666

@graetdk 代码分支里咋多了个多人分支，是准备出多人混战了吗

@zhuawadao 哈哈哈哈

这不是神经网络训练，更像是 AI 辅助的规则系统进化。优势是可解释、可复盘、可精准修 bug 。每次输在哪，我都能定位是哪类规则没有覆盖，而不是面对一个黑盒模型。

我给每个动作都打了一个行为标签，比如“躲弹”“抢星”“隐身换位”“边缘脱离”。这样回放时我能知道它当时为什么这么走。
这很像日志系统。偏工程的人会懂，没有 observability 的系统很难调。

业务逻辑先决定想做什么
安全层再确认能不能做

规则尽量窄
只处理一种失败模式
放到正确优先级
用回放验证有没有误伤

这套系统强在可解释和可迭代，但也有局限。规则多了以后，优先级管理会越来越重要；一些非常长线的策略可能还不够全局；面对新类型对手，仍然要靠回放继续补模式。

下班前再来一波分享

代码发布直接 code is too long 了😂😂😂

@graetdk ok

@graetdk 能搞个模拟测时支持设定敌方技能和地图吗，现在有些东西测试不到

## 几个有意思的设计点

### 1. 未来一帧死亡预测器

早期我只判断“当前位置有没有危险”，后来发现不够。
有些格子现在看起来安全，但我一走过去，敌人下一步就能对齐我，然后转头开火。

所以我加了一个短期预测：

- 我走到这个格子
- 敌人按照当前方向走一步
- 敌人是否能和我同线
- 敌人转头需要多久
- 子弹飞到我这里需要多久
- 我从这个格子脱离炮线需要多久

如果敌人击杀我的时间更短，这个格子就被视为危险。

这个点最有意思的是：
它说明“地图上能走”不代表“战术上能走”。

---

### 2. 隐身不是按钮，而是状态机

这辆坦克有隐身技能，但我很快发现，原地隐身没有意义。
敌人虽然看不见我，但它知道我上一帧的位置，子弹还是能打到那里。

所以我把隐身拆成几步：

1. 判断是否值得开隐身
2. 开隐身后立刻离开暴露点
3. 侧向换位，避免仍在原炮线
4. 判断是否已经形成击杀窗口
5. 如果没有击杀窗口，就继续换位或脱离

隐身的核心不是“消失”，而是制造位置差。

---

### 3. 草丛反击和抢星会打架

有一类局面很有意思：敌人藏起来，我的系统会进入反伏击模式。
但如果星星就在附近，反伏击未必是第一优先级。

早期有一局就是这样：系统为了处理隐藏敌人，错过了更重要的星位。
后来我加了一个仲裁逻辑：

> 在关键星位附近，控星优先于反伏击。

这不是说反伏击不重要，而是说不同规则之间必须有优先级。
很多 bug 不是规则本身错，而是规则排队顺序错。

---

### 4. 躲子弹本质是时间竞速

子弹一帧飞两格，所以不能只看“子弹现在在哪”。
真正要算的是：

- 子弹几帧后到我这里
- 我转向需要几帧
- 我移动出炮线需要几帧
- 我移动过程中会不会穿过子弹轨迹

如果子弹到达更快，我就不能选择那个动作。

这让躲弹从简单坐标判断，变成了一个时间问题。

---

### 5. 星星不可达时，先创造条件

有些地图里星星被土堆挡住，直接寻路会失败。
早期系统会在附近绕圈，因为它知道星星重要，但不知道怎么到达。

后来我加了一个目标分解逻辑：

- 如果星星当前不可达
- 找一块打掉后能打开路线的土堆
- 先走到能射击那块土堆的位置
- 打通路线后再重新追星

这其实就是从“追目标”变成了“先创造追目标的条件”。

---

### 6. 每次输局都变成一个窄规则

我不是一次性写一个大而全的智能体。
后期基本是：

- 看失败回放
- 找死亡前几帧
- 判断是哪类失败
- 抽象成一个小规则
- 加进决策流水线
- 再用模拟验证

每条规则都尽量窄。
比如不是“不要靠边走”，而是“不要走进敌人下一步能对齐、转头、开火，而我又来不及脱离的边缘格”。

窄规则的好处是副作用小，也更容易验证。

@phpcyy 本来 61 的胜率，昨晚打完你之后，变成 59 了😭😭😭

@phpcyy 昨晚我挂了一晚上 ai 挑战，然后我们俩时不时互换一二名哈哈哈哈，跟你打要能赢只能看服务器那边的随机种子了，昨晚好像连输你 7 、8 把，现在我让 ai 在分析昨晚的战局。😄

@phpcyy 哈哈哈，这得让作者来看看了 @graetdk ，话说你的坦克是 Taoqi 啊？

这套系统像一条决策流水线。每个规则只负责识别一种局面：如果它发现自己该接管，就返回动作；否则就把决策权交给下一个规则。这样我加新规则时，不用重写整套系统，只要插入一个新的判断模块。

总的来说：不是“规则越多越强”，而是“规则越精确越强”。

这套系统的好处是，它不是一坨互相缠在一起的逻辑，而是一个分层决策链。我要加新规则时，通常不是重写整个坦克，而是新增一个 xxxAct(ctx)，然后把它插到 choose() 里合适的优先级位置。

加规则本身很简单，难的是判断这个规则应该管哪一小类局面，以及它应该排在谁前面、谁后面。

我现在加规则的方式有点像给 agent 加 middleware 。每个规则都只负责一种战术形态，输入都是同一个 ctx ，输出都是统一格式的 action 。如果规则不触发就返回 null ，让后面的规则继续判断。这样扩展性很好。

我不会把规则写得很宽。每条规则都尽量窄，只解决一种明确失败模式。因为规则越宽，越容易把原来能赢的局面截胡掉。

```mermaid
flowchart TD
A["每帧 onIdle"] --> B["构建战场上下文 ctx"]
B --> C["更新记忆 AG_MEM"]
C --> D["风险评估：子弹、炮线、陷阱、星星"]
D --> E["choose 优先级决策链"]
E --> F["guard 二次拦截"]
F --> G["执行 go / turn / fire / cloak"]
G --> H["回放复盘与回归测试"]
H --> D
```

可以，接着你可以这样讲，语气偏“技术分享”，但不至于太论文味：

---

接下来我就把坦克拆成了一个真正的 agent 系统。

它不是每一帧简单判断“敌人在不在前面，在就开火”。如果这么写，前期确实能赢一些弱对手，但很快就会遇到问题：敌人在草丛里看不见、子弹 1 帧飞两格、星星比击杀更重要、地图边缘看起来能走但下一帧必死。

所以我把它拆成三层。

第一层是**感知层**。

每一帧开始时，我先把游戏状态整理成一个 `ctx`。这个 `ctx` 里面有我的位置、方向、敌人的位置、敌人的方向、星星位置、比分、地图、子弹、技能状态。

同时还有一个跨帧记忆 `AG_MEM`。
这个东西很重要，因为游戏里敌人可能会隐身，子弹也可能没有完整方向信息。如果只看当前帧，很容易误判。所以我会记住：

```text
敌人上一次出现在哪里
敌人上一次朝向哪里
子弹上一帧在哪里
我最近走过哪些位置
我是不是刚开过隐身
我是不是在原地绕圈
我刚才有没有开火
```

这一步其实就是把“游戏画面”变成“可计算的战场状态”。

---

第二层是**风险评估层**。

这个阶段我不是马上决定动作，而是先问几个问题：

```text
我现在会不会被子弹打到？
我下一步会不会踩进炮线？
敌人一转头能不能打我？
我走到边缘后还能不能脱离？
我开隐身之后有没有离开暴露点？
我去吃星会不会被草丛反杀？
```

这个地方是后期变强的关键。

比如有一局我以为代码里已经判断了“死路”，但还是跑到了地图边缘被打死。后来复盘发现，那一格从地图几何上看不是死路，因为它还有好几个出口；但从战术上看，它是死路，因为敌人下一步一移动，就能跟我同线，然后一转头开火，而我从那个格子逃走需要两帧。

所以后来我加的就不是简单的 `safeExits <= 1`，而是类似：

```text
如果我走到这个位置
敌人下一步能不能移动到同线？
敌人转头需要几帧？
子弹飞到我这里需要几帧？
我从这个位置脱离炮线需要几帧？
```

如果敌人开火比我脱离更快，那这个格子就算不是墙，也应该判成危险格。

这就是从“地图判断”升级成了“战术预测”。

---

第三层是**优先级仲裁层**。

也就是 `choose()`。

我后来发现，很多坦克代码的问题不是没有策略，而是策略之间会互相抢优先级。
比如：

```text
我想隐身绕后
但现在有子弹飞过来

我想草丛反击
但星星马上要被敌人吃掉

我想追杀敌人
但我已经领先，拖时间就能赢
```

所以我把整个决策链排成了优先级：

```text
先躲弹
再看有没有必杀
再看能不能安全开火
再处理贴星封锁
再处理近星争夺
再处理草丛反击
再处理隐身刺杀
再处理普通追星和移动
```

这里有个很重要的思想：

> 最强的 agent 不是每次都选最激进动作，而是每一帧都知道当前最不能犯的错是什么。

比如子弹来了，那就不要想击杀。
星星马上要决定胜负，那就不要为了绕后丢星。
敌人已经在近距离炮线里，那就不要原地隐身装聪明，要么开火，要么脱线。

---

然后我会讲一个具体例子。

比如草丛反击那一版，最开始的问题是：敌人藏起来后，我的坦克会进入一种“反伏击”逻辑，试图横向脱离或者预判敌人位置。但有时候星星就在附近，这时候最重要的不是躲草丛，而是抢星线。

所以后面我加了一个 `nearStarContestAct`。

它的作用不是“无脑吃星”，而是判断：

```text
星星离我近不近？
敌人有没有可能抢？
我有没有一个安全格可以缩短到星星的距离？
这个格子会不会进敌人炮线？
这个动作会不会被 hidden ambush 逻辑抢掉？
```

如果满足条件，就优先抢星位。

这就是一个很典型的迭代：
不是把草丛逻辑删掉，而是让它在更高优先级的控星逻辑面前退让。

---

然后再讲隐身。

我这辆坦克是 cloak 技能，但我后来发现，隐身不能当万能保命按钮。

很多时候原地隐身其实没用，因为敌人已经知道你上一帧在哪里。你如果隐身后不移动，子弹照样打到你。

所以现在隐身逻辑里面有几个不同模块：

```text
能不能隐身接近
隐身后要不要先换位
有没有机会绕到背线
同线时能不能直接开火
敌人是否已经瞄准我
我是不是为了隐身丢掉星星
```

也就是说，隐身不是一个动作，而是一段战术流程：

```text
开隐身
离开暴露点
绕到安全线
确认敌人炮口风险
再决定开火或继续换位
```

这个也是后面从失败里磨出来的。

---

最后我会讲整个训练闭环。

我每次不是凭感觉调参数，而是这样做：

```text
拉最近比赛
筛失败局
看死亡前几帧
判断是哪类失败
复现那个局面
加一个很窄的规则
跑回归测试
跑模拟
再发布
```

比如一次失败可能最后变成一个新规则：

```text
不要走进边缘同步炮线陷阱
不要让草丛反击抢掉近星争夺
隐身后必须离开暴露点
同线近距离时必须在开火和脱线之间二选一
星星被土堆挡住时，先找破土位
```

这些规则单独看都不大，但叠起来之后，坦克就从“会打架”变成了“会做战术决策”。

---

最后收束可以这样说：

> 所以我觉得这件事最有意思的地方，不是 AI 一次性帮我写出了最强坦克，而是 AI 帮我搭了一个 agent 的思考框架。后面真正变强，是我不断用真实对局去撞这个系统，把每一次输局都转成一个更精确的判断。
>
> 到最后，这辆坦克其实不是靠某个神奇招式赢，而是靠一套越来越完整的决策系统赢：它知道什么时候活命，什么时候控星，什么时候开火，什么时候隐身，什么时候宁可不动也不能犯错。

现在这辆坦克每帧都会先构建上下文，更新敌人和子弹记忆，再按“活命、必杀、控星、隐身、移动”的顺序决策。每次输局我都会拆成一个具体失败类型，比如草丛反击、边缘陷阱、星线争夺、隐身后没离开暴露点，然后把它变成一个新的风险判断或回归测试。

我一开始不是让 AI 写一个“会打架”的坦克，而是问它：如果这是一个每帧决策的竞技系统，怎么设计一个能持续变强的 agent ？后来我发现最强的关键不是某个招式，而是三个东西：战场建模、优先级仲裁、回放驱动迭代。