最后3秒的一次出手，同时经过十个系统
先设定一个模拟场景：乐鱼体育里一场玩家生成的3v3半场篮球，第4节还剩3秒，蓝队48比50落后，玩家操控的蓝队7号在左侧底角接球，准备压哨三分。对面是AI控制的橙队。
这一个回合里，发生了这些事：7号站在哪里、脚有没有踩线，是Map的问题；球出手后的弧线和打框反弹，是Physics的问题；出手时间是否早于终场、这一球算2分还是3分，是Rule的问题；7号此刻的体力和投篮能力，是Player的问题；场边裁判是否吹犯规、记分台是否确认，是NPC的问题；“接球”“起跳”“出手”“封盖”这些动作被记录下来，是Event的问题；橙队防守者要不要扑出去、扑的时候会不会犯规，是AI的问题；比分从48变成51，是Score的问题；这一球之后要被标为关键回合，是Replay的问题；比分反超、时间归零以后进入结算而不是继续开球，是Game Loop的问题。
如果把AI引擎理解为“一个会做决策的模型”，就会漏掉大部分内容。AI做出的每一个决策，都依赖其他九个系统给它的状态。
空间和物理：AI先得知道“底角”意味着什么
Map系统给AI的不应只是坐标，而是带语义的区域：三分线内外、底角、弱侧、禁区、边线。底角三分在很多篮球规则里距离更短，这是空间语义，AI需要知道底角是一个高价值投篮点，防守时要优先照顾。
如果这张场地是玩家生成的，比如把篮筐挪到了场地中央、改成双向进攻（模拟示例），那“底角”这个概念可能根本不存在。AI引擎不能写死“底角要防”，而要从Map系统读取当前场地的投篮价值分布。
Physics系统决定球的飞行、篮筐和篮板的碰撞、球员之间的身体接触。AI在防守扑出时，需要估计自己以当前速度能否在出手前到位，以及急停距离够不够避免撞人。这个估计必须用和实际物理一致的参数，否则AI会做出看起来合理、落地却总是慢半拍的决策。
规则和比分：AI必须知道这一球值多少
Rule系统告诉AI的是：当前比分差2分，一个三分球会让蓝队反超，而一个两分球只会打平进加时。这个信息直接改变防守策略：落后方需要三分，领先方的最优解是宁可让对方投两分，也要封死三分线外。
一个不理解规则的AI会平均用力，每个位置都差不多地防，最后恰好在底角漏人。玩家看到的现象是：AI在最关键的一球上“犯傻”。这不是决策模型不够强，而是它没读到“比分差2、剩3秒”这个组合意味着什么。
Score系统则要保证比分更新的时机和规则一致。压哨球的判定依赖出手时刻和终场时刻的先后，如果Score在球落网时才读取时间，就会把一个有效的压哨球判成无效。
球员、NPC和AI：谁在做决定
Player系统维护每名球员的属性和实时状态：体力、投篮能力、当前是否在起跳中。AI防守时需要知道7号的底角命中能力是高还是低，才能决定扑不扑；如果7号已经连续打了很长时间、体力下降，AI也可以据此选择更保守的防守。
NPC在体育游戏里常被忽略。裁判、记分员、观众、场边教练都是NPC。裁判NPC决定犯规判罚，它的判罚尺度会影响AI防守者敢不敢伸手。如果玩家在乐鱼体育的MOD里把裁判改成“宽松尺度”，AI应该能读到这个变化，防守动作可以更积极。
AI系统本身要区分两件事：战术决策和数值能力。AI在最后3秒选择换防、夹击或放两分守三分，属于战术；偷偷提高防守者的反应速度，属于数值作弊。下一代体育游戏AI引擎应该只在前者上变聪明。
事件、复盘和Game Loop：比赛之后的系统
Event系统把连续的比赛切成可以理解的事件：接球、突破、传球、出手、封盖、犯规、得分。AI需要事件流来理解“刚才发生了什么”，比如对手连续三次在底角出手，这是战术学习的原始材料。
Replay系统读事件流，挑出关键回合并解释原因。示例里这个压哨三分，复盘应该能说明：橙队防守者在7号接球前0.8秒做了一次无意义的换防（模拟数据），导致底角空位。关于怎样从一场比赛里找出这类回合，可以看体育游戏复盘的方法。
Game Loop是整个比赛的状态机：开球、进行、暂停、得分重置、节间、加时、结束、结算。它看起来和AI无关，但AI的很多决策依赖它，比如知道下一节是不是最后一节、知道平局会不会进入加时。玩家生成的比赛里，如果Game Loop缺少加时状态，AI就无从判断“打平”和“输掉”的区别。
这里要把“理解”和“运行”分开。AI需要理解十个系统的状态，但真正让比赛按帧推进、处理手柄输入、同步球的位置和比分的是Runtime，也就是游戏的运行环境；碰撞与弹跳由物理引擎计算，进球是否有效由规则引擎判定，文字大模型只在生成阶段帮忙把玩家的描述翻译成规则和设计。AI对手读取的是Runtime里的实时状态，而不是自己去“想象”比赛。
十个系统，AI各自需要读什么
| 系统 | AI需要读取的信息 | 读不懂时玩家会看到 |
|---|---|---|
| Map | 区域语义、投篮价值分布 | 在高价值位置漏防 |
| Physics | 速度、加速、碰撞参数 | 扑防总是慢半拍或撞人 |
| Rule | 得分规则、时间规则、犯规规则 | 关键时刻策略错误 |
| Player | 属性、体力、当前动作 | 对所有球员一视同仁 |
| NPC | 裁判尺度、记分确认 | 防守动作过于保守或频繁犯规 |
| Event | 连续事件和模式 | 不会针对对手习惯调整 |
| AI | 战术选择与数值边界 | 靠加属性变强，玩家觉得被针对 |
| Score | 比分变化和判定时机 | 压哨球判错 |
| Replay | 关键回合与原因 | 复盘只剩统计数字 |
| Game Loop | 当前阶段与后续状态 | 不知道加时，决策短视 |
这张表也说明了为什么AI引擎不能只靠一个文字大模型。大模型能理解“底角三分很重要”这句话，但真正的底角坐标、球的飞行和压哨判定，要由其他系统提供，具体分工可以看为什么文字大模型不够的拆解。
AI行为异常时，按这个顺序查
在乐鱼体育的创作流程里，如果玩家试玩后觉得“AI很奇怪”，与其直接调AI参数，不如先按顺序排除其他系统：
- 先查Rule和Score：AI是否读到了正确的比分、时间和得分规则。
- 再查Map：玩家修改过的场地，区域语义是否重新计算。
- 再查Physics和Player：AI使用的速度和能力参数是否与实际一致。
- 再查Game Loop：当前阶段、加时和结束条件是否完整。
- 最后才查AI本身的策略和难度设置。
多数“AI犯傻”的问题，在前四步就能找到原因。
