游戏 AI 导论：感知、决策、执行

NPC 不需要真的聪明

说起「AI」，人们现在想到的多半是会聊天、会画画的生成式模型。可《游戏引擎架构》(GEA) 的作者 Jason Gregory 提醒过：游戏业说的 AI 和新闻里的深度网络不是一回事。游戏 AI 更像一套「障眼法」(smoke and mirrors)，它的目标不是真的思考，而是让 NPC 看起来在理性地行动。

这决定了游戏 AI 的整个思路：玩家看不见的内部聪明不算数。守卫的「心理活动」再复杂，只要玩家觉得它又傻又随机，就等于白做。反过来，一个简单的系统，只要它的意图能被玩家看懂，就会显得很聪明。

三层：从走路到拿主意

GEA 把一个角色的 AI 粗分成三层：

1. 底层基础：路径寻找（常用 A*）、感知（视线、视野锥、对环境的了解），以及某种记忆或知识表示；
2. 角色控制：怎样真正地走过去、用枪、上车、躲进掩体——这一层要和碰撞、物理、动画深度对接；
3. 目标与决策：给角色定目标、做决策，还可以加上情感状态、群体协调（包抄、人群、鸟群那样的群体运动）、学习和适应。这一层最常见的做法是行为树。

一个闭环

把这几层串起来，就是一个不断转圈的闭环：

flowchart TB
  S["感知：视线 / 听觉 / 伤害 / 环境查询"] --> K["知识与记忆：黑板 · Props"]
  K --> D["决策：状态机 / 行为树 / 效用 / GOAP"]
  D --> A["执行：移动 · 动画 · 武器 · 对话"]
  A -->|"世界变了"| S

感知把世界上发生的事写进知识；决策读知识、挑一个行为；执行去改变世界；世界变了，感知又看到新的情况。这条课程线的每一课，讲的都是这个圈上的某一段。

厚决策，薄执行

决策层和执行层之间的接口，越薄越好。Jeff Orkin 在《F.E.A.R.》里把角色的状态机压到了只剩三个状态：Goto、Animate 和 UseSmartObject，后两者本质上都是播动画。

决策可以很复杂（F.E.A.R. 用的是规划器），执行却只有几个动词。这种「厚决策、薄运动层」的拆法，让两边可以各自演进：换一套决策方法，不用重写走路和播动画的代码。

复杂度的账

行为越加越多，AI 就越难管。Damian Isla 在讲 Halo 2 的 AI 时，列了一张「复杂度要付的账」：

Halo 2 的应对办法之一，是让关卡设计师用高层的手段——订单 (Order) 和风格 (Style)——去导控 AI，比如「占住这片区域」「允不允许冲锋」，而不是一帧一帧地写脚本。

perception is reality

GEA 把这条原则放在最重要的位置：如果玩家觉得 NPC 愚蠢或随机，再精致的情感模型也没有用。所以设计时要优先保证看得见的意图——喊话、朝向、站位——和 AI 内部的决策一致。

Orkin 在 F.E.A.R. 里还用了一个小技巧：小队的喊话是在行为已经决定之后才补上的，用来制造「他们听懂了命令、在互相配合」的感觉。

在游戏里怎么用

取舍与常见的坑

小结与练习

• 游戏 AI 的目标是让 NPC 看起来理性，不是真的思考；
• 角色 AI 分三层：底层的寻路、感知和记忆，中间的角色控制，最上面的目标与决策；
• 感知 → 知识 → 决策 → 执行 → 世界变化，是一个不断转圈的闭环；
• 决策可以厚，执行要薄；玩家看得见的意图，比看不见的聪明重要。

练习：挑一个你玩过的游戏里的敌人，把它的一次行为——比如发现你、追过来、找掩体——拆进这个闭环：哪一步是感知，哪一步是决策，哪一步是执行？它有没有用喊话或站位让你「看懂」它在想什么？

接下来按这个顺序读：

1. 本课：游戏 AI 导论
2. AI 感知：守卫看见了什么，又以为看见了什么
3. 黑板架构：感知、决策、执行共用的一块记忆
4. 行为树：失败了，还有 Plan B
5. 效用 AI：给每个念头打个分
6. GOAP：只告诉 AI 想要什么
7. 决策架构选型：同一个守卫的四种写法
8. 寻路：A* 怎么少走冤枉路
9. 局部避障：走廊里两个人怎么不跳舞
10. 群体与阵型：鸟群、小队和阵型