玩家连着三局从北路突破，第四局AI把主力挪到了北路，这算聪明还是作弊？光看结果分不出来，要看AI是怎么知道的，以及它学得有多快。
判断“学得太快”的标准，是玩家能不能说出AI是怎么知道的
同样一次调动，如果发生在玩家第一次出击之前，那是读心；如果发生在玩家三次北路突破之后，而且AI的哨所确实在北路见过玩家的部队，那就是学习。两者的区别不在准确率，而在因果链：玩家应该能顺着这条链子说出“它是因为看到了什么、记住了什么，所以才这么做”。
大发娱乐战略模拟对“对手适应”的设计，就围绕这条因果链展开，用三个判据来把关：信息来源合法，只用AI自己观察到的东西；学习速度受限，证据要积累，判断要有滞后；适应结果可被反制，玩家能利用AI的习惯反过来设局。缺了第一条，对手像开了挂；缺了第二条，对手像先知；缺了第三条，对手又成了一面不会犯错的墙。
适应可以分四级，越往上越容易越界
下面的表格里，行为举例均为模拟示例。
| 级别 | AI依据什么 | 典型表现（示例） | 越界风险 |
|---|---|---|---|
| 0 固定脚本 | 无，按预设时间表行动 | 每局都在同一时刻走同一条路线 | 玩家背熟后毫无挑战 |
| 1 情境反应 | 当前看得到的局势 | 看见装甲集群才部署反坦克火力 | 低，这是最基本的聪明 |
| 2 经验记忆 | 已观察到的历次事件 | 连续3次北路突破后加强北路警戒 | 中，速度过快会显得神 |
| 3 玩家画像 | 多局观察累积出的偏好概率 | 判断玩家偏爱夜袭，提前布置照明与预备队 | 高，画像来源必须可追溯 |
大多数战场应该停在第2级和第3级的浅层。第3级也不是“AI知道你是谁”，只是把观察到的次数换算成概率：假设过去10次可以判定的开局里，有6次玩家先派出侦察机，AI就把“开局有侦察”的概率调到六成上下，并且带着不确定度，样本少的时候这个数字会很宽。
模拟示例：从第一次北路突破到第四局的布防
假设玩家在前三局都从北路发起主攻，看看AI的画像是怎么一步步形成的（数字均为示例）。第一局，AI只有情境反应，北路守军被突破，战报记下一条事件：“北路遭遇装甲突击”。第二局，同类事件再次出现，证据计数变成2，但还没达到3次的门槛，AI的行为不变。第三局，计数到3，“玩家偏好北路突破”的置信度跨过阈值，AI开始在下一局的规划里给北路增加预备队，权重是适度上调，而不是把全部兵力押过去。
到了第四局，玩家看到的是：北路多了一支预备队，南路依然空虚，AI没有把兵力全部集中到北路，因为它的画像里仍有不小的不确定度。玩家佯攻北路、主攻南路，AI在两三天后才识破并调整。整个过程里，AI每一步都有依据、有滞后、有出错的空间，这正是玩家能够认可的“对手在学习”。
一份反作弊审计清单
下面几条既是写代码时的硬约束，也是评审时逐条勾选的清单。
- 输入白名单：AI的决策函数只能读取“已被己方侦察、通信或情报渠道确认”的状态，读取全图状态的调用一律禁止，并在自动测试里检查。
- 战争迷雾对等：玩家看不到的区域，AI也看不到；同类单位的视野半径和侦察间隔，AI与玩家一致。
- 操作频率上限：AI在单位时间内能下达的指令数量有限，不能用玩家做不到的微操换取胜利。
- 不读玩家意图：玩家的指令队列、尚未执行的计划、界面上的选中状态，对AI一律不可见。
- 难度不靠资源补贴：难度调高，应该是判断更准、反应更快，而不是白送资源；如果确实要补贴，必须在界面上说明。
- 记忆可回溯：画像里的每条结论都能追到具体的观察事件，战后复盘时玩家能查看“AI为什么这么想”。
第2条和第3条并不是孤立的想法。DeepMind团队于2019年在Nature上发表AlphaStar的论文时，就为智能体加上了摄像机视角和更严格的操作频率限制，目的是更接近人类玩家的条件；但这些限制是否足够公平，业界至今仍有争议。这个先例说明，公平不能靠一句口号，只能靠一组具体、可检查的约束。
学习速度怎么限：证据计数、置信度和遗忘
光有合法的信息来源还不够，速度同样会穿帮。一次突袭成功就让AI永远设防，是过度拟合；玩家换了战术三局后AI仍死盯旧套路，是迟钝。设计上用三个量来控制。
- 证据计数：每种玩家倾向都记录被观察到的次数和总机会数，累积到一定次数才允许影响决策（示例：至少3次）。
- 置信度阈值与滞后：画像置信度超过阈值才触发调整，调整还要经过一个与部队调动相符的延迟，调动一个师需要几天，就不可能当天到位。
- 遗忘与衰减：旧证据随时间和局数衰减，玩家换了打法，AI会在几次之后跟着更新，而不是永久固守。
这三个参数可以直接做成难度旋钮：较低难度的AI需要更多证据、遗忘更快；较高难度的AI更快形成判断，但仍然受视野和延迟约束。这里“快”指的是判断快，不是信息多，这一点不能混。大发娱乐AI在战略场景里调难度，调的是这几个旋钮，而不是偷偷给对手多开一圈视野。
画像应该由模拟器统计，而不是让大模型“读心”
有人会想：把对局记录直接交给大模型，让它总结玩家风格，不是更灵活吗？问题在于稳定性和可核查性。Lamparth等人于2024年在arXiv上报告，他们让214名国家安全专家与语言模型模拟的团队做同一类危机推演，发现即使给模拟团队设定“和平主义者”或“侵略性反社会者”这类极端人格，结果也没有显著差异。这个结论只针对被测试的模型和场景，但它提醒我们：语言模型对角色特征的区分能力有限，还容易受场景措辞左右。
大发娱乐的混合设计里，玩家画像的计数和概率交给传统模拟器计算，大发娱乐大模型只负责把结果翻译成指挥官口吻的判断，以及在若干候选部署里提出方案。画像本身是可审计的数字，而不是一段无法复查的“感觉”。商业场景里的道理是一样的：餐厅排长队以后，竞争对手的反应建立在它能看到的客流与价格上，而不是读取玩家的利润表。
让适应留下痕迹，也留下可被利用的空子
好的适应要让玩家感觉得到。AI加强北路警戒以后，战报里应该出现“前哨报告北路屡次遇袭，已增派巡逻”这样的记录，让玩家意识到自己被观察了，然后才有机会反制：故意在北路佯攻三次，再从南路突破。如果AI的学习永远正确、永远不会被诱导，那是另一种作弊，它免疫了玩家的智慧。
所以适应必须允许被欺骗，并让欺骗有成本：佯攻要真实出兵、真实消耗，才会被AI记入证据。被骗之后AI调整回来的速度，同样受前面的遗忘参数控制。这与补给线断裂后的战场决策遵循同一个原则：AI每一次改变主意，都要能在战报里找到原因。对大发娱乐来说，这也是设计上的底线：玩家可以输给一个聪明的对手，但不应该输给一个看不见的规则。
回放检验：改动看不见的信息，AI的决定应当纹丝不动
最直接的公平性测试是反事实回放。取同一局录像，把AI视野之外的信息改掉，比如把玩家藏在迷雾里的预备队从两个师改成零，再让AI重新做一遍决策。如果决策变了，说明有代码在偷看。反过来，改动AI已经观察到的信息，决策就应该随之变化。批量跑几百组这样的对照，通过率应该接近全部，任何偏差都当作缺陷处理。
这套检验属于更大的验证体系，思路与AI模拟世界如何发现自己跑偏一致：不靠“看起来合理”，而靠可以重复执行的检查。AI敌人学习玩家的合适程度，是玩家在战后复盘时能指着战报说“对，这一步是我自己教它的”。到了这一步，它是对手；再快一点，就是外挂。
