课题详情
课题背景：
LLM Agent 天然适配结构化文本/CLI 交互（如 CLI-Anything 所示 ），但传统工业软件（以 UE 为代表）基于二进制架构与 GUI 交互，与 LLM 的 Token 推理模态存在结构性错位。现有 API 或 MCP 协议难以支撑 Agent 对复杂系统的深度微观控制。亟需建立将引擎运行时状态降维转译为高密度文本流的通用协议，打通“视觉-逻辑”鸿沟。
课题价值：
1、通用转译架构：构建面向纯文本 Agent 的底层状态转译协议，将复杂系统黑盒状态映射为大模型可内省、可干预的高维文本流；
2、CLI-UE 中间层：深度解析 UE 的 C++ 反射系统与编辑器核心子系统，将其转化为支持 CoT 调用的标准化文本 API，实现 LLM 推理与引擎执行的闭环；
3、工业化赋能：突破大模型心智与重度工业引擎的通信瓶颈，确立零样本/少样本条件下自动化关卡生成、引擎级 QA 测试及 AI 原生 Gameplay 的技术路径。
课题要求
1、包含但不限于计算机科学、软件工程、自动化等相关专业的硕士或优秀本科生；
2、具备极强的底层源码剖析能力，精通UE C++反射机制及核心子系统源码；
3、熟悉Agent系统设计架构（如ReAct框架、工具调用范式）及大模型微调技术，对编译原理或领域特定语言(DSL)设计有深刻理解。
