Generals Lite Bot 进化记录：从规则复刻到训练迭代

为什么我会做这个项目

我想做一个适合放进个人网站、又能长期继续扩展的策略小游戏。

基础玩法沿用 generals 的核心结构：占地、集兵、攻击城市、寻找并击破敌方皇城。但我的站点不是一个大众联机平台，真人玩家不会一直在线，所以我很早就引入了 BOT。它们最初只是为了帮我测试，后来逐渐变成了整个项目最重要的一部分。

第一阶段：先把游戏本体做稳

在最开始，我先把基础规则做成一个能玩的轻量版本。这个阶段最难的点，并不是地图画出来，而是让操作逻辑真正稳定。

我遇到的几个关键难点

1. 路线不允许交叉

如果允许一条路线任意穿插另一条路线，排队指令会很快变得难以维护。尤其是在连续编辑长路径时，前一条路线已经开始执行，后一条路线还在修改，状态很容易混乱。

所以我最终限制了路线交叉，让一条指令在编辑和执行时都更容易预测。

2. 皇城生成不具有一般性

一开始的皇城生成逻辑在少数地图尺寸上能跑，但不够通用。后来我把生成逻辑改成更一般化的写法，让它在不同地图大小上都更稳定。

3. 连续多条指令下达

为了让游戏更接近真正的策略感，我加入了连续多条指令排队。这样玩家不需要每步都手动点一次，可以提前铺路线，让前线和后方同时运转。

4. 游戏平衡性的实验

光是“能跑”还不够。BOT 和人类对局时，地图、城市、视野和后期拖延都可能造成不平衡，所以我在这个阶段就开始不断观察对局，做小范围实验。

第二阶段：加入观众系统，开始观察 BOT

当游戏本体差不多可用之后，我发现一个问题：

如果我看不到 BOT 在干什么，就很难真正改好它。

于是我引入了 观众席。

不仅如此，我还给观战模式加了一个非常关键的功能：

点击玩家卡片即可代入视角

这意味着我在观战时，不只是上帝视角看完整棋盘，而是可以点某个玩家，直接切到它当前的战争迷雾视角。

这个功能非常重要，因为它让我第一次能真正理解：

• BOT 当前看到了什么
• 它为什么会走这一步
• 它是因为信息不足，还是因为策略本身不好

从这一步开始，这个项目不再只是一个小游戏，而开始变成一个 bot 观察与训练平台。

第三阶段：一步一步教 BOT 打得更像样

我没有一开始就直接上深度学习，而是先从启发式策略做起。

先让 BOT 学会贪婪扩地

第一步最直接：

• 优先扩地
• 避免长时间空转
• 对附近空地和低成本目标更积极

这样做的目标不是让它立刻变强，而是先让它“像在玩游戏”，而不是原地堆兵。

再让它学会攻击小城市

只会扩地会让 BOT 显得很被动。我后面开始引导它：

• 看到小城市时更愿意试探进攻
• 对可吃下的目标提高优先级
• 不要无意义地绕开容易拿到的资源点

然后教它集兵冲击迷雾

接下来我开始让 BOT 学会更主动的搜索。

我做了两件事：

1. 鼓励它在后方集兵
2. 降低距离惩罚，让它更愿意探索迷雾

这样它就不只是守在已知区域里，而会更积极地去寻找敌方主城。

再继续补上防守能力

如果只会扩张和冲锋，BOT 在遭到反打时会很脆。所以后续我又补了一些防守逻辑，让它在主城附近出现威胁时能更快回防。

第四阶段：处理后期僵局

随着 BOT 越来越能打，一个新问题出现了：

后期经常僵局

双方都已经扩到很大面积，迷雾减少，前线拉长，结果就是谁都打不死谁，对局变得很拖。

所以我加入了 500 回合后的决战模式。

决战模式的想法

在这个模式里，我让 BOT 的行为切换到更强制的后期逻辑：

• 离主城近的兵力，用来集兵和守主城
• 离主城远的兵力，用来向迷雾推进
• 整体上减少犹豫，逼迫局面收束

这个改动不是为了让 BOT 更“聪明”，而是为了让后期更有结果，而不是无限拖延。

第五阶段：为什么最后还是要走向深度学习

当启发式逻辑越来越多之后，我意识到一个现实：

• 规则能帮我把 BOT 推到一个还不错的水平
• 但很多复杂权衡，光靠手写逻辑很难一直维护下去

尤其是在：

• 进攻和防守如何平衡
• 集兵与扩地如何切换
• 面对不同地图尺寸是否要自动换节奏

这些问题上，启发式会越来越重，越来越难调。

所以我决定开始尝试 深度学习。

第六阶段：训练路线也被我推翻过一次

我一开始直接训练，结果基本没用。

原因后来很明确：

如果启发式参数本身不合理，深度学习学不到好东西

模型只能学到你给它的数据风格。启发式本身还很差时，模型只会把这种差策略学得更稳定。

于是我把训练路线改成两步：

1. 先用启发式搜索找到更合理的参数
2. 再让更强的 BOT 迭代训练下一代

这相当于先把老师变强，再让学生去学。

现在这个项目对我来说意味着什么

它已经不只是一个轻量 generals 复刻，而是一个把这些部分串在一起的实验项目：

• 轻量但完整的策略玩法
• 房间系统与多人/观战逻辑
• 可切换强度的 BOT
• 观战代入视角
• 启发式 bot 设计
• 后期决战模式
• 面向深度学习的训练入口

接下来我会继续把它往两个方向推进：

1. 让项目本体更像一个成熟的站内作品
2. 让 BOT 训练链路更稳定，真正形成一条可持续迭代的路线

这篇文章先作为阶段性整理。后面我还会继续补：

• medium / high 强度的区别
• 启发式参数到底怎么定义
• 为什么早期训练失败
• 新训练模板相比旧版到底改了什么