游戏客户端架构 / 系统课时
判断什么时候不该用状态机
判断什么时候不该用状态机
状态机擅长表达“当前处于什么状态,以及事件发生后切到哪里”,但并不是所有游戏逻辑都适合被拆成状态。选错模型会让状态数量膨胀、迁移条件互相缠绕,最终比普通条件判断更难维护。本节建立一套判断边界,帮助你在状态机、规则引擎、行为树、数据驱动流程和简单条件逻辑之间做选择。
学习目标
- 识别状态机开始失去表达优势的典型信号
- 区分状态机与规则引擎、行为树、数据驱动流程的适用问题
- 用最小复杂度原则选择能够清楚表达业务约束的实现方式
先看问题是不是“状态变化”
状态机最适合的问题通常同时具备三个特征:对象在任一时刻有明确状态,允许发生的行为受当前状态限制,并且事件会触发有限且可枚举的状态迁移。例如角色从“站立”进入“跳跃”,再根据落地事件回到“站立”,状态和迁移都很明确。
如果需求真正关心的不是“现在是什么状态”,而是“满足哪些规则”“接下来应该选哪个动作”或“按配置依次执行什么步骤”,强行使用状态机往往是在用错误的抽象解决问题。
简单条件不要过度建模
只有两三个互斥条件、没有复杂生命周期时,普通条件逻辑通常更清楚。例如角色能否开门只取决于是否持有钥匙和门是否上锁,此时创建“可开门”“不可开门”“已解锁”等状态对象,反而增加跳转和维护成本。
可以用一个问题快速判断:删除状态名称后,这段逻辑是否仍然能自然地描述为几个条件判断? 如果答案是肯定的,而且条件之间没有持续性的进入、退出和迁移语义,优先保留简单逻辑。
状态机的价值来自约束复杂生命周期,而不是把每一个布尔条件都包装成状态。
规则很多时考虑规则引擎
规则引擎适合“输入事实很多,满足不同条件就产生不同结论”的场景。比如伤害结算同时考虑攻击类型、护甲、元素抗性、暴击、Buff、地图修正和活动规则,这些因素更像一组可独立增删的规则,而不是一条稳定的状态迁移链。
状态机与规则引擎关注点不同:
| 问题 | 更适合状态机 | 更适合规则引擎 |
|---|---|---|
| 核心问题 | 当前状态如何迁移 | 当前事实满足哪些规则 |
| 逻辑结构 | 有限状态与方向明确的边 | 多条相对独立的条件规则 |
| 常见变化 | 增加状态或迁移 | 增加、删除、调整规则 |
| 典型场景 | 角色动作、关卡阶段、连接生命周期 | 数值结算、资格判断、奖励条件 |
当新增一条业务规则却需要修改多个状态及其迁移时,说明规则已经开始穿透状态边界,应考虑把判断逻辑独立出来。
决策不断分支时考虑行为树
NPC AI 经常需要根据感知结果和优先级不断重新选择动作,例如“看到敌人则攻击,血量低则逃跑,没有敌人则巡逻,听到声音则调查”。这里真正的问题是每一帧或每个决策周期应该选择哪个行为,而不是维护一个严格的生命周期。
行为树通过选择节点、顺序节点和条件节点表达决策层级,对频繁变化的 AI 决策通常比大量状态迁移更直观。状态机仍可用于行为树内部,例如“攻击”行为自身包含起手、命中、收招等明确阶段。两者并非只能二选一,而应按职责分层。
流程主要由内容配置时采用数据驱动
任务链、剧情演出、教学步骤和活动流程常常由策划频繁调整。如果每增加一个步骤都需要新增状态类、修改迁移代码并重新发布程序,状态机就把内容变化错误地固化进了代码结构。
这类需求更适合把步骤、前置条件、下一节点和触发效果保存为数据,由通用执行器解释配置。只有执行器自身确实存在“未开始、运行中、暂停、完成、失败”之类稳定生命周期时,再在执行器内部使用状态机。
选择架构时可以遵循一个简单顺序:先问是否存在明确且稳定的生命周期;如果没有,再判断问题主要是条件计算、行为选择还是流程配置。状态机不是越统一越好,能让变化发生在最自然的位置,才是更可靠的边界。