游戏 AI / 系统课时
NPC 决策接口如何保持可替换
NPC 决策接口如何保持可替换
当 NPC 决策逻辑从“能选出目标”走向长期维护,真正容易失控的不是某个评分公式,而是候选收集、评分和最终选择互相直接调用。本课把这三类职责拆成稳定接口,让策略可以替换、组合和单测,而不改动决策主流程。
学习目标
- 能区分候选提供、评分和目标选择三个职责边界。
- 能通过依赖注入替换某个策略,而不修改决策引擎。
- 能判断哪些数据应该进入接口,哪些实现细节应留在模块内部。
先把变化点从主流程里拿出去
一个常见坏味道是 DecisionEngine 自己查附近单位、过滤目标、计算分数,再决定胜者。这样做最初很快,但只要加入潜行模式、Boss 特殊仇恨或任务目标,主流程就会不断长出条件分支。
更稳定的拆法是让决策引擎只做编排:
CandidateProvider负责给出“这次可以考虑谁”。CandidateScorer负责回答“某个候选有多值得选”。TargetSelector负责处理排序、平局和最终选择。DecisionEngine只按固定顺序调用它们,不知道具体策略细节。

这张图的关键不是“接口越多越好”,而是让高频变化的策略位于边界外,低频变化的决策编排保持稳定。
用最小接口表达职责
下面示例使用 Java 17。两个评分策略共用同一个候选提供器和选择器,替换评分器后,DecisionEngine 本身完全不变。
import java.util.Comparator;
import java.util.List;
public class DecisionDemo {
record Candidate(String id, double distance, double threat) {}
interface CandidateProvider {
List<Candidate> collect();
}
interface CandidateScorer {
double score(Candidate candidate);
}
interface TargetSelector {
Candidate select(List<Candidate> candidates, CandidateScorer scorer);
}
static final class HighestScoreSelector implements TargetSelector {
@Override
public Candidate select(List<Candidate> candidates, CandidateScorer scorer) {
// 平局时再按 id 排序,保证同一输入得到稳定结果。
return candidates.stream()
.max(Comparator
.comparingDouble(scorer::score)
.thenComparing(Candidate::id))
.orElse(null);
}
}
static final class DecisionEngine {
private final CandidateProvider provider;
private final CandidateScorer scorer;
private final TargetSelector selector;
DecisionEngine(
CandidateProvider provider,
CandidateScorer scorer,
TargetSelector selector) {
this.provider = provider;
this.scorer = scorer;
this.selector = selector;
}
Candidate decide() {
return selector.select(provider.collect(), scorer);
}
}
public static void main(String[] args) {
CandidateProvider provider = () -> List.of(
new Candidate("enemy-a", 8.0, 0.7),
new Candidate("enemy-b", 4.0, 0.6));
TargetSelector selector = new HighestScoreSelector();
// 战斗策略更看重威胁,同时轻微惩罚距离。
CandidateScorer combatScorer =
c -> c.threat() * 100.0 - c.distance() * 2.0;
// 追击策略只关心距离,越近分数越高。
CandidateScorer nearestScorer = c -> -c.distance();
System.out.println("combat=" +
new DecisionEngine(provider, combatScorer, selector).decide().id());
System.out.println("nearest=" +
new DecisionEngine(provider, nearestScorer, selector).decide().id());
}
}预期输出:
combat=enemy-a
nearest=enemy-b结果说明同一套主流程可以因策略不同得到不同目标,但替换点只发生在构造阶段。真实项目里通常由行为状态、NPC 类型或配置系统决定注入哪个实现。
接口参数要传决策事实,不传实现细节
接口稳定性很大程度取决于参数设计。CandidateScorer 最好接收已经整理好的候选事实,例如距离、威胁值、是否可见,而不是让评分器自己去查场景树、导航系统或全局单例。
这样做有三个直接收益:评分器变成近似纯函数,单元测试不需要启动整套游戏世界;同一份候选快照可以被多个评分器复用;日志也能记录“当时看见了什么”,而不是事后重新查询已经变化的状态。
替换策略时保持契约不变
可替换并不只是“类型能换掉”。新的实现还必须遵守相同契约。例如评分器应约定分数越大越优;选择器必须定义空候选返回什么;若系统要求确定性,平局规则也必须固定。
建议把这些契约直接写进测试:给定同一候选快照,替换评分器只允许改变排序结果,不应偷偷改变候选集合;替换选择器可以改变平局与保持策略,但不应回头访问场景对象。
当未来加入 Utility AI、任务强制目标或不同难度 AI 时,优先新增 CandidateScorer 或 TargetSelector 的实现,而不是在 DecisionEngine 里继续堆 if。主流程越稳定,策略试验和线上回滚的成本就越低。