黑神话AI挑战决策系统产品系统

面向高难度动作游戏中的 AI 决策实验场景。项目以《黑神话：悟空》首个 BOSS 战为目标，将玩家操作拆解为可观察状态、动作招式、参数更新和交互决策几个环节，让 AI 从重复死亡与对战反馈中学习更稳定的攻击、闪避和节奏控制策略。项目成果被整理为 B 站视频内容，入选第285期每周必看，播放量超过200万，说明技术方案具备较强的展示性和传播验证。

项目包含游戏画面识别、状态计算、招式决策、参数更新、对战执行和结果复盘几个模块。系统首先从游戏画面中识别敌人、玩家状态、血量、距离、动作前摇等关键信息，再把这些信息转换成可用于决策的状态特征；决策层根据当前状态选择攻击、闪避、拉开距离、等待窗口等动作，并在多轮尝试后根据失败原因调整策略参数。整体目标不是做脚本式固定流程，而是让 AI 能根据实时画面和战斗阶段做动态判断，最终完成击败首个 BOSS 的挑战。

本人负责项目中的 AI 决策链路设计、实验方案拆解和工程实现，包括画面状态抽象、动作空间设计、策略规则迭代、失败日志分析和可视化讲解素材整理。技术实现侧主要使用 Python 组织训练与推理逻辑，结合图像识别、状态机、策略搜索和参数调优完成闭环。项目难点在于动作游戏反馈延迟高、画面状态变化快、失败样本多且噪声大，因此实现上重点做了状态过滤、关键帧判断、动作冷却、错误决策回放和分阶段策略更新，让 AI 逐步从随机尝试过渡到可解释的战斗策略。