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:

  1. CandidateProvider 负责给出“这次可以考虑谁”。
  2. CandidateScorer 负责回答“某个候选有多值得选”。
  3. TargetSelector 负责处理排序、平局和最终选择。
  4. DecisionEngine 只按固定顺序调用它们,不知道具体策略细节。

候选提供器、评分器和选择器通过稳定接口接入决策引擎

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。

java
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:

text
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。

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

NPC 决策接口如何保持可替换

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