(npc-and-monster-ai)= # NPC和怪物AI ```{sidebar} 人工智慧聽起來很複雜 「人工智慧」這個詞聽起來令人畏懼。它讓人想起超級電腦、機器學習、神經網路和大型語言模型。不過,對於我們的用例,您只需使用一些 if 語句就可以獲得感覺非常「聰明」的東西。 ``` 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。 ```{sidebar} 生物和NPC 「Mob」是「Mobile」的縮寫,是一個常見的 MUD 術語,表示可以在房間之間移動的實體。該術語通常用於攻擊性的敵人。暴民也是「NPC」(非玩家角色),但後一個術語通常用於更和平的實體,例如店主和任務提供者。 ``` 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」。 (our-requirements)= ## 我們的要求 ```{sidebar} 店主和任務提供者 NPC 在我們的遊戲中,店主和任務提供者將被假定始終處於「空閒」狀態 - 與他們交談或向他們購物的功能將在以後的課程中探討。 ``` 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](../../../Components/Locks.md)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](./Beginner-Tutorial-Combat-Base.md)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_` 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! (the-aihandler)= ## AIHandler ```{{sidebar}} You can find an AIHandler implemented in `evennia/contrib/tutorials`, in [evadventure/tests/test_ai.py](evennia.contrib.tutorials.evadventure.ai) ``` 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`。 ```{code-block} python :linenos: :emphasize-lines: 10,11-13,16,23 # in evadventure/ai.py from evennia.logger import log_trace class AIHandler: attribute_name = "ai_state" attribute_category = "ai_state" def __init__(self, obj): self.obj = obj self.ai_state = obj.attributes.get(self.attribute_name, category=self.attribute_category, default="idle") def set_state(self, state): self.ai_state = state self.obj.attributes.add(self.attribute_name, state, category=self.attribute_category) def get_state(self): return self.ai_state def run(self): try: state = self.get_state() getattr(self.obj, f"ai_{state}")() except Exception: log_trace(f"AI error in {self.obj.name} (running state: {state})") ``` AIHandler 是[物件處理程式](../../Tutorial-Persistent-Handler.md) 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: ```{sidebar} lazy_property 這是一個 Evennia [@decorator](https://realpython.com/primer-on-python-decorators/),它使得處理程式在有人真正第一次嘗試訪問 `obj.ai` 之前不會被初始化。在後續呼叫中,將傳回已初始化的處理程式。當您有很多物件時,這是非常有用的效能最佳化,並且對於處理程式的功能也很重要。 ``` ```python # 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](../../../Components/Attributes.md)。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_`。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。 (more-helpers-on-the-ai-handler)= ### 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_` 方法內部輕鬆使用,可作為 e.g 呼叫。 `self.ai.get_targets()`。 ```{code-block} python :linenos: :emphasize-lines: 41,42,47,49 # in evadventure/ai.py # ... import random class AIHandler: # ... def get_targets(self): """ Get a list of potential targets for the NPC to combat. """ return [obj for obj in self.obj.location.contents if hasattr(obj, "is_pc") and obj.is_pc] def get_traversable_exits(self, exclude_destination=None): """ Get a list of exits that the NPC can traverse. Optionally exclude a destination. Args: exclude_destination (Object, optional): Exclude exits with this destination. """ return [ exi for exi in self.obj.location.exits if exi.destination != exclude_destination and exi.access(self, "traverse") ] def random_probability(self, probabilities): """ Given a dictionary of probabilities, return the key of the chosen probability. Args: probabilities (dict): A dictionary of probabilities, where the key is the action and the value is the probability of that action. """ # sort probabilities from higheest to lowest, making sure to normalize them 0..1 prob_total = sum(probabilities.values()) sorted_probs = sorted( ((key, prob / prob_total) for key, prob in probabilities.items()), key=lambda x: x[1], reverse=True, ) rand = random.random() total = 0 for key, prob in sorted_probs: total += prob if rand <= total: return key ``` ```{sidebar} 鎖定出口 「遍歷」lock 是預設的 lock 型別,在允許某些東西透過出口之前由 Evennia 檢查。由於只有 PC 具有 `is_pc` 屬性,因此我們可以 lock 向下退出以_僅_允許具有該屬性的實體透過。 遊戲中: lock north = traverse:attr(is_pc, True) 或在程式碼中: exit_obj.locks.add( "traverse:attr(is_pc, True)") 有關 Evennia 鎖的更多資訊,請參閱[鎖](../../../Components/Locks.md)。 ``` - `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。 (adding-ai-to-an-entity)= ## 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](Beginner-Tutorial_NPCs) 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。 ```python # 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。 (idle-state)= ### 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)。 (roam-state)= ### 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。 ```python # 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](./Beginner-Tutorial-Combat-Base.md))。 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。 (flee-state)= ### 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。 ```python # 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。 (combat-state)= ### 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](./Beginner-Tutorial-Combat-Twitch.md) 或 [回合製戰鬥](./Beginner-Tutorial-Combat-Turnbased.md))。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_。 ```{code-block} python :linenos: :emphasize-lines: 7,22,24,25 # in evadventure/npcs.py # ... class EvAdventureMob(EvAdventureNPC): combat_probabilities = { "hold": 0.0, "attack": 0.85, "stunt": 0.05, "item": 0.0, "flee": 0.05, } # ... def ai_combat(self): """ Manage the combat/combat state of the mob. """ if combathandler := self.nbd.combathandler: # already in combat allies, enemies = combathandler.get_sides(self) action = self.ai.random_probability(self.combat_probabilities) match action: case "hold": combathandler.queue_action({"key": "hold"}) case "combat": combathandler.queue_action({"key": "attack", "target": random.choice(enemies)}) case "stunt": # choose a random ally to help combathandler.queue_action( { "key": "stunt", "recipient": random.choice(allies), "advantage": True, "stunt": Ability.STR, "defense": Ability.DEX, } ) case "item": # use a random item on a random ally target = random.choice(allies) valid_items = [item for item in self.contents if item.at_pre_use(self, target)] combathandler.queue_action( {"key": "item", "item": random.choice(valid_items), "target": target} ) case "flee": self.ai.set_state("flee") elif not (targets := self.ai.get_targets()): self.ai.set_state("roam") else: target = random.choice(targets) 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](./Beginner-Tutorial-Combat-Base.md))。 - **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! (unit-testing)= ## 單元測試 ```{{sidebar}} Find an example of AI tests in [evennia/contrib/tutorials/tests/test_ai.py](evennia.contrib.tutorials.evadventure.tests.test_ai). ``` > 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。 (conclusions)= ## 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!