我们制作了一款基于美国地图的小型交替战略游戏。起初，游戏看起来像是一种标准的策略循环：扩张领土、管理位置、对抗敌方攻击。但是，最困难的部分不是绘制地图或添加更多区域，而是决定对手的行为方式。如果敌方攻击遵循固定的规则，玩家会很快学会模式。如果攻击太随机，损失会感觉毫无道理。如果敌方太过激进，新玩家会在他们理解游戏之前就受到惩罚。如果敌方太过消极，地图会变成一个没有压力的谜题。因此，我们将对手视为受限制的AI指挥官，而不是完全脚本化的敌方。玩家结束一轮后，指挥官会考虑以下因素： * 玩家领土控制的领先程度 * 玩家军队数量 * 玩家最强领土的力量 * 是否被围困的敌方 * 当前轮数在游戏中的位置 * 玩家是否已经被反复攻击我们还添加了防止AI像对一个目标进行欺凌的保护措施。反复攻击同一个领土变得不太可能，持续关注玩家的压力有一个短期限制。早期轮次更宽容，而AI更愿意挑战显然在获得动力的人。我们使用代理辅助工作流程来思考这些范围和失败案例。有用的部分不是让代理发明随机数，而是使用它来问我们原本会错过的问题：“玩家能理解为什么他们输了吗？”“AI是否创造了压力而不去掉有意义的选择？”“在什么时候，适应性难度会停止感觉适应性而开始感觉不公平？”目前的版本仍然是一小规模的实验，但它已经让我对策略游戏AI的看法发生了变化。也许一个好的对手不是总是做出最强的动作。也许是创造紧张感而让玩家有足够的空间回应的那个人。对于策略游戏或游戏AI的开发者： 1. 您是否会将这些AI规则暴露给玩家，还是将它们隐藏起来？ 2. 您如何测试一个适应性对手是否具有挑战性，而不是简单地不公平？ 3. 您认为哪些游戏处理“指挥官式”策略AI得当？