新增一个功能显眼却直接关系到Agent输出是否可信。幻觉控制不是让模型少说几句话而是让它知道哪些内容不能进入正式结果。五、任务系统的价值在于同一批数据会产生不同路径如果只是把有用的信息做成卡片列表ChinaJoy Quest和普通攻略没有太大区别。真正拉开差异的是任务编排。系统会根据用户兴趣生成2个主线任务、3个支线任务和1个隐藏任务。每个任务都有推荐理由、关联线索、难度和经验值。我选择“国产游戏、智能硬件、AIGC创作”后系统给出的任务包括寻找会思考的游戏角色独立游戏宝藏搜寻未来科技观察国产IP收集计划高校创意捕手情报鉴定师。乍看之下这些名称很像游戏成就。实际点进去会发现它们对应的是不同的信息检索目标。“寻找会思考的游戏角色”要求检查AI NPC和互动叙事“国产IP收集计划”关注带有中国文化元素的游戏或动漫IP“情报鉴定师”要求查看来源和核验状态避免被没有依据的内容误导。任务完成后卡片状态、总经验值和顶部进度会同步变化。任务进度保存在localStorage中。刷新浏览器以后身份和完成状态不会丢失。用户也不需要完成全部内容后才能看到结果。完成1项任务时系统会生成“初级探索者”报告完成6项任务后身份升级为“ChinaJoy探索大师”。报告中会列出完成数、经验值、完成率、查看过的真实信息和公开来源。它相当于一次个性化的信息获取记录而不是普通网页常见的结束页面。我最初只是想让应用更有ChinaJoy氛围。做完后才发现游戏化在这里确实解决了一个问题它给信息增加了目标和进度。面对20条列表用户很容易随便看看面对“寻找两项与AI NPC有关的内容”这样的任务注意力会具体很多。六、我更在意它有没有真的做完AI编程演示中经常出现一种情况页面看起来已经生成按钮点不动模型回复“已经完成”项目却没有实际构建。所以我在需求里单独写了一条不能只给代码必须启动并验证。Doubao-Seed-Evolving完成了首页、身份生成、任务中心和探索报告四部分。兴趣选择、身份数据、任务状态和报告统计能够连续传递页面在桌面端和移动端都可以使用。项目开发完成后模型调用终端执行生产构建。构建共处理1577个模块Vite用时3.28秒没有报错。这个数字本身没有太多可吹的但它能说明一件事模型交付的不是一张截图而是一个可以运行和构建的React项目。整个开发中Doubao-Seed-Evolving实际处理了几类不同任务从自然语言需求中确定功能范围阅读公开报道并整理数据设计标签和任务之间的映射关系编写React组件和状态逻辑保存用户进度调用终端完成构建验证。这些工作连续发生在同一个任务中。中途增加真实数据和来源要求后模型也没有推翻前面的页面而是调整数据层和任务线索。这更接近我对Coding Agent的期待。写代码只是其中一部分它还要读资料、管理文件、执行命令并对结果负责。这次测试也有明确边界。ChinaJoy Quest没有实时地图、动态排队和在线检索这些数据来自两个公开来源。它是一套可以交互的产品原型不是已经投入运营的商业系统。把这些限制写清楚反而让结果更可信。七、我为什么认为这件事值得继续做写完代码以后我又回头看了一遍最初的问题面对接近900家参展企业和1000余款游戏普通用户缺的真的是另一份攻略吗可能不是。大家缺的是一种把公共信息重新组织成个人路径的方法。ChinaJoy Quest目前只是一个小规模原型但它已经跑通了这条链路收集公开资料 → 判断信息是否可用 → 转成结构化数据 → 根据个人兴趣重新编排 → 保留原始来源 → 形成个人报告换掉ChinaJoy数据这套系统也可以用于开发者大会、动漫展或科技展。场景虽然不同问题却很相似信息从来不缺缺的是一条适合自己的探索路径。ChinaJoy Quest只用20条经过核验的信息跑通了资料检索、兴趣识别、任务编排和结果沉淀。Doubao-Seed-Evolving在其中完成的不只是代码生成还包括资料查证、结构化整理、功能开发和构建验证遇到依据不足的内容它没有继续补全而是选择舍弃。这让我看到Doubao-Seed-Evolving的价值不只是“能写”还在于能把一个模糊想法持续推进成可运行、可核验的结果。这或许就是我理解的“与AI同游”我负责提出真正想解决的问题Doubao-Seed-Evolving负责理解、检索和执行最后一起走出一条不同于普通攻略的探索路线。