Steam 游戏 AI 行为实战：2021 年 5 月个人项目如何做敌人状态、感知与调试

AI 的目标是可读和可靠

个人游戏里的 AI 常常被误解为越聪明越好。实际上，大多数 Steam 玩家希望敌人行为可读、可预测但不死板。玩家需要理解敌人为什么发现自己、为什么追击、什么时候攻击、如何脱战。如果 AI 过于随机或状态不清，玩家会觉得不公平。

个人项目更适合从清楚的状态机开始，而不是一上来做复杂行为树。巡逻、警觉、追击、攻击、搜索、返回，这几个状态足以支撑很多类型。关键是每个状态有进入条件、退出条件和调试方式。

基础状态机

一个常见敌人状态：

状态切换要写日志或可视化。比如敌人从 Patrol 进入 Chase 时，记录触发原因是视野还是声音。这样玩家反馈“敌人隔墙发现我”时，开发者能判断是射线检测、声音范围还是状态残留。

感知系统要有规则

敌人发现玩家通常来自视野、声音、距离、脚印或脚本触发。每种感知都要有清楚规则：

不要让敌人“凭空知道”。如果 AI 可以通过声音发现玩家，玩家就需要声音反馈或教程；如果敌人视野被墙挡住，就不应该发现玩家。规则越清楚，玩家越愿意承担失败。

调试绘制

AI 调试绘制非常有用。内部构建中可以显示：

• 当前状态。
• 视野扇形。
• 听觉范围。
• 当前目标点。
• 巡逻路径。
• 最后看到玩家的位置。
• 攻击范围。

这些信息不进入发行版，但能大幅提高排查效率。敌人行为问题通常很难只靠文字描述，看到状态和范围后，问题会直接很多。

巡逻和导航

巡逻路径要服务关卡，不只是让敌人走动。巡逻点要考虑玩家观察、躲避、绕行和时机。敌人转身太突然、路径太短、卡在门口，都会影响体验。

导航测试包括：

如果导航系统不稳定，可以先限制敌人活动区域，而不是让它在全地图自由寻路。范围越大，边缘问题越多。

攻击行为的节奏

敌人攻击要有预警、执行、恢复。不要让敌人一进范围就瞬间命中。攻击参数包括：

这些参数要和战斗反馈配合。敌人 AI 不是只决定何时攻击，还要让攻击被玩家读懂。

脱战和搜索

敌人丢失玩家后，不应该马上忘记，也不应该一直追到天涯海角。搜索状态可以让行为更自然：敌人去最后看到的位置，停留几秒，检查附近，然后返回巡逻。

脱战规则要避免两种极端：玩家刚躲进掩体敌人立刻忘记，或者玩家跑很远敌人仍然准确追踪。规则可以按视野丢失时间、距离和关卡区域判断。

性能控制

AI 很容易造成 CPU 压力，尤其是敌人多时。优化方向包括：

• 降低远处敌人更新频率。
• 分帧处理感知检测。
• 避免每帧全地图搜索。
• 缓存路径结果。
• 非激活区域暂停 AI。

但优化不能破坏可读性。远处敌人低频更新可以接受，玩家附近敌人的反应要稳定。性能策略也要写进测试场景。

AI 和任务系统

AI 经常和任务连接：某个敌人死亡推进任务，NPC 进入区域触发对话，Boss 进入二阶段改变音乐。任务系统应该监听明确事件，而不是直接读取 AI 内部临时状态。

例如敌人死亡时发送 enemy_defeated(id)，任务系统根据 ID 和当前阶段推进。不要让任务脚本去检查敌人血量是否小于零。事件清楚，后期替换 AI 实现也不会破坏任务。

Demo 前测试

AI 测试要覆盖新玩家和边缘玩家。新玩家会暴露可读性问题，边缘玩家会故意绕路、卡墙、拉怪、反复读档。两者都重要。

测试问题：

• 玩家是否理解被发现原因。
• 玩家是否知道如何摆脱敌人。
• 敌人是否有明显卡住。
• 敌人是否能被无脑利用。
• 读档后敌人状态是否正确。
• 低帧率下攻击判定是否稳定。

最终检查清单

• 敌人行为使用清楚状态机。
• 感知规则可解释，并和玩家反馈一致。
• 内部构建有状态、视野、路径调试绘制。
• 巡逻和导航按关卡测试。
• 攻击有前摇、有效帧、后摇和冷却。
• 脱战和搜索规则不过度极端。
• AI 性能按距离和区域控制。
• 任务系统通过事件监听 AI 结果。

AI 不需要显得聪明到不可预测。对个人 Steam 游戏来说，能让玩家理解、能稳定复现、能被调试的 AI，才是更可靠的选择。

AI 参数也要数据化

敌人的视野角度、听觉半径、巡逻速度、攻击距离、警觉时间，都建议放在配置里。这样测试反馈回来后，可以快速调整而不改代码。参数表要写单位和范围，避免后期误填。

参数化不代表随便调。每次改动都要记录原因，比如“玩家无法理解隔墙发现，缩短听觉半径”。

AI 事件和音画反馈

AI 状态变化应该有音画反馈。敌人警觉时发出疑问声，发现玩家时有明确提示，丢失目标时行为变慢或播放搜索动作。反馈让玩家理解状态，也能让开发者观察调试。

如果 AI 内部进入 Alert，但画面没有任何变化，玩家会觉得敌人突然追来。状态机和反馈要一起设计，不能只在代码里切状态。

群体 AI 的简化策略

多个敌人同时追击时，不一定每个敌人都全速计算。可以让近处敌人完整 AI，远处敌人低频更新；让小怪有简单队列，避免全部挤在玩家身上；让远程敌人和近战敌人有不同站位。群体行为越多，越需要限制。

个人项目不要为了“聪明”让每个敌人都做复杂判断。玩家通常感受到的是场面是否公平、可读、不卡顿。

复盘玩家利用行为

测试者会找到 AI 漏洞：卡门、绕柱、拉怪脱战、站在高低差边缘无伤输出。不要把所有利用都视为坏事，有些可以成为策略；但如果它让核心挑战失效，就要处理。复盘时记录利用方式、发生位置、是否破坏进度，再决定改 AI、改关卡还是接受。

行为优先级要写清楚

AI 经常同时满足多个条件：看到玩家、听到声音、受到攻击、任务要求撤退。如果优先级不清楚，敌人会在状态之间抖动。建议明确优先级，例如死亡最高，硬直次之，剧情锁定再之后，战斗行为最后。

优先级写清楚后，很多“敌人一边死亡一边攻击”“剧情中仍追玩家”的 bug 会减少。

AI 与动画同步

AI 状态切换要和动画状态同步。进入攻击状态后，如果动画还没到有效帧，就不能立刻造成伤害；受击动画未结束前，也不能直接恢复巡逻。动画事件可以驱动有效帧、脚步声和攻击结束，但要避免动画丢事件导致 AI 卡死。

比较稳妥的方式是：AI 有自己的超时保护。攻击动画理论上 1.2 秒结束，如果 2 秒仍未收到结束事件，就记录错误并恢复状态。这样发行版不会因为一次动画事件丢失让敌人长期卡住。

不同难度的 AI 差异

难度可以改变 AI 参数，但不要让规则完全变成另一套。简单难度可以降低发现距离、延长前摇、增加攻击冷却；困难难度可以缩短反应时间、增加组合概率。核心视觉语言应保持一致，玩家才能从低难度学习到高难度。

如果困难难度新增不同的行为，也要在测试表中单独覆盖。普通难度稳定，不代表困难难度稳定。