游戏 AI / 系统课时
伤害怎样转成仇恨
伤害怎样转成仇恨
伤害最适合做仇恨的“证据”,而不是直接把伤害数字原样塞进评分。真正可控的做法,是先统一一次伤害事件的口径,再处理暴击、持续伤害与溢出,最后得到可衰减、可比较的仇恨增量。
学习目标
- 建立从伤害事件到仇恨增量的统一转换规则。
- 正确处理暴击、持续伤害与过量伤害,避免重复放大。
- 能用一组测试数据验证转换结果是否符合设计预期。
先把伤害事件统一成同一种输入
仇恨系统不应直接依赖“普通攻击”“暴击”“灼烧”等技能类型,而应接收已经结算完成的伤害事件。最小输入通常包括攻击者、实际伤害、伤害标签和发生时间。这样仇恨层只关心“谁造成了多少有效影响”,不会和战斗技能逻辑耦合。

推荐先定义一个最简单的基础式:
其中, 是本次新增仇恨, 用于保证低伤害行为仍有最小存在感, 是经过规则修正后的有效伤害, 是伤害到仇恨的转换权重。
例如某次攻击实际造成 120 点伤害,、,则本次增加 101 点仇恨。这个模型简单,但已经把“伤害数值”和“仇恨尺度”解耦,后续可以独立调节战斗伤害与 AI 目标选择。
暴击不要再乘一次完整暴击倍率
常见错误是:战斗层已经把暴击从 100 结算成 200,仇恨层又看到 critical=true 后再乘 2,最后变成相当于 400 伤害的仇恨。这会让暴击对目标选择产生双重放大。
如果仇恨使用的是实际结算伤害,暴击通常已经包含在 actualDamage 中,不需要再次乘伤害倍率。确实希望暴击更容易吸引注意力时,应增加独立且较小的仇恨修正,例如:
其中 可以是 1.1 或 1.2,而不是再次使用战斗暴击倍率。这样表达的是“暴击更显眼”,而不是“暴击伤害被计算两遍”。
持续伤害要限制事件频率,而不是粗暴削弱总伤害
持续伤害的问题通常不是总量过高,而是触发频率太密。假设中毒 5 秒造成 100 点伤害,如果每 0.1 秒结算一次,就会产生 50 次仇恨事件;若系统还有“每次事件至少增加 5 点基础仇恨”,仅基础项就会贡献 250 点,远超设计本意。
更稳妥的处理有两种:
- 对同一来源的持续伤害按固定窗口聚合,例如每 0.5 秒或 1 秒合并一次。
- 对持续伤害取消每跳的基础仇恨,只保留伤害比例项。
假设 1 秒内 10 次跳伤共造成 20 点伤害,聚合后只计算一次:
而不是计算十次 $5 + 2 \times 0.8$。这种聚合既保留总伤害贡献,也避免高频事件利用基础项刷高仇恨。
溢出伤害只看真正影响目标的部分
当敌人只剩 30 点生命,而一次攻击结算 300 点时,如果把 300 全部计入仇恨,就会让收尾攻击异常抢占目标。仇恨系统更适合使用实际生效伤害,也就是最多取本次攻击前目标剩余可损失的生命、护盾或其他有效资源。
可以把有效伤害定义为:
其中 是战斗层结算出的伤害, 是本次最多真正能影响目标的数值。若游戏设计希望“重击即使溢出也更有威胁”,可以额外加入封顶后的溢出奖励,但不应直接按全部溢出伤害线性计分。
用一组边界数据验收规则
把规则写完后,至少用普通伤害、暴击、持续伤害和溢出四类数据做对照。以下结果假设 、,暴击额外修正 ,持续伤害按窗口聚合。
| 场景 | 有效伤害 | 额外规则 | 预期仇恨增量 |
|---|---|---|---|
| 普通攻击 | 100 | 无 | 85 |
| 暴击后实际伤害 200 | 200 | 乘 1.1 | 181.5 |
| 1 秒持续伤害合计 20 | 20 | 聚合一次 | 21 |
| 300 点攻击打到剩余 30 生命 | 30 | 溢出截断 | 29 |
真正稳定的伤害仇恨模型应满足三个条件:同等有效伤害下结果可预测,高频事件不会凭事件次数刷分,暴击与溢出也不会因为重复计算突然把目标选择拉向极端。