mcpField
T
tune-enemy-ai

tune-enemy-ai

github.com/mengto开发7.1k1.3k 次安装3 天前更新
代码仓库

关于 tune-enemy-ai

面向游戏开发的技能,帮助设计易理解、受约束且可复现的敌人决策。它规范状态转换,分离感知、意图与移动,并提供公平性检查和确定性测试建议。

主要功能

  1. 01明确建模敌人状态
  2. 02分离感知、意图与移动
  3. 03依据碰撞和导航验证移动
  4. 04指导公平的攻击时机
  5. 05确定性决策测试
  6. 06浏览器遭遇战验证

适用场景

  1. 01定义敌人状态转换
  2. 02防止攻击穿过障碍物
  3. 03测试目标丢失与寻路失败
  4. 04检查 Boss 阶段与打断行为

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/mengto/skills --skill tune-enemy-ai

安装后在 Claude Code 中输入/tune-enemy-ai确认已加载。

附带文件agents/openai.yaml

详细介绍

调整敌人 AI

让敌人的选择清晰、有界且可复现。

明确建模决策

使用小型状态机或效用层,设置 idle、investigate、pursue、reposition、windup、attack、recover、stagger、retreat 和 defeated 等命名状态。状态转换必须说明前置条件、退出条件、最短停留时间和冷却效果。

分离感知、意图和移动

  1. 收集可观测输入:距离、视线、目标状态、占用情况、威胁、生命值和计时器。
  2. 从受约束的合法动作中选择一个意图。
  3. 朝着该意图移动并播放动画,不要在动作进行期间改写决策。

使用权威的碰撞和寻路结果来判定移动是否成功。不要根据渲染姿势或假定的路径完成情况推断结果。

保持战斗公平

在攻击生效窗口前先发出预警。避免瞬间转身命中、无休止追击、攻击穿过障碍物,以及反复刷出恢复动作。加入间距和行动承诺,让玩家能够读懂并应对每种敌人类型。

测试决策边界

为目标获取、目标丢失、受阻、寻路失败、近距离施压、多个敌人、反击、打断、失衡、Boss 阶段和重置创建确定性测试场景。断言状态转换和结果,而不只是最终位置。自动化测试后,在真实浏览器中进行遭遇战测试。

评论

支持 Markdown