一、峡谷里的"演员"：谁在控制它们
"小陈，峡谷里除了玩家控制的英雄，还有小兵、野怪、防御塔——它们是谁在控制？"老周问。
"AI？"
"对，游戏 AI（Artificial Intelligence）——不过这里的 AI 不是 ChatGPT 那种'智能'，是一系列规则脚本，让非玩家角色（NPC）表现出'像人一样'的行为。"
MOBA 里的 AI 角色：
小兵（Minion）：沿着兵线推进，攻击遇到的敌人
野怪（Monster）：在野区巡逻，被攻击后反击
防御塔（Tower）：攻击进入射程的敌人
泉水/基地：自动恢复、自动出小兵
每种 AI 的"行为规则"不同：
小兵：跟着兵线走 → 遇到敌人 → 攻击 → 没血就死
野怪：在出生点附近徘徊 → 被打 → 反击 → 脱战回血
塔 ：固定位置 → 敌人进射程 → 锁定攻击
"游戏 AI 的本质：'感知 → 决策 → 行动'的循环——每帧看周围情况（感知），决定做什么（决策），然后执行（行动）。规则写得越细，角色看起来越'聪明'。"
二、有限状态机 AI：最简单也最常用
"最简单的 AI 框架：有限状态机（FSM, Finite State Machine）。"老周说，"还记得第四章的动画状态机吗？同一个思想。"
小兵的有限状态机：
┌──────────┐ 到兵线终点/遇到塔 ┌──────────┐
│ 前进 Walk │ ──────────────────▶ │ 攻击 Attack│
└──────────┘ └──────────┘
▲ │
│ 目标死亡/脱离 │
│ ▼
│ ┌──────────┐
└─────────────────────────────│ 待机 Idle │
附近没有敌人 └──────────┘
每个状态有"进入/更新/退出"逻辑
状态间靠"条件"跳转
小兵 AI 伪代码：
class MinionAI:
def update(self):
if self.state == "walk":
self.move_along_lane()
if self.find_enemy_in_range():
self.change_state("attack")
elif self.state == "attack":
self.attack(self.target)
if not self.target.is_alive():
self.change_state("walk")
"FSM 是游戏 AI 的第一课——状态少、逻辑简单、容易调试。小兵、野怪、塔用 FSM 完全够。但复杂角色（BOSS 多阶段技能）状态多了会乱，就需要更高级的框架。"
三、行为树：更高级的 AI 框架
"状态多了以后，FSM 会变成'意大利面条'。这时候用行为树（Behavior Tree）。"老周说：
行为树（Behavior Tree）：
用树状结构组织 AI 行为，从根节点向下"决策"
野怪的行为树：
┌ 选择（Selector：挑一个优先级最高的行为）
├── ▶ 逃跑：血量 < 20% 且被追击
├── ▶ 反击：正在被攻击
├── ▶ 巡逻：没有敌人
└── ▶ 待机：兜底
┌ 节点类型 ┐
│ 选择器 Selector：试子节点，第一个成功就返回 │
│ 顺序器 Sequence：全部成功才算成功 │
│ 条件节点：判断（如"血量 < 20%"） │
│ 行动节点：执行动作（如"向家移动"） │
└──────────┘
好处：
比 FSM 直观（一眼看清决策逻辑）
可复用（子行为树可嵌套）
策划也能看懂、能调
"行为树是商业游戏 AI 的主流框架（Unity 有 Behavior Designer 插件，Unreal 内置）。野怪、BOSS、NPC 队友，都用它。FSM 管'简单角色'，行为树管'复杂角色'。"
四、A* 寻路：怎么绕过障碍走到目标
"AI 光会决策还不行，还要会走路——从 A 点走到 B 点，绕过墙和障碍。这就是寻路（Pathfinding），最经典的是 A* 算法。"老周说：
A* 寻路（A-star）：
把地图划分成格子（网格）或导航网格（NavMesh）
从起点开始，评估每个格子到终点的"代价"
一步步找出一条"最短路径"
┌──┬──┬──┬──┬──┐
│起 │ │ │ │ │
├──┼──┼──┼──┼──┤
│ │▓▓│▓▓│ │ │ ▓ = 障碍（墙）
├──┼──┼──┼──┼──┤
│ │▓▓│ │ │ │ → = 找到的路径
├──┼──┼──┼──┼──┤
│→→│→→│→→│→ │ │
├──┼──┼──┼──┼──┤
│ │ │ │→ │终│
└──┴──┴──┴──┴──┘
A* 核心公式：
F = G + H
G = 从起点到当前格子的实际代价
H = 从当前格子到终点的估算代价（启发式）
优先扩展 F 最小的格子 → 保证找到最优路径
工程上：用 Unity 的 NavMesh（导航网格烘焙）
不用手写 A*，但要知道原理
（面试常问：A* 的 G 和 H 是什么？）
# A* 的骨架（理解用）
def a_star(start, goal, grid):
open_set = {start} # 待探索
came_from = {} # 记录路径
g_score = {start: 0}
while open_set:
current = min(open_set, key=lambda p: g_score[p] + heuristic(p, goal))
if current == goal:
return reconstruct_path(came_from, current) # 找到路径
open_set.remove(current)
for neighbor in grid.neighbors(current):
tentative = g_score[current] + 1
if tentative < g_score.get(neighbor, inf):
came_from[neighbor] = current
g_score[neighbor] = tentative
open_set.add(neighbor)
return [] # 无路可走
"A* 是'找路'的黄金标准——MOBA 里小兵沿着兵线走、野怪回野区、英雄点击地面移动，背后全是寻路。'点击地面，英雄绕墙走过去'，就是 A* 在干活。"
五、塔的攻击逻辑：射程与锁定
"防御塔的 AI 最简单，但有几个经典细节。"老周说：
防御塔 AI 规则：
感知：扫描射程内的敌人
决策：锁定"最优先目标"（通常是最近的/攻击友军的）
行动：发射弹道，造成伤害
特殊：优先攻击"正在攻击我方英雄"的敌人（保护队友）
塔的攻击细节：
射程：攻击半径
伤害：单体高伤
冷却：攻击间隔
索敌：优先最近 / 优先低血量 / 优先攻击我方者
MOBA 经典机制（简化版可省略）：
塔的"仇恨"机制——攻击谁有讲究
小兵进塔 → 塔打小兵；英雄攻击敌人 → 塔转移目标
→ 这个"仇恨逻辑"是 MOBA 对线博弈的核心
"防御塔看起来简单，但'仇恨机制'的设计直接决定了对线的体验——高手可以'塔下消耗'、'越塔强杀'，全看塔的仇恨规则。这就是'简单角色 + 巧妙规则 = 深度玩法'。"
六、AI 性能与分层更新：别让 AI 拖垮游戏
"峡谷里几十个小兵 + 野怪 + 塔，如果每帧都给所有 AI 做感知决策，性能会炸。"老周说：
AI 性能优化：
① 分层更新（最常用）：
- 玩家身边的 AI：每帧更新（精细）
- 远处的 AI：每 0.5 秒更新一次（粗粒度）
- 看不到的 AI：暂停更新（等进入视野）
② 感知降频：
不每帧扫描周围，隔几帧扫一次
③ 对象池：
小兵死了不是销毁，是回收复用（第十一章细讲）
④ 简化寻路：
小兵不需要完整 A*，走"预计算的兵线路径"就行
原则：AI 的"聪明"要花钱（CPU），
把预算花在玩家看得见的地方
"游戏 AI 的工程原则：'远近有别'——玩家眼前的 AI 要'聪明'，远处的可以'迟钝'。把性能预算花在刀刃上，这是老游戏引擎（和手机性能）逼出来的智慧。"
七、章末：老周的第六层总结
第六层：AI 与寻路
├── 游戏 AI = 规则脚本（感知→决策→行动）
├── FSM 状态机：小兵/野怪/塔（简单角色首选）
├── 行为树：复杂角色（BOSS、队友）
├── A* 寻路：F = G + H（找最短路径，绕障碍）
│ 工程用 NavMesh，原理要懂（面试必考）
├── 塔仇恨机制：射程+索敌+保护逻辑（对线核心）
└── 性能：分层更新/降频/对象池（钱花在刀刃上）
下一章预告：
峡谷热闹了：英雄、小兵、野怪、塔都在动。
但是——这是"单机版"！
怎么让两个玩家（5v5）在同一局游戏里看到"同一个世界"？
—— 网络同步。MOBA 最硬核的一章。
"小陈，按一下 Play——峡谷活了！小兵一队队沿着兵线冲，野怪在草丛巡逻，防御塔咚咚地打，好不热闹。"老周满意地笑了，"但是，你现在是'一个人'在打'一堆电脑'。王姐要的是5v5 联网对战——两个玩家在不同手机上，看到的必须是'同一个世界'。下一章，MOBA 最硬核、也是游戏开发里最有含金量的技术：网络同步。"