摘要
实验 0216–0221 都在问“这一步要不要换个动作”，结果都没能让整局变好。本实验换一个角度：与其逐步判断，不如让全队在整局中坚持一个战术目标。我们写了两个固定脚本：S（集火射手）——全队先打敌方弩手；M（集火近战）——全队先打敌方侍从。两者都不学习、不做在线模拟。
按“先选择、再开发、再保留”的三段门槛：选择阶段只有 S 合格；S 在 8 个新开发来源上来源平均得分差 +.4375（5 改善 0 退化），在 12 个新保留来源上 +.166667（4 改善 1 退化，S 15 胜 9 负）。通过原定保留验收。 但这只是原生无英雄、非对称数量 2v2 课程对基线 AI 的有限工程结果，默认 AI 保持不变。
要回答的问题
在每方侍从 + 弩手的 2v2 课程里，一个跨行动、跨回合保持的简单目标（集火某类敌人），能否在完整对局中稳定地比基线 AI F（Fair：只用玩家可见信息的搜索 AI）赢得更多？
方法
目标怎么选。 全队共用一个目标：S 先选活着的敌方弩手（crossbowman），M 先选活着的敌方侍从（esquire）；没有就按当前行动者到敌人的六边形距离、兵种编号和观测顺序选最近者。目标死亡、移除或归属变化后才重选。只有对应动作成功执行后才把目标写入记忆，非法提交不改变目标。
每步怎么走。 只读公开观测、完整合法菜单和 F 的原诊断：
- 保留 F 选中的零消耗（免费）动作，以及 F 原有的最终选择保护；
- 若有合法攻击能打到目标，按 F 分数和菜单顺序选攻击；
- 近战暂时打不到时，选能严格缩短到目标距离的合法移动（剩余距离最小优先）；
- 射手打不到目标、或没有有效前进格时，照 F 走。
这只是两个闭环整局脚本，不是最优协同，也不是学习算法。
设置（冻结的条件）
- 来源（一个固定的初始配置和随机种子）：从 194 个合法几何布局中按确定顺序取前 32 个，数量按四类循环：A 蓝 16 侍从 / 24 弩手、红 24/16，B 反向；C 蓝 12/28、红 28/12，D 反向。双方总数都是 40，但不代表战力相等。12 选择 / 8 开发 / 12 保留，每类各 3/2/3 个。几何布局可能与旧实验重复，但数量向量是新的；未读取任何旧封存来源。
- 每来源 1 局 F/F，再由 S、M 分别执蓝、执红对 F。
- 选择门槛：来源平均差保守下界 ≥ +.125、≥ 3 个来源改善、≥ 95% 已知终局、0 正确性故障；取合格者中差最大的（平手取 S）。
- 开发门槛：差 ≥ +.125、≥ 2 个来源改善；保留门槛：差 ≥ +.10、≥ 3 个来源改善。
- 20 完整回合未决或只剩临时生物双输，双方各 0 分。预算：选择 + 开发 30 分钟，保留 20 分钟。
结果
单次运行 47.380908 秒（含选择、开发、保留、审计、导出），各阶段按门槛顺序打开。
| 阶段 / 选项 | 受控对局胜/负 | 来源平均得分差 | 改善/退化来源 | 判定 |
|---|---|---|---|---|
| 12 选择 / S | 16/8 | +.208333 | 4/0 | 唯一合格，冻结 S |
| 12 选择 / M | 7/17 | −.166667 | 0/4 | 拒绝 |
| 8 开发 / S | 13/3 | +.4375 | 5/0 | 通过 |
| 12 保留 / S | 15/9 | +.166667 | 4/1 | 通过 |
每个来源 F/F 只有 1 局，取其双方平均作为同来源基线。保留集 F/F 为 11 局普通终局 + 1 局双输，双方平均得分 11/24 = .458333；S 的 24 局都是普通终局，得分 15/24 = .625。
120 局实际对局中 114 局普通终局、6 局 20 回合双输，0 未知/故障/补跑，0 次神经网络更新。S 在选择 12/12、开发 7/8、保留 12/12 个来源中都出现了跨至少两回合的持续改选。
正确性：32 个初态、3284 个实际转移、1161 个策略回执与记忆恢复、隐藏随机数扰动、120 局双方结算全部重算一致；60 项软件检查通过。最大单次选择 .008820 秒（并发小课程观察，不是网页延迟测量）。120 局回放已导入并通过桌面与手机宽度的交互检查。
两个对照局的第一处分歧（只读回放定位）：
- 一个改善例：前 5 步完全相同。第 2 回合，F 让侍从攻击相邻的敌方侍从；S 改为移动，使到敌方弩手的距离从 7 变为 3。后续整局 F/F 第 20 回合双输，S 执蓝第 6 回合获胜。
- 一个退化例：第 1 步相同。第 1 回合，F 把红方侍从移向一处，S 选择另一格使到蓝方弩手的距离从 8 变为 4。后续 F/F 第 9 回合红胜，S 执红第 12 回合失败。
第一处分歧只是阅读回放的起点，不是单独的胜负因果证明。
失败与负结果
- M（集火近战）在选择阶段 0 改善 4 退化，被拒绝。
- S 在保留集仍有 1 个来源退化。
局限
- 12 个固定来源、每方向一个随机种子，是有限工程门槛，不是统计显著性证明。
- 只覆盖原生无英雄、非对称数量的 2v2 课程和 F 一种对手；不代表不同对手、真人或完整竞技场。
- S 只匹配字面上的“弩手”；换成其他兵种组合时会退回“最近敌人”规则。
- 改选多不等于更强。
结论与下一步
一个整局坚持的简单目标，在这个小课程上第一次通过了完整的选择—开发—保留三段验收，这是此前一系列逐步改选实验没有做到的。但它不能直接替换完整游戏的默认 AI。下一步冻结 S 和 M，原样迁移到 3v3 课程并同时对 F 和 M 两个对手验证（见实验 0223），不再用本次保留集重选脚本或阈值。
Comments