PA真人官网AI游戏观察：每局都完全不同真的是好游戏吗？随机生成与可设计体验之间应该怎样平衡？

做过地图生成的人多半遇到过这样的一局：出生点被两堵墙夹住，最近的水源在地图另一侧，或者相反，出门三步就是一整箱高级装备。生成器没有错，它按规则完成了任务，错的是设计者默认“随机”会自然产生好体验。

先分清两种随机

讨论“每局都不同”时，有一个常被混在一起的区别。输入随机是指进入系统的原料被打乱：宝箱放在哪，敌人从哪个门出现，下一张牌是什么。输出随机是指玩家最终感受到的结果本身难以预期：这局到底会赢还是会输，难度是轻松还是残酷。

很多好游戏的输入随机很大，输出却相当稳定：无论怎么洗牌，一个有经验的玩家大体上都能把局面打成“有惊无险”。这样的游戏里，随机提供变化，技巧决定结果。如果输出也随机，玩家就会把失败归因于运气，进而不再相信自己的决策有价值。

骰子与地图：均匀分布不等于好分布

骰子给出的是均匀分布，每一面机会相等。放在地图生成里，这意味着资源点、障碍、敌人在空间上都是独立抽样，于是偶尔会出现聚团、空洞与死路。玩家感受到的“不公平”，有相当一部分是这种聚团造成的。

好的生成器给出的是可被设计的分布。举个示例：设计师规定每张地图的资源密度在“每百格3到5处”之间，出生点半径十格内必须有一处水源，且任何两个重要资源点之间的路径长度不得低于某个下限。这些规则并不排除变化，只是把变化限制在有意义的区间里。

约束、生成、筛选

把程序化生成拆成三步，有助于知道问题出在哪一步。

constraints:      # 约束：合法空间
  connected: true
  spawn_supply_radius: 10
  difficulty_floor: 0.35
  difficulty_ceiling: 0.80
generate(seed):   # 生成：在约束内采样
  layout = sample_layout(seed)
  events = sample_events(layout)
filter(candidate): # 筛选：不合格就重抽
  solvable(candidate)
  pacing_ok(candidate)
  not_too_similar(candidate, recent_runs)

约束回答“什么是合法的”；生成回答“合法空间里选哪一个”；筛选回答“这一个值不值得让玩家玩”。三步里最容易被省略的是筛选，很多游戏靠“运气好”发现不了一个无解的局面，直到玩家反馈。筛选还包括与最近几局的相似度检查，避免同一个开局连续出现三次。

划定约束→采样生成→可解性筛选→锚点校验→记录并调分布

设计师应该保留的锚点

• 叙事拍点：一场游戏里必须发生的几件事，比如第一次真正的危机、一次道德选择、一次告别。它们出现的位置可以浮动，但不能缺席。
• 难度上下限：下限保证不会无聊，上限保证不会被系统碾压。
• 可解性：无论怎么生成，至少存在一条不依赖运气的通关路径。
• 节奏锚：高压与恢复的比例，参考恐怖游戏里的张力节奏，紧张要靠留白托起来。

没有锚点的生成，像一个没有主题的即兴演奏。有锚点的生成，则像爵士乐：和弦走向固定，旋律可以每次不同。

纯随机的叙事者会出什么问题

《环世界》里三位叙事者的设定很有代表性。据社区维基的整理，Cassandra Classic按递增的挑战曲线安排事件并给出喘息期，Phoebe Chillax灾难间隔更长、更温和，而Randy Random完全随机，可能给出极不公平的事件组合。三种选择同时存在，说明玩家其实并不想要“绝对随机”，多数时候需要的是有意图的起伏。

另一个方向是《矮人要塞》：世界、历史与角色都由程序化生成，故事来自模拟系统内部的相互作用。它之所以成立，是因为底层模拟的规则足够细、足够稳定，涌现出来的故事才耐读，这个结论与本栏目在生成内容与游戏规则一文里的判断是一致的。

AI在其中的位置：调分布，不取代设计

把AI放进这条链路，最合适的位置并不是“替设计师决定一切”，而是根据观察结果调整分布参数。比如系统发现某位玩家连续三局都在中段被资源短缺压垮，就可以把资源事件的权重调高一点，或把下一个危机的出现时间延后；反过来，如果玩家总是轻松通关，就把危机强度的分布上移。这也是PA真人AI在难度与事件调度上的基本取向，与生存危机按玩家策略生成所讨论的思路是同一类：观察行为，改分布，而不是改规则。

这里有两个保留。其一，动态调整若不透明，玩家可能觉得系统在暗中放水或加压，所以调整幅度要小，并且要有回看的机制。其二，模型很容易学到“让玩家满意”的捷径，比如一味降低难度，因此锚点里的下限必须写死，不交给模型判断。

落地时的几条顺序建议

先决定哪些必须固定，再决定哪些可以随机；先写筛选条件，再写生成算法；先设难度的上下限，再让AI去调中间的值。PA真人游戏世界智能研究组在评估原型时，会同时记录同一份种子下的多次表现，用来判断差异到底来自玩家决策，还是来自生成运气。资源与生态类的具体做法，可以参考生存资源生态设计，更多同类观察见PA真人AI生存游戏栏目。