游戏 AI / 系统课时

哪些敌人决策适合交给模型

哪些敌人决策适合交给模型

本篇解决一个常见设计误区:生成式模型并不适合接管所有敌人决策。你将学会把高频、必须稳定的逻辑留给传统 AI,只把需要权衡和表达差异的高层选择交给模型。

学习目标

  • 区分寻路、攻击判定、战术选择与战斗意图的职责
  • 判断哪些决策适合模型,哪些决策必须保持确定性
  • 建立“模型负责选择,传统 AI 负责执行”的基本边界

先按决策层级划边界

敌人 AI 通常同时处理不同时间尺度的问题。寻路可能每帧或每个导航更新周期运行,攻击判定要求碰撞、距离和冷却条件严格一致,而战术选择往往只需要在局势明显变化时重新计算。判断模型是否适合接入时,第一标准不是“这个问题难不难”,而是“这个结果是否需要每次都稳定、及时且可复现”。

可以用下面的边界快速判断:

决策 典型内容 是否适合模型 原因
寻路 从当前位置到目标点 通常不适合 高频、几何约束强、需要稳定结果
攻击判定 是否进入攻击距离、是否命中 不适合 必须由规则、碰撞和状态条件决定
战术选择 压制、拉开距离、转火、撤退 适合 需要综合队友、资源、威胁等多个因素
战斗意图 “优先阻断玩家治疗” 适合 属于高层目标,可再交给规则系统展开

真正适合模型的区域通常位于“为什么做”而不是“怎么做”。例如模型可以判断敌人现在更值得集火治疗者,但不应该直接计算角色在下一帧移动多少米,也不应该直接决定一次攻击是否命中。

高频确定性逻辑不要交给模型

寻路、碰撞、射线检测、伤害计算、攻击前摇、技能冷却等逻辑具有明确规则,而且通常需要高频执行。把它们交给模型会引入延迟、非确定性和结果验证成本。即使模型偶尔给出正确答案,系统也很难保证每个边界条件都满足。

更稳妥的做法是让传统 AI 持有执行权。模型只提供一个可验证的高层建议,例如“撤退到掩体附近”,随后由状态机、行为树或 Utility AI 判断这个建议当前是否允许,并选择具体移动、技能与目标。

哪些场景值得用模型

当敌人需要在多个合理方案之间进行语义化权衡时,模型更有价值。例如队友数量变化、玩家行为变化、资源紧张、阵型被打乱后,敌人需要选择“继续压制”“暂时撤退”还是“转而保护关键单位”。这些选择不一定有唯一正确答案,而且适当的差异反而能提升战斗表现。

判断时可以连续问三个问题:结果是否低频更新,是否允许少量延迟,是否能被限制为有限的候选集合。三个答案都偏向“是”时,模型通常更适合介入;只要其中涉及严格实时性或不可违反的规则,就应该把决策降回传统逻辑。

用模型承担高层选择

一个实用的分层方式是把敌人决策拆成三层。最上层由模型选择有限的战术意图,中间层由传统 AI 根据当前状态把意图转换为行为,底层再由导航、动画、碰撞和战斗规则完成执行。

例如模型输出“撤退”,传统 AI 仍需要检查是否存在可达掩体、敌人是否拥有撤退权限,以及当前是否处于不可取消的攻击动作。如果条件不满足,就可以拒绝该意图并回退到安全的默认行为。这样即使模型判断失误,也不会直接破坏游戏状态。

这种边界尤其适合多人或长流程战斗:模型负责制造有限的决策差异,确定性系统负责保证游戏始终可运行。只要把模型限制在高层、低频、可验证的决策面上,就能同时得到一定的生成式变化和传统 AI 的稳定性。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

哪些敌人决策适合交给模型

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通