AzerothCore Playerbots 决策引擎深度解析:Value、Trigger、Action 与动作队列的完整链路 原创
Playerbots 不是“定时放技能”:它是一张不断重排的动作图
给 AzerothCore 的 Playerbots 加一个新行为,最常见的误区是直接写一个 CastSpell,再把它塞进职业策略。结果往往是机器人知道该做什么,却仍然乱跑、重复施法、卡住后续动作,或者在远处机器人身上产生不必要的计算。
真正需要理解的是四层分工:Value 描述世界,Trigger 把变化变成事件,Action 执行一个可验证的动作,Strategy 把这些节点装配成可启停的行为集合;Engine 再通过队列、前置动作和 Multiplier 决定这一轮实际做什么。本文基于 2026-11-22 检索的 mod-playerbots/mod-playerbots master 源码,接口目录已重构为 src/Bot/Engine 与 src/Ai/Base。Playerbots 是 AzerothCore 的独立模块,不是未安装模块的核心默认功能。
一、AI Tick 的真实入口与状态隔离
PlayerbotAI 创建战斗、非战斗、死亡与反应等 Engine。普通更新先经过反应处理、允许更新与活动范围判断,再进入 DoNextAction。这里还会处理死亡、复活、传送和状态切换,避免拿战斗状态的目标去执行非战斗逻辑。
Engine::DoNextAction 的核心顺序如下:
PlayerbotAI::UpdateAI / UpdateAIInternal
|
v
PlayerbotAI::DoNextAction(minimal)
|
v
Engine::DoNextAction
1. ProcessTriggers(minimal) // 事件把 handler 放进队列
2. PushDefaultActions() // 各 Strategy 的常驻候选
3. 取队列中的 ActionBasket
4. isUseful -> Multiplier -> isPossible
5. 先处理 prerequisites,或执行 Execute
6. 根据结果处理 continuers / alternatives
这不是“遍历所有技能,遇到第一个能用就放”。一个动作进入队列,只代表它是候选;能否执行,要经过有用性、动态倍率、可执行性和前置动作。每次循环还受队列规模与 IterationsPerTick 限制,不能假设一个 Trigger 触发后 Action 必然同步完成。
二、Strategy 是装配层,不是巨型状态机
Strategy 主要提供三类内容:
| 接口 | 职责 | 适合放什么 |
|---|---|---|
| getDefaultActions() | 持续提供候选动作 | 保持战斗队形、常规技能循环、默认规避 |
| InitTriggers() | 把 Trigger 名称映射到一个或多个 Action handler | 低血量吃糖、目标失效时放弃目标、距离过远时接近 |
| InitMultipliers() | 注册能修改动作相关度的倍率 | 需要节省法力时降低高耗蓝动作权重 |
源码中的 CombatStrategy 很能说明问题:enemy out of spell 对应 reach spell,invalid target 对应高相关度的 drop target,not facing target 对应 set facing。策略本身没有完成移动和施法,只负责接线。
Engine 会合并所有已启用 Strategy 的 Trigger、Multiplier 与 Action 工厂。同名 Action 工厂后合并者会覆盖先前定义,因此“我注册了,为什么跑的是另一个实现”应先查名称冲突,而不是查随机数。
ChangeStrategy 接受带 + 或 - 的逗号分隔名称。添加、删除会重建 Engine 的 Trigger 与 Multiplier 列表,并清理队列。策略切换应发生在明确的生命周期边界,不要每个 Tick 都无条件 +foo,-foo,否则你可能不断清空尚未执行完的候选动作。
三、Value:让昂贵的世界查询可复用
AiObjectContext 是名称到 Strategy、Action、Trigger、UntypedValue 工厂的注册中心。GetValue<T>("current target") 这类调用取得的是 Value 对象,不只是一个裸指针。模块当前上下文里还能找到 self target、health、party member to heal 等名称。
CalculatedValue<T> 把 Calculate() 与缓存间隔封装起来:短间隔可以直接计算,长间隔则在 Get() 时按时间刷新;LazyGet() 在未计算过时才主动求值,否则返回已保存值。把目标枚举、队伍排序或视线检查放进合适 Value,比在 Trigger、Action、Multiplier 中各扫一遍容器更合理。
但缓存不是越久越好。它必须匹配游戏语义:
- 当前目标、控制状态、即将落地的危险区域:需要足够新鲜;
- 可采集物列表、静态配置、缓慢变化的装备信息:可以使用较长刷新间隔;
- 会跨地图、跨副本失效的 Unit 指针:必须结合生命周期验证,缓存不能替代有效性检查。
此外,带参数的 Value 使用 name::param 形式的上下文键。GetValue<T>(name, param) 与无参 GetValue<T>(name) 不是同一条注册记录,不能只注册无参版本后期待参数版本自动工作。
四、Trigger:生产 Event,不执行动作
Engine 的 ProcessTriggers 先按 needCheck(now) 决定是否检查,再调用 Check()。同一 Tick 内,同一个 Trigger 实例即使被多个节点引用,也只检查一次;产生有效 Event 后,再把每个 TriggerNode 的 handler 连同 Trigger 自己额外的 handler 推入队列,最后统一 Reset()。
这意味着 Trigger 应该做“检测与打包上下文”,不应偷偷施法、改目标、切换策略。否则它可能在一次 Tick 内重复产生副作用,也绕过了 Action 的前置条件与优先级系统。
下面是一个结构示例,用来展示现有 Value 如何参与条件判断。它假定已有 custom defensive Action;注册方式在下文单独说明,不能只添加这段类就期待模块识别:
class EmergencyHealthTrigger : public Trigger
{
public:
EmergencyHealthTrigger(PlayerbotAI* botAI)
: Trigger(botAI, "custom emergency health", 1) {}
bool IsActive() override
{
if (!bot || !bot->IsAlive())
return false;
// 当前 HealthValue 是 Uint8CalculatedValue,并以 GetTarget() 解析对象。
AiObjectContext* context = GetAiObjectContext();
if (!context)
return false;
Value<uint8>* health = context->GetValue<uint8>("health");
return health && health->Get() < 25;
}
};
这里显式调用 GetAiObjectContext()->GetValue<uint8>(...),并处理类型转换失败的空指针;不要拿旧教程里的 float 健康百分比示例硬套。基类通过 GetTarget() 给 Value 提供目标上下文,因此不能只替换模板参数就假定语义一致。Trigger 返回 bool 的具体路径由项目基类实现转换为 Event,若需要携带包、目标或限定符,则应按现有具体 Trigger 重载 Check(),而不是把数据塞进全局变量。
五、Action 的两个门槛:有用不等于能执行
当前 Action 基类将 isUseful() 与 isPossible() 明确分开:前者回答“在当前上下文是否有意义”,后者回答“此刻是否满足硬执行条件”。两个函数都在 Execute 之前调用,且中间还有 Multiplier。
| 层 | 适合的判断 | 不适合的判断 |
|---|---|---|
| isUseful | 目标类型是否符合策略、是否已有同等 Buff、行为是否已被配置禁用 | 耗时的全地图扫描、直接施法 |
| isPossible | 目标仍有效、资源足够、法术可用、游戏状态允许 | 为了“确保成功”而绕过核心的冷却和施法规则 |
| Execute | 发起一次语义明确的动作,并诚实返回结果 | 把整个副本流程写成一个不可中断的大函数 |
更重要的是 getPrerequisites()。例如一个自定义高伤害法术要求先靠近目标,应该声明 reach spell 一类前置动作,而不是在 Execute 里同时顺移、转向和施法。Engine 发现有前置候选后,会先把前置节点放入队列,并将原动作以 skipPrerequisites 的方式重新排队。这样移动可以被其他高优先级动作打断,也不会把失败藏在一个大而全的函数里。
执行成功后可能继续 continuers,失败或不适合时才考虑 alternatives。动作返回值必须表达真实结果:若统一返回 true,Engine 会以为已经成功,后续替代动作与诊断都会失真。
六、Multiplier 改变的是“选择”,不是技能数值
候选 Action 的相关度会逐个乘以已注册 Multiplier 的 GetValue(action)。结果不大于 0 时动作失去资格;小于 1 是降权,大于 1 是加权。它不应修改伤害、法力或 Buff 数值。
这里有两个容易忽视的实现细节:
- 源码在取出 basket 后先保存队列相关度,随后在应用每个 Multiplier 时基于这个变量持续相乘并写回 Action;理解调试日志时不要把 Action 上的数值当成无条件固定优先级。
- 只有通过了
isUseful的候选才进入这段计算,而isPossible在其后。把昂贵硬校验塞进 Multiplier,会让每个不相关动作也付出成本。
“缺蓝时少用高耗蓝技能”适合 Multiplier;“目标已死亡禁止施法”应是 isPossible;“没有蓝就完全不考虑某个高耗蓝动作”可以结合 Action 自身校验与倍率归零,但要确保存在替代动作,否则机器人可能什么都不做。
七、一个可维护的自定义策略骨架
下面的 Strategy 只负责接线。NextAction 使用 动作名称在前、相关度在后 的构造函数;不要沿用某些旧示例里颠倒参数的顺序。
class CustomDefensiveStrategy : public Strategy
{
public:
explicit CustomDefensiveStrategy(PlayerbotAI* botAI)
: Strategy(botAI) {}
std::string const getName() override { return "custom defensive"; }
uint32 GetType() const override
{
return STRATEGY_TYPE_COMBAT;
}
void InitTriggers(std::vector<TriggerNode*>& triggers) override
{
triggers.push_back(new TriggerNode(
"custom emergency health",
{ NextAction("custom defensive", ACTION_EMERGENCY) }));
}
};
还需要把三个名称分别注册到对应上下文,并把策略名加入构建期的共享 StrategyContext,或由你模块现有的策略扩展入口注册:
// 伪代码位置:TriggerContext / ActionContext / StrategyContext 的工厂表。
creators["custom emergency health"] =
[](PlayerbotAI* ai) -> Trigger* { return new EmergencyHealthTrigger(ai); };
creators["custom defensive"] =
[](PlayerbotAI* ai) -> Action* { return new CustomDefensiveAction(ai); };
creators["custom defensive strategy"] =
[](PlayerbotAI* ai) -> Strategy* { return new CustomDefensiveStrategy(ai); };
// 实际项目 NamedObjectContext 使用 creator 函数指针,按现有静态工厂风格注册;
// 如果 lambda 无法转换,就写成普通 static 工厂函数。
这里刻意把 Strategy 的运行时名称与注册表名称区分说明:getName() 是策略标识,+name 查找的是上下文中的策略名称。你的实现应保持一致,避免注册名、显示名和玩家启停命令三套字符串互相对不上。
八、性能与正确性:不要优化错层
minimal 模式会跳过低相关度 Trigger 和 Action,队列迭代预算也更紧。它是活动量控制的一部分,不是简单的“所有机器人少跑几个函数”。如果把关键保命行为设成普通相关度,远处机器人可能不会及时处理;如果所有动作都设成 100 以上,又会让 minimal 失去筛选意义。
排查性能时按以下顺序收集证据:
- Trigger 成本:是否每个机器人都枚举了大量单位、重复计算视线、读取相同静态数据?
- Value 命中与新鲜度:能否共享计算,缓存间隔是否与玩法一致?
- 队列放大:一个 Trigger 是否绑了过多 handler,前置与 continuer 是否形成环?
- Action 失败:是否反复排队、反复失败,continuer/alternative 是否互相推回?
- 策略重建:是否频繁 ChangeStrategy 导致 Init/Reset 与队列清理?
源码已有 Trigger、Action、Multiplier、Value 的 PerfMonitor 埋点及调试日志能力。先用这些观察真实热点,再决定缓存或降频;不要一开始就降低整个 AI Tick 频率,掩盖一个 O(N²) 的目标扫描。
九、测试矩阵:验证“未执行”也是有效结果
| 场景 | 观察点 | 合格标准 |
|---|---|---|
| Trigger 条件不成立 | Event 与队列 | 不产生对应 Action,也无副作用 |
| 条件成立但目标失效 | isUseful / isPossible | 明确拒绝,不崩溃、不误施法 |
| 需要接近或转向 | prerequisites 与 again | 先执行前置动作,原动作可再次排队 |
| 更高优先级动作出现 | 队列排序与 Multiplier | 普通动作被正确让位,不形成永久饿死 |
| Execute 失败 | alternatives 与日志 | 返回值真实,替代动作可控且不成环 |
| 启用再禁用自定义策略 | Engine::Init / Reset | Trigger 与 Action 工厂按预期增删 |
| minimal 与普通模式 | 相关度阈值、迭代预算 | 降载符合设计,不意外执行低优先级工作 |
| 多机器人与目标生命周期 | Value 缓存、指针有效性 | 不跨地图复用失效对象,热点可解释 |
结论:新行为要落在正确的抽象层
写 Playerbots 行为前,先回答四个问题:世界状态是否能成为 Value?事件是否应该是无副作用的 Trigger?动作能否用 isUseful、isPossible、Execute 和 prerequisites 表达?它与其它动作的关系应该由 Strategy 接线,还是由 Multiplier 调整?
当这四件事分开,机器人“为什么没放技能”就不再是玄学:你能沿着 状态 → 事件 → 候选 → 倍率 → 前置 → 执行 逐步找到断点。相比在职业脚本里再塞一个 CastSpell,这才是能随模块演进、能诊断、也能规模化运行的实现方式。