游戏 AI / 系统课时
NPC 为什么需要评分而不是 if
NPC 为什么需要评分而不是 if
当 NPC 只面对一个敌人时,几个条件判断就能完成决策;但候选增加后,“优先近的、优先残血、优先攻击过自己的、治疗者也要提高威胁”会迅速变成互相覆盖的条件链。本节要解决的是如何识别这种拐点,并把多因素竞争转换为可比较的评分结果。
学习目标
- 理解条件链在多目标竞争中的主要维护问题
- 判断哪些决策因素适合转成评分项
- 建立“硬过滤 + 评分排序”的基础目标选择模型
if 更适合回答能不能,而不是谁最好
条件判断本身没有问题。判断目标是否死亡、是否属于敌对阵营、是否超出绝对追击范围,这些规则通常只有允许和禁止两种结果,使用 if 表达非常自然。
问题出现在多个合法目标之间的竞争。假设 NPC 同时看到 A、B、C:A 最近,B 血量最低,C 刚造成大量伤害。如果继续追加条件,很快会出现“距离优先还是伤害优先”“残血是否覆盖仇恨”“两个条件同时命中时谁先执行”等顺序依赖。
这时条件排列本身就偷偷变成了优先级配置,而且这种优先级分散在分支顺序中,不容易观察和调整。
评分把多个偏好放到同一个比较空间
评分模型的核心做法,是让每个候选都经过相同的评估过程,再得到一个可以排序的结果。距离、生命值、近期伤害、职业威胁等因素分别贡献分数,最后选择总分最高的候选。
例如可以形成这样的概念模型:
其中 表示距离偏好, 表示低生命值偏好, 表示威胁程度,、、 是各因素权重。这里真正重要的不是具体公式,而是所有候选按照同一套尺度接受比较。

评分还有一个直接收益:调参从“修改分支结构”变成“修改因素权重”。设计人员想让近距离目标更有吸引力,可以调整距离项,而不必重新组织整棵条件树。
不是所有规则都应该评分化
评分系统最容易犯的错误,是把所有判断都转换成加减分。事实上,资格规则与偏好规则应该分开。
目标已经死亡时,不应该因为距离很近而得到一个仍然可竞争的低分;友军也不应该因为其他因素很高而有机会成为攻击目标。这些都属于硬过滤条件,应在评分前直接排除。
适合评分化的通常是“程度型”因素,例如更近、更残血、最近造成更多伤害、处于更危险位置。它们回答的是“更偏好谁”,而不是“是否允许选择”。
评分模型需要可解释而不是只给总分
只保存最终总分会给调试带来新的黑盒问题。看到 NPC 选择了 C,如果只能知道 score = 82,仍然很难判断是距离、血量还是近期伤害推动了结果。
更稳妥的做法是保留评分分项,例如记录距离贡献、生命值贡献和威胁贡献,再计算总分。这样调试时可以直接回答“为什么选它”,也可以发现某个因素因为量纲过大而长期压制其他因素。
当候选数量增加、偏好因素达到三个以上,并且规则需要频繁调优时,评分通常比不断扩展 if 条件链更合适。最终结构应保持清晰:硬规则负责过滤不合法对象,评分负责比较合法对象,目标选择只消费排序结果。这样既保留条件判断的确定性,也获得多目标竞争所需的可调节性。