12. NPC和怪物AI

並非遊戲中的每個實體都由玩家控制。 NPCs而敵人需要由電腦控制－也就是說，我們需要賦予他們人工智慧（AI）。

對於我們的遊戲，我們將實現一種稱為「狀態機」的 AI 型別。這意味著實體（如 NPC 或生物）始終處於給定的「狀態」。狀態的範例可以是「空閒」、「漫遊」或「攻擊」。 每隔一段時間，AI 實體將被「勾選」Evennia。這個「勾選」從一個評估開始，該評估確定實體是否應該切換到另一個狀態，或停留在目前狀態內並執行一個（或多個）操作。

例如，如果處於「漫遊」狀態的生物遇到玩家角色，它可能會切換到「攻擊」狀態。在戰鬥中，它可以在不同的戰鬥行動之間移動，如果它在戰鬥中倖存下來，它會回到「漫遊」狀態。

根據遊戲的運作方式，AI 可以在不同的時間尺度上「勾選」。例如，當生物移動時，它們可能每 20 秒自動從一個房間移動到另一個房間。但是一旦進入回合製戰鬥（如果你使用它），AI 只會在每個回合中「滴答」。

12.1. 我們的要求

對於本教學遊戲，我們需要 AI 實體才能處於以下狀態：

  • 閒置 - 什麼都不做，只是站在旁邊。

  • 漫遊 - 從一個房間移動到另一個房間。重要的是，我們增加了限制 AI 可以漫遊到的位置的功能。例如，如果我們有非戰鬥區域，我們希望能夠lock通往這些區域的所有出口，這樣侵略性的模組就不會走進它們。

  • 戰鬥 - 啟動並與電腦進行戰鬥。此狀態將利用戰鬥教學隨機選擇戰鬥動作(回合製或滴答式)。

  • Flee - 這就像_Roam_，除了 AI 會移動以避免進入有電腦的房間（如果可能的話）。

我們將這樣組織 AI 程式碼：

  • AIHandler 這將是在 AI 實體上儲存為 .ai 的處理程式。它負責儲存AI的狀態。為了「勾選」AI，我們執行.ai.run()。我們多久以這種方式轉動 AI 的輪子，我們就留給其他遊戲系統。

  • NPC/Mob 類別上的 .ai_<state_name> 方法 - 當呼叫 ai.run() 方法時，它負責尋找與其目前狀態類似的方法（e.g。.ai_combat 如果我們處於 combat 狀態）。擁有這樣的方法可以輕鬆新增新狀態 - 只需新增一個適當命名的新方法，AI 現在就知道如何處理該狀態！

12.2. AIHandler

這是管理AI狀態的核心邏輯。建立一個新檔案evadventure/ai.py。

建立一個新檔案evadventure/ai.py。

 1# in evadventure/ai.py
 2
 3from evennia.logger import log_trace
 4
 5class AIHandler:
 6    attribute_name = "ai_state"
 7    attribute_category = "ai_state"
 8
 9    def __init__(self, obj):
10        self.obj = obj
11        self.ai_state = obj.attributes.get(self.attribute_name,
12                                           category=self.attribute_category,
13                                           default="idle")
14    def set_state(self, state):
15        self.ai_state = state
16        self.obj.attributes.add(self.attribute_name, state, category=self.attribute_category)
17
18    def get_state(self):
19        return self.ai_state
20
21    def run(self):
22        try:
23            state = self.get_state()
24            getattr(self.obj, f"ai_{state}")()
25        except Exception:
26            log_trace(f"AI error in {self.obj.name} (running state: {state})")

AIHandler 是物件處理程式 的範例。這是一種將所有功能組合在一起的設計風格。稍微向前看一下，這個處理程式將會被加入到物件中，如下所示：

# just an example, don't put this anywhere yet

from evennia.utils import lazy_property
from evadventure.ai import AIHandler 

class MyMob(SomeParent): 

    @lazy_property
    class ai(self): 
        return AIHandler(self)

簡而言之，存取 .ai 屬性將初始化 AIHandler 的例項，我們將 self （目前物件）傳遞給該例項。在 AIHandler.__init__ 中，我們取得此輸入並將其儲存為 self.obj（第 10-13 行）。這樣，處理程式始終可以透過存取 self.obj 對其「所在」的實體進行操作。 lazy_property 確保每次伺服器重新載入時此初始化僅發生一次。

更多關鍵功能：

  • 第 11 行：我們透過造訪 self.obj.attributes.get()（重新）載入 AI 狀態。這將載入具有給定名稱和類別的資料庫 Attribute。如果尚未儲存，則傳回「idle」。請注意，我們必須訪問 self.obj（NPC/mob），因為這是唯一可以存取資料庫的東西。

  • 第 16 行：在 set_state 方法中，我們強制處理程式切換到給定狀態。當我們這樣做時，我們確保將其也儲存到資料庫中，以便其狀態在重新載入後仍然存在。但我們也將其儲存在 self.ai_state 中，因此我們不需要在每次獲取時都存取資料庫。

  • 第 23 行：getattr 函式是一個內建的 Python 函式，用於取得物件的命名屬性。這允許我們根據當前狀態呼叫NPC/mob 上定義的方法ai_<statename>。我們必須將此呼叫包裝在 try...except 區塊中才能正確處理 AI 方法中的錯誤。 Evennia 的 log_trace 將確保記錄錯誤，包括其偵錯回溯。

12.2.1. AI 處理程式上有更多幫助程式

在AIHandler上放幾個助手也很方便。這使得它們可以從 ai_<state> 方法內部輕鬆使用，可作為 e.g 呼叫。 self.ai.get_targets()。

 1# in evadventure/ai.py 
 2
 3# ... 
 4import random
 5
 6class AIHandler:
 7
 8    # ...
 9
10    def get_targets(self):
11        """
12        Get a list of potential targets for the NPC to combat.
13
14        """
15        return [obj for obj in self.obj.location.contents if hasattr(obj, "is_pc") and obj.is_pc]
16
17    def get_traversable_exits(self, exclude_destination=None):
18        """
19        Get a list of exits that the NPC can traverse. Optionally exclude a destination.
20        
21        Args:
22            exclude_destination (Object, optional): Exclude exits with this destination.
23
24        """
25        return [
26            exi
27            for exi in self.obj.location.exits
28            if exi.destination != exclude_destination and exi.access(self, "traverse")
29        ]
30    
31    def random_probability(self, probabilities):
32        """
33        Given a dictionary of probabilities, return the key of the chosen probability.
34
35        Args:
36            probabilities (dict): A dictionary of probabilities, where the key is the action and the
37                value is the probability of that action.
38
39        """
40        # sort probabilities from higheest to lowest, making sure to normalize them 0..1
41        prob_total = sum(probabilities.values())
42        sorted_probs = sorted(
43            ((key, prob / prob_total) for key, prob in probabilities.items()),
44            key=lambda x: x[1],
45            reverse=True,
46        )
47        rand = random.random()
48        total = 0
49        for key, prob in sorted_probs:
50            total += prob
51            if rand <= total:
52                return key

  • get_targets 檢查是否有任何其他物件與在其 typeclass 上設定的 is_pc 屬性位於相同位置。為簡單起見，我們假設怪物只會攻擊 PC（沒有怪物內鬥！）。

  • get_traversable_exits 從目前位置取得所有有效出口，不包括具有提供的目的地的出口或未透過「遍歷」訪問檢查的出口。

  • get_random_probability 採用字典 {action: probability,...}。這將隨機選擇一個動作，但機率越高，它被選中的可能性就越大。稍後我們將在戰鬥狀態中使用它，以允許不同的戰鬥人員或多或少地執行不同的戰鬥動作。該演演算法使用了一些有用的 Python 工具：

    • 第 41 行：記住 probabilities 是 dict {key: value,...}，其中值是機率。因此 probabilities.values() 為我們提供了僅包含機率的清單。對它們執行 sum() 可以得到這些機率的總和。我們需要它來標準化下面一行中 0 到 1.0 之間的所有機率。

    • 第 42-46 行：這裡我們建立一個新的元組可迭代(key, prob/prob_total)。我們使用 Python sorted 幫助器對它們進行排序。 key=lambda x: x[1] 意味著我們對每個元組的第二個元素（機率）進行排序。 reverse=True 意味著我們將從最高機率到最低機率排序。

    • 第 47 行：random.random() 呼叫產生一個 0 到 1 之間的隨機值。

    • 第 49 行：由於機率是從最高到最低排序的，因此我們迴圈遍歷它們，直到找到第一個適合隨機值的機率 - 這就是我們正在尋找的操作/鍵。

    • 舉個例子，如果你有一個{"attack": 0.5, "defend": 0.1, "idle": 0.4}的probability輸入，這將變成一個排序的可迭代(("attack", 0.5), ("idle", 0.4), ("defend": 0.1))，如果random.random()返回0.65，結果將是「空閒」。如果random.random()回傳0.90，那就是「防禦」。 也就是說，這個AI實體會在50%的時間攻擊，40%的時間閒置，10%的時間防禦。

12.3. 將 AI 新增至實體

我們需要向遊戲實體新增 AI- 支援，只需將 AI 處理程式和一堆 .ai_statename() 方法新增到該物件的 typeclass 上。

我們已經在 NPC 教學 中勾畫出了 NPCs 和 Mob typeclasses。開啟 evadventure/npcs.py 並展開迄今為止空的 EvAdventureMob 類。

# in evadventure/npcs.py 

# ... 

from evennia.utils import lazy_property 
from .ai import AIHandler

# ... 

class EvAdventureMob(EvAdventureNPC):

    @lazy_property
    def ai(self): 
        return AIHandler(self)

    def ai_idle(self): 
        pass 

    def ai_roam(self): 
        pass 

    def ai_roam(self): 
        pass 

    def ai_combat(self): 
        pass 

    def ai_flee(self):
        pass

所有剩餘的邏輯將進入每個狀態方法。

12.3.1. 空閒狀態

在空閒狀態下，生物不執行任何操作，因此我們將 ai_idle 方法保留原樣 - 其中只有一個空的 pass 。這意味著它也不會攻擊同一個房間內的PC - 但如果PC攻擊它，我們必須確保強制它進入戰鬥狀態（否則它將毫無防禦能力）。

12.3.2. 漫遊狀態

在這種狀態下，生物應該從一個房間移動到另一個房間，直到找到要攻擊的電腦。

# in evadventure/npcs.py

# ... 

import random

class EvAdventureMob(EvAdventureNPC): 

    # ... 

    def ai_roam(self):
        """
        roam, moving randomly to a new room. If a target is found, switch to combat state.

        """
        if targets := self.ai.get_targets():
            self.ai.set_state("combat")
            self.execute_cmd(f"attack {random.choice(targets).key}")
        else:
            exits = self.ai.get_traversable_exits()
            if exits:
                exi = random.choice(exits)
                self.execute_cmd(f"{exi.key}")

每次勾選AI時，都會呼叫該方法。它將首先檢查房間中是否有任何有效目標（使用我們在 AIHandler 上製作的 get_targets() 助手）。如果是這樣，我們切換到combat狀態並立即呼叫attack指令來發起/加入戰鬥（請參閱戰鬥教學）。

如果未找到目標，我們將獲得可遍歷出口的清單（未透過 traverse lock 檢查的出口已從該清單中排除）。使用 Python 的內建 random.choice 函式，我們從該列表中隨機取得一個出口，並按其名稱在其中移動。

12.3.3. 逃離狀態

逃跑與_Roam_類似，除了AI從不嘗試攻擊任何東西，並且會確保不按原路返回。

# in evadventure/npcs.py

# ... 

class EvAdventureMob(EvAdventureNPC):

    # ... 

    def ai_flee(self):
        """
        Flee from the current room, avoiding going back to the room from which we came. If no exits
        are found, switch to roam state.

        """
        current_room = self.location
        past_room = self.attributes.get("past_room", category="ai_state", default=None)
        exits = self.ai.get_traversable_exits(exclude_destination=past_room)
        if exits:
            self.attributes.set("past_room", current_room, category="ai_state")
            exi = random.choice(exits)
            self.execute_cmd(f"{exi.key}")
        else:
            # if in a dead end, roam will allow for backing out
            self.ai.set_state("roam")

我們將 past_room 儲存在我們自己的 Attribute「past_room」中，並確保在嘗試找到要遍歷的隨機出口時排除它。

如果我們最終陷入死衚衕，我們會切換到_漫遊_模式，以便它可以退出（並再次開始攻擊事物）。因此，這樣做的效果是，暴民會在「平靜下來」之前在恐懼中逃得盡可能遠。

12.3.4. 戰鬥狀態

在戰鬥狀態下，生物將使用我們設計的戰鬥系統之一（基於抽搐的戰鬥 或 回合製戰鬥）。這意味著每次 AI 滴答時，並且我們處於戰鬥狀態，該實體需要執行可用的戰鬥動作之一，hold、attack、do a 特技、use an item 或_flee_。

 1# in evadventure/npcs.py 
 2
 3# ... 
 4
 5class EvAdventureMob(EvAdventureNPC): 
 6
 7    combat_probabilities = {
 8        "hold": 0.0,
 9        "attack": 0.85,
10        "stunt": 0.05,
11        "item": 0.0,
12        "flee": 0.05,
13    }
14
15    # ... 
16
17    def ai_combat(self):
18        """
19        Manage the combat/combat state of the mob.
20
21        """
22        if combathandler := self.nbd.combathandler:
23            # already in combat
24            allies, enemies = combathandler.get_sides(self)
25            action = self.ai.random_probability(self.combat_probabilities)
26
27            match action:
28                case "hold":
29                    combathandler.queue_action({"key": "hold"})
30                case "combat":
31                    combathandler.queue_action({"key": "attack", "target": random.choice(enemies)})
32                case "stunt":
33                    # choose a random ally to help
34                    combathandler.queue_action(
35                        {
36                            "key": "stunt",
37                            "recipient": random.choice(allies),
38                            "advantage": True,
39                            "stunt": Ability.STR,
40                            "defense": Ability.DEX,
41                        }
42                    )
43                case "item":
44                    # use a random item on a random ally
45                    target = random.choice(allies)
46                    valid_items = [item for item in self.contents if item.at_pre_use(self, target)]
47                    combathandler.queue_action(
48                        {"key": "item", "item": random.choice(valid_items), "target": target}
49                    )
50                case "flee":
51                    self.ai.set_state("flee")
52
53        elif not (targets := self.ai.get_targets()):
54            self.ai.set_state("roam")
55        else:
56            target = random.choice(targets)
57            self.execute_cmd(f"attack {target.key}")

  • 第 7-13 行：該指令描述了生物執行給定戰鬥動作的可能性。透過修改這個字典，我們可以輕鬆地建立行為非常不同的生物，例如更多地使用物品或更容易逃跑。您也可以完全關閉某些操作 - 預設情況下，他的暴徒從不「持有」或「使用物品」。

  • 第 22 行：如果我們處於戰鬥狀態，則應在我們身上初始化 CombadHandler，可用作 self.ndb.combathandler（請參閱 基礎戰鬥教學）。

  • 第 24 行：combathandler.get_sides() 為傳遞給它的人生成盟友和敵人。

  • 第 25 行：現在我們在本課前面建立的 random_probability 方法變得很方便！

此方法的其餘部分僅採用隨機選擇的操作並執行所需的操作，以將其作為具有 CombatHandler 的新操作進行排隊。 為簡單起見，我們僅使用特技來增強我們的盟友，而不是阻礙我們的敵人。

最後，如果我們目前沒有處於戰鬥狀態並且附近沒有敵人，我們就會切換到漫遊 - 否則我們會開始另一場戰鬥！

12.4. 單元測試

建立一個新檔案evadventure/tests/test_ai.py。

如果您遵循了先前的課程，那麼測試 AI 處理程式和生物會很簡單。建立一個 EvAdventureMob 並測試呼叫其上的各種與 ai 相關的方法和處理程式是否如預期運作。複雜之處在於模擬 random 的輸出，以便您始終獲得相同的隨機結果進行比較。我們將 AI 測驗的實作留給讀者作為額外的練習。

12.5. 結論

您可以輕鬆擴充套件這個簡單的系統，使生物變得更加「聰明」。例如，暴民不只是隨機決定在戰鬥中採取哪種行動，而是可以考慮更多因素 - 也許一些支援暴徒可以使用特技為他們的重擊者鋪平道路，或者在嚴重受傷時使用生命藥水。

新增“狩獵”狀態也很簡單，小怪在移動到那裡之前會檢查相鄰房間的目標。

雖然實現功能性遊戲 AI 系統不需要高階數學或機器學習技術，但如果您真的願意，您可以新增什麼樣的高階東西當然是沒有限制的！