游戏 AI / 系统课时
重复分支为什么该抽成子树
重复分支为什么该抽成子树
当多个敌人都拥有巡逻、追击或搜寻逻辑时,直接复制整段节点短期最快,却会让一次修复变成多处修改。这一节关注如何识别“真正值得复用”的重复结构,并把它抽成边界清楚、可传参数的子树。
学习目标
- 能区分“节点长得像”与“职责相同、流程相同”的重复
- 能为可复用子树定义输入、输出和可配置参数
- 能避免过度抽象导致的黑板耦合和调试困难
先识别结构重复而不是代码重复
值得抽成子树的信号,是多个行为树反复出现同一段决策语义。例如近战敌人、远程敌人和精英敌人都要执行“有最后已知位置 → 移动过去 → 搜索一段时间 → 搜索失败后清理旧目标”。即使它们的搜索时长和移动速度不同,这段流程的职责仍然相同。
相反,如果两个分支只是都包含 MoveToTarget,但一个用于追击、一个用于逃跑,输入条件、完成标准和失败含义都不同,就不应该为了“少写一个节点”强行合并。

判断是否该抽取时,可以问三个问题:这段流程是否在两处以上重复;修改其中一处时是否通常也要修改其他副本;它是否能用少量输入描述差异。如果三个答案大多为“是”,就已经具备子树价值。
子树边界要围绕一个完整职责
好的子树像一个小型函数:它有明确输入,内部完成一件事,并通过有限的结果告诉父树执行情况。不要把父树的优先级判断、角色特有技能和通用搜索逻辑全部塞进一个“大而全”的子树。
下面仍用框架无关的 JSON 描述一个 Search 子树契约。它不是任何特定行为树库的真实配置格式,重点是看清输入、内部流程和返回语义。
{
"subtree": "SearchLastKnownPosition",
"inputs": {
"positionKey": "lastKnownPosition",
"searchDuration": 4.0,
"searchRadius": 6.0
},
"flow": [
"HasLastKnownPosition",
"MoveToLastKnownPosition",
"SearchArea",
"ClearLostTarget"
],
"returns": ["SUCCESS", "FAILURE", "RUNNING"]
}验证这段结构时,父树只需要知道三件事:子树是否还在执行、是否正常完成、是否因为前置条件或动作失败而失败。父树不应该依赖子树内部的某个临时节点名,否则内部一重构,所有调用者都会被迫跟着改。
把角色差异变成参数
复用不等于所有敌人行为完全相同。更稳妥的做法是共享流程,把差异留在参数和黑板键映射上。例如普通敌人搜索 3 秒、精英敌人搜索 8 秒,它们仍然可以使用同一 Search 子树,只传入不同的 searchDuration。
| 差异类型 | 适合参数化 | 不适合硬编码在子树里 |
|---|---|---|
| 搜索时长、半径、等待时间 | 是 | 否 |
| 读取哪个黑板位置键 | 是 | 否 |
| 是否拥有专属瞬移技能 | 视角色设计而定 | 通常应由父树决定 |
| 整棵树中的攻击优先级 | 否 | 应由父树控制 |
参数不要无限增加。如果一个子树需要十几个开关才能兼容所有角色,通常说明它已经承载了多个职责。此时应拆成更小的“巡逻”“搜寻”“接近目标”等能力,再由父树按角色组合。
防止黑板成为隐式耦合
最常见的复用失败,不是子树不能运行,而是它暗中依赖太多全局黑板键。比如 Search 子树除了 lastKnownPosition,还偷偷读取 weaponType、teamAlertLevel、bossPhase。这样一来,看似通用的子树实际上只适用于某一类敌人。
更好的约束是:子树入口处列出必须存在的键;内部新增临时状态时使用清晰命名;只有确实需要让父树继续使用的数据才写回共享黑板。对于可调参数,优先通过子树实例参数传入,而不是到处读取全局配置。
用两种变化测试复用价值
抽完子树后,不要只验证“还能跑”。先修改一次公共逻辑,例如把搜索结束前增加一次环视检查,确认所有引用该子树的敌人都同步获得修复;再修改一个角色参数,例如只把精英敌人的搜索时间从 4 秒改成 8 秒,确认其他敌人行为完全不变。
如果公共修改能一次生效,而角色差异又能局部配置,说明复用边界基本正确。相反,如果每次改一个角色都要进入子树加分支,或者改子树时总担心影响所有敌人,就应该重新检查:你抽取的究竟是稳定职责,还是把暂时相似的节点强行绑在了一起。