先写下假设，再让机器人上场

把“让机器人先测一下平衡”当成一个模糊任务，得到的只会是一堆没人看的曲线。爱游戏AI的做法是把它当作一次小实验，先写下可以被推翻的假设。

假设场景如下：虚构的关卡“灰烬回廊”末尾有一个三段式Boss，策划刚把第二阶段的攻击频率调高。他们的假设是：新手玩家仍然能在合理次数的尝试内通过，高手不会因为第二阶段变得太难而丢掉从容感。这两条都可以用机器人做初步检验，但检验的是“在机器人的行为模型下是否成立”，这一点后面会反复强调。

设置：怎样构造不同水平的机器人

不同水平的Agent不是简单地写三套脚本，而是从同一个基础能力出发，逐项施加限制。常用的限制手段有四类。

  • 反应延迟：新手Agent在看到攻击预警后要过更长时间才能响应，高手则接近能力上限。
  • 动作噪声：在输出的动作上叠加随机偏差，模拟走位不精确、技能释放时机不准。
  • 信息可见范围：新手Agent看不到屏幕外的信息，也不会主动利用敌人的行为规律；高手则会学习并记住攻击顺序。
  • 训练阶段：把强化学习训练过程中不同阶段的策略保存下来，早期的策略近似新手，中后期的近似熟练玩家。

这四个旋钮可以组合。同一个基础模型套上不同的限制，比另外训练三个完全不同的模型更容易控制变量：所有差异都来自限制，而不是训练随机性。

每一档要运行足够多次，因为单次运行的结果噪声很大。同一关卡、同一档位、不同随机种子，重复跑，再看分布而不是看单次结果。

读数：看哪些指标

一次运行会产生大量数据，但真正对平衡有意义的指标并不多。

指标回答的问题需要小心的地方
通过率与平均尝试次数 这档水平能不能过，大约要试几次 机器人不会因为沮丧而放弃，尝试次数会比真人更“耐心”
资源消耗 药水、弹药、耐久是否被大量消耗，是否出现资源断档 机器人可能过度囤积或过度挥霍，与真人习惯不同
死亡位置分布失败集中在哪个阶段、哪个区域 集中不等于设计有问题，也可能是预期的难点
策略分布 通关路线是否高度单一，是否存在一招鲜 机器人的策略空间受动作集限制，可能漏掉真人的创造性打法
耗时 各档水平通过关卡需要多长时间 耗时受机器人运行速度影响，需要换算为游戏内时间

解读：读数意味着什么

回到“灰烬回廊”的例子。假设读数显示：新手档的Agent在第二阶段的死亡集中在Boss的一个扇形范围攻击之后，高手档则几乎不受影响。这说明什么？

数据本身只给出“死在哪里”，并不给出“为什么”。至少有三种解释：

  1. 数值问题：扇形攻击的伤害或范围过大，新手在没有资源余量的情况下一次失误就会死亡。
  2. 信息问题：攻击的预警不够明显，新手Agent的感知模型没有足够信号，真人玩家可能也会看不清。
  3. 模型问题：新手档的反应延迟设得太大，代表的不是真实新手，而是一个过于迟钝的机器人。

要区分这三种解释，需要继续实验：只调高预警时长再跑一次；只降低伤害再跑一次；或者调整延迟参数，看结论是否稳定。如果结论对模型参数非常敏感，就不能把它当成对真人的预测，而应当作“这个位置值得真人重点观察”的线索。这也与玩家连续失败时不应轻易判断为“太难”的思路一致：失败数据要先归因，再决定改什么。

还有一种常见读数是“三档通过率差异过小”。这可能意味着关卡缺少区分度，也可能说明限制手段没有真正改变机器人的能力，此时应先检查机器人本身，而不是马上改关卡。

局限：机器人测不出的东西

平衡测试的价值建立在“机器人的行为足够像某类玩家”这个前提上，而这个前提只能部分成立。

  • 策略与真人不同：机器人擅长执行既定策略，却缺少好奇心。真人会因为“想看看会发生什么”而尝试奇怪路线，也会因为直觉而放弃一个最优解。
  • 测不出乐趣：一个关卡通过率合适，不代表玩起来有趣。挫败感、公平感、成就感这些主观体验，机器人无从感知。
  • 学习曲线不同：真人会从失败中逐步理解Boss机制，而机器人的“学习”是训练过程，二者的进步方式并不对应。
  • 对既有设计有偏好：如果机器人是在某一版本上训练的，它天然更擅长这一版本的套路，对新机制反而可能表现失真。

因此，机器人给出的通过率不应被写成“真人通过率”，只能写成“该类Agent在此设置下的通过率”。这两者之间的差距，需要靠真人数据来校准，爱游戏的报告里也会把这一标注保留下来。

与真人测试怎么分工

爱游戏AI倾向于把机器人放在真人测试之前和之间。

真人测试之前，机器人用来筛掉明显问题：某档水平完全无法通过，某类资源在流程中明显不够，某个区域死亡异常集中。这样可以避免让真人试玩员浪费时间去发现一个数值填错的Boss。

真人测试之间，机器人负责回归对照：策划每改一次数值，机器人快速重跑，与上一版的读数比较，观察变化方向是否符合预期。变化幅度大的地方，再交给真人做主观确认。

真人测试则承担机器人做不了的部分：手感、节奏、挫败与惊喜、提示是否易懂、玩家是否愿意再来一次。此外，平衡结论一旦要影响动态难度的调节策略，也必须回到真人数据上验证，而不是只依靠机器人的模拟。

可以把机器人理解为一台成本较低的“预演设备”。它能告诉策划哪里值得担心，却不能宣布哪里已经平衡。