procedural-gen

程序化生成

通过简洁的规则和种子生成关卡、地形与战利品。优秀程序化生成的核心在于确定性：同一个种子会生成相同的世界，因此错误可以复现，玩家也能分享种子。这项技能负责核心算法——噪声、种子化 RNG、地牢布局、加权表；roguelike 和 survival-crafting 等类型会使用这些算法。

适用场景

• 需要生成地图、地牢、地形高度图、物品掉落或任何不想手动制作的内容时。
• 结果必须可通过种子复现时（例如调试、每日挑战、可分享的世界）。
• 需要从加权随机结果中进行选择时（例如战利品稀有度、生成表）。

**不适用场景：**如果要使用引擎的图块 API 绘制生成结果，请使用 godot-tilemap 或 unity-tilemap-2d。如果要让 AI 在生成的地图中寻路，请使用 game-ai。如果要精心设计节奏的手工关卡，请使用 level-design——程序化生成与手工设计相辅相成，并不能互相替代。

核心工作流

1. 管理自己的随机数。 创建一个种子化 RNG 实例，并传递到各处。生成代码中绝不要调用全局或静态随机数函数——否则结果将无法复现，并且会受调用顺序影响。
2. 根据内容选择技术。 连续地形／高度图 → 噪声。离散房间／走廊 → 空间划分或基于 Agent 的挖掘。具有不同稀有度的结果 → 加权表。
3. 先生成到普通数据网格／数组中，与渲染分离。生成过程填充 int[][] 或字典；再由单独的流程绘制。
4. 将结果交给玩家前先验证。 每个房间都可到达吗？出生点安全吗？有路通往出口吗？拒绝或修复不合格的布局；不要把损坏的地图交给玩家。
5. 固定种子进行调优，这样每次参数变更的效果都能单独体现；然后遍历多个种子检查分布，而不只是检查一张幸运生成的地图。

模式

1. 种子化、确定性的 RNG（基础）

import random
rng = random.Random(seed)        # a dedicated instance — NOT the global random.*
room_count = rng.randint(5, 12)  # same seed -> same sequence, every run
# RIGHT: thread `rng` through every function that makes a choice.
# WRONG: calling random.randint(...) (global state) — order-dependent, unseedable.

引擎中的对应写法：Godot var rng = RandomNumberGenerator.new(); rng.seed = s；Unity var rng = new System.Random(seed)（或 UnityEngine.Random.InitState）。将种子存入存档文件，以便重新生成世界。

2. 用于高度图的分形（fBm）噪声

# Sum several octaves: each higher octave has higher frequency, lower amplitude.
def fbm(noise, x, y, octaves=5, lacunarity=2.0, gain=0.5):
    total, amp, freq, norm = 0.0, 1.0, 1.0, 0.0
    for _ in range(octaves):
        total += amp * noise(x * freq, y * freq)   # noise() returns ~0..1
        norm  += amp                                # track total amplitude
        amp   *= gain                               # each octave contributes less
        freq  *= lacunarity                         # ...at a higher frequency
    return total / norm                             # normalize back into 0..1

# Redistribute to carve flat valleys / sharpen peaks: higher exp -> more lowland.
elevation = pow(fbm(noise, nx, ny), 2.2)

使用现成的噪声库（FastNoiseLite、opensimplex、Unity.Mathematics.noise 或 Mathf.PerlinNoise）——不要自行实现梯度噪声。使用不同的种子来生成海拔和湿度，这样根据两个场查询生物群系时，不会产生完全相关的结果。完整的生物群系查询和岛屿塑形内容见 references/noise.md。

3. 加权战利品表（正确选择稀有度）

# Roll proportional to weight: common drops far more often than legendary.
def weighted_pick(rng, table):           # table: list of (item, weight)
    total = sum(w for _, w in table)
    roll = rng.uniform(0, total)          # a point on the cumulative line
    upto = 0.0
    for item, w in table:
        upto += w
        if roll < upto:                   # first bucket the roll falls into
            return item
    return table[-1][0]                   # float-safety fallback

loot = weighted_pick(rng, [("common", 70), ("rare", 25), ("legendary", 5)])

权重不必加总为 100——它们只表示相对权重。为避免连续出现不理想结果，可使用“保底”／抽袋系统（分布相关说明见 references/dungeon-generation.md）。

4. 房间与走廊地牢（示意）

# 1. Place non-overlapping rooms; 2. connect them; 3. carve into the grid.
rooms = []
for _ in range(attempts):
    r = Rect(rng.randint(1, W-w-1), rng.randint(1, H-h-1), w, h)
    if not any(r.intersects(o.expand(1)) for o in rooms):  # keep a 1-tile gap
        rooms.append(r)
for a, b in zip(rooms, rooms[1:]):       # connect each room to the next
    carve_l_corridor(grid, a.center, b.center, rng)   # horizontal then vertical

完整生成器（BSP 划分、L 形走廊、可达性检查和随机游走洞穴）见 references/dungeon-generation.md。

常见问题

• 在生成过程中使用全局 RNG 会导致世界无法复现，并且一旦调用顺序发生变化就会出错。始终传入一个已设定种子的实例。
• 噪声场相关：使用相同的种子／偏移量采样海拔和湿度，会导致生物群系呈带状排列。为每个场设置不同的偏移量或重新设定种子。
• 倍频程伪影：添加倍频程却不重新归一化，会使数值超出 0..1；应除以振幅总和（并留意库的输出范围——有些返回 -1..1，有些返回 0..1）。
• 未检查连通性：房间或洞穴可能会彼此隔离。游戏开始前，从出生点进行泛洪填充，并丢弃或重新连接无法到达的区域。
• 无界放置循环：“不断尝试，直到容纳 N 个房间”可能会在小网格上无限循环。限制尝试次数，并接受房间数量较少的结果。
• 只进行一次全局设种，然后依赖帧时间：任何泄漏到生成过程中的非确定性输入（时间、物理、哈希随机化）都会破坏可复现性。

参考资料

• references/noise.md — 倍频程／疏密度／增益、重新分布、岛屿塑形、双轴生物群系查找、蓝噪声对象散布。
• references/dungeon-generation.md — BSP、房间与走廊、随机游走洞穴、元胞自动机平滑、连通性验证、分布／保底表。

相关技能

• godot-tilemap、unity-tilemap-2d — 将生成的网格绘制到引擎中。
• game-ai — 在生成的图上寻路。
• level-design — procgen 所补充的节奏控制和手工设计结构。
• roguelike、survival-crafting — 运用此技能的游戏类型。