lmjmn123
lmjmn123

漫谈游戏中的人工智能

 

今天我们来谈一下游戏中的人工智能。当然，内容可能不仅仅限于游戏人工智能，还会扩展一些其他的话题。

　　游戏中的人工智能，其实还是算是游戏开发中有点挑战性的模块，说简单点呢，是状态机，说复杂点呢，是可以帮你打开新世界大门的一把钥匙。有时候看到知乎上一些可能还是前公司同事的同学的一些话，感觉还是挺哭笑不得的，比如这篇：http://zhi.hu/qu1h，吹捧机器学习这种玄学，对游戏开发嗤之以鼻。我只能说，技术不到家、Vision不够，这些想通过换工作可培养不来。

　　这篇文章其实我挺早就想写了，在我刚进工作室不久，看了内部的AI workflow有感而发，evernote里面这篇笔记的创建时间还是今年1月份，现在都8个月过去了，唉。

　　废话不说了，还是聊聊游戏中的人工智能吧。

 

从一个简单的情景开始

 

　　怪物，是游戏中的一个基本概念。游戏中的单位分类，不外乎玩家、NPC、怪物这几种。其中，AI一定是与三类实体都会产生交集的游戏模块之一。

　　以我们熟悉的任意一款游戏中的人形怪物为例，假设有一种怪物的AI需求是这样的：

  •      大部分情况下，漫无目的巡逻。
  •      玩家进入视野，锁定玩家为目标开始攻击。
  •      Hp低到一定程度，怪会想法设法逃跑，并说几句话。

　　我们以这个为模型，进行这篇文章之后的所有讨论。为了简化问题，以省去一些不必要的讨论，将文章的核心定位到人工智能上，这里需要注意几点的是：

  •      不再考虑entity之间的消息传递机制，例如判断玩家进入视野，不再通过事件机制触发，而是通过该人形怪的轮询触发。
  •      不再考虑entity的行为控制机制，简化这个entity的控制模型。不论是底层是基于SteeringBehaviour或者是瞬移，不论是异步驱的还是主循环轮询，都不在本文模型的讨论之列。

　　首先可以很容易抽象出来IUnit：

复制代码

 1     public interface IUnit
 2     {
 3         void ChangeState(UnitStateEnum state);
 4         void Patrol(); 
 5         IUnit GetNearestTarget(); 
 6         void LockTarget(IUnit unit);
 7         float GetFleeBloodRate();
 8         bool CanMove();
 9         bool HpRateLessThan(float rate);
10         void Flee();
11         void Speak();
12     }

复制代码

　　然后，我们可以通过一个简单的有限状态机(FSM)来控制这个单位的行为。不同状态下，单位都具有不同的行为准则，以形成智能体。

　　具体来说，我们可以定义这样几种状态：

  •      巡逻状态： 会执行巡逻，同时检查是否有敌对单位接近，接近的话进入战斗状态。
  •      战斗状态： 会执行战斗，同时检查自己的血量是否达到逃跑线以下，达成检查了就会逃跑。
  •      逃跑状态： 会逃跑，同时说一次话。

　　最原始的状态机的代码：

复制代码

1     public interface IState where TState : IConvertible
2     {
3         TState Enum { get; }
4         TUnit Self { get; }
5         void OnEnter();
6         void Drive();
7         void OnExit();
8     }

复制代码

　　以逃跑状态为例：

复制代码

 1     public class FleeState : UnitStateBase
 2     {
 3         public FleeState(IUnit self) : base(UnitStateEnum.Flee, self)
 4         {
 5         }
 6         public override void OnEnter()
 7         {
 8             Self.Flee();
 9         }
10         public override void Drive()
11         {
12             var unit = Self.GetNearestTarget();
13             if (unit != null)
14             {
15                 return;
16             }
17 
18             Self.ChangeState(UnitStateEnum.Patrol);
19         }
20     }

复制代码

 

决策逻辑与上下文分离

 

　　上述是一个最简单、最常规的状态机实现。估计只有学生会这样写，业界肯定是没人这样写AI的，不然游戏怎么死的都不知道。

　　首先有一个非常明显的性能问题：状态机本质是描述状态迁移的，并不需要记录entity的context，如果entity的context记录在State上，那么状态机这个迁移逻辑就需要每个entity都来一份instance，这么一个简单的状态迁移就需要消耗大约X个字节，那么一个场景1w个怪，这些都属于白白消耗的内存。就目前的实现来看，具体的一个State实例内部hold住了Unit，所以State实例是没办法复用的。
　　针对这一点，我们做一下优化。对这个状态机，把Context完全剥离出来。

　　修改状态机接口定义：

复制代码

1     public interface IState where TState : IConvertible
2     {
3         TState Enum { get; }
4         void OnEnter(TUnit self);
5         void Drive(TUnit self);
6         void OnExit(TUnit self);
7     }

复制代码

　　还是拿之前实现好的逃跑状态作为例子：

复制代码

 1     public class FleeState : UnitStateBase
 2     {
 3         public FleeState() : base(UnitStateEnum.Flee)
 4         {
 5         }
 6         public override void OnEnter(IUnit self)
 7         {
 8             base.OnEnter(self);
 9             self.Flee();
10         }
11         public override void Drive(IUnit self)
12         {
13             base.Drive(self);
14 
15             var unit = self.GetNearestTarget();
16             if (unit != null)
17             {
18                 return;
19             }
20 
21             self.ChangeState(UnitStateEnum.Patrol);
22         }
23     }

复制代码

　　这样，就区分了动态与静态。静态的是状态之间的迁移逻辑，只要不做热更新，是不会变的结构。动态的是状态迁移过程中的上下文，根据不同的上下文来决定。

 

分层有限状态机

 

　　最原始的状态机方案除了性能存在问题，还有一个比较严重的问题。那就是这种状态机框架无法描述层级结构的状态。

　　假设需要对一开始的需求进行这样的扩展：怪在巡逻状态下有可能进入怠工状态，同时要求，怠工状态下也会进行进入战斗的检查。

　　这样的话，虽然在之前的框架下，单独做一个新的怠工状态也可以，但是仔细分析一下，我们会发现，其实本质上巡逻状态只是一个抽象的父状态，其存在的意义就是进行战斗检查；而具体的是在按路线巡逻还是怠工，其实都是巡逻状态的一个子状态。

　　状态之间就有了层级的概念，各自独立的状态机系统就无法满足需求，需要一种分层次的状态机，原先的状态机接口设计就需要彻底改掉了。

　　在重构状态框架之前，需要注意两点：

  • 　　因为父状态需要关注子状态的运行结果，所以状态的Drive接口需要一个运行结果的返回值。

　　　　子状态，比如怠工，一定是有跨帧的需求在的，所以这个Result，我们定义为Continue、Sucess、Failure。

  • 　　子状态一定是由父状态驱动的。

　　　　考虑这样一个组合状态情景：巡逻时，需要依次得先走到一个点，然后怠工一会儿，再走到下一个点，然后再怠工一会儿，循环往复。这样就需要父状态（巡逻状态）注记当前激活的子状态，并且根据子状态执行结果的不同来修改激活的子状态集合。这样不仅是Unit自身有上下文，连组合状态也有了自己的上下文。

　　为了简化讨论，我们还是从non-ContextFree层次状态机系统设计开始。

　　修改后的状态定义：

复制代码

1     public interface IState 
2         where TState : IConvertible
3     {
4         // ...
5         TResult Drive();
6         // ...
7     }

复制代码

　　组合状态的定义：

复制代码

 1     public abstract class UnitCompositeStateBase : UnitStateBase
 2     {
 3         protected readonly LinkedList subStates = new LinkedList();
 4 
 5         // ...
 6         protected Result ProcessSubStates()
 7         {
 8             if (subStates.Count == 0)
 9             {
10                 return Result.Success;
11             }
12 
13             var front = subStates.First;
14             var res = front.Value.Drive();
15 
16             if (res != Result.Continue)
17             {
18                 subStates.RemoveFirst();
19             }
20 
21             return Result.Continue;
22         }
23         // ...
24     }
25

复制代码

　　巡逻状态现在是一个组合状态：

复制代码

 1     public class PatrolState : UnitCompositeStateBase
 2     {
 3         // ...
 4         public override void OnEnter()
 5         {
 6             base.OnEnter();
 7             AddSubState(new MoveToState(Self));
 8         }
 9 
10         public override Result Drive()
11         {
12             if (subStates.Count == 0)
13             {
14                 return Result.Success;
15             }
16 
17             var unit = Self.GetNearestTarget();
18             if (unit != null)
19             {
20                 Self.LockTarget(unit);
21                 return Result.Success;
22             }
23 
24             var front = subStates.First;
25             var ret = front.Value.Drive();
26 
27             if (ret != Result.Continue)
28             {
29                 if (front.Value.Enum == CleverUnitStateEnum.MoveTo)
30                 {
31                     AddSubState(new IdleState(Self));
32                 }
33                 else
34                 {
35                     AddSubState(new MoveToState(Self));
36                 }
37             }
38             
39             return Result.Continue;
40         }
41     }

复制代码

　　看过《游戏人工智能编程精粹》的同学可能看到这里就会发现，这种层次状态机其实就是这本书里讲的目标驱动的状态机。组合状态就是组合目标，子状态就是子目标。父目标/状态的调度取决于子目标/状态的完成情况。这种状态框架与普通的trivial状态机模型的区别仅仅是增加了对层次状态的支持，状态的迁移还是需要靠显式的ChangeState来做。

　　这本书里面的状态框架，每个状态的执行status记录在了实例内部，不方便后续的优化，我们这里实现的时候首先把这个做成纯驱动式的。但是还不够。现在之前的ContextFree优化成果已经回退掉了，我们还需要补充回来。

 

分层的上下文


　　我们对之前重构出来的层次状态机框架再进行一次Context分离优化。

　　要优化的点有这样几个：

  • 　　首先是继续之前的，unit不应该作为一个state自己的内部status。
  • 　　组合状态的实例内部不应该包括自身执行的status。目前的组合状态，可以动态增删子状态，也就是根据status决定了结构的状态，理应分离静态与动态。巡逻状态组合了两个子状态——A和B，逻辑中是一个完成了就添加另一个，这样一想的话，其实巡逻状态应该重新描述——先进行A，再进行B，循环往复。
  • 　　由于有了父状态的概念，其实状态接口的设计也可以再迭代，理论上只需要一个drive即可。因为状态内部的上下文要全部分离出来，所以也没必要对外提供OnEnter、OnExit，提供这两个接口的意义只是做一层内部信息的隐藏，但是现在内部的status没了，也就没必要隐藏了。

　　具体分析一下需要拆出的status：

  • 　　一部分是entity本身的status，这里可以简单的认为是unit。
  • 　　另一部分是state本身的status。
    • 对于组合状态，这个status描述的是我当前执行到哪个substate。
    • 对于原子状态，这个status描述的种类可能有所区别。
      • 例如MoveTo/Flee，OnEnter的时候，修改了unit的status，然后Drive的时候去check。
      • 例如Idle，OnEnter时改了自己的status，然后Drive的时候去check。

　　经过总结，我们可以发现，每个状态的status本质上都可以通过一个变量来描述。一个State作为一个最小粒度的单元，具有这样的Concept： 输入一个Context，输出一个Result。

　　Context暂时只需要包括这个Unit，和之前所说的status。同时，考虑这样一个问题：

  • 　　父状态A，子状态B。
  • 　　子状态B向上返回Continue的同时，status记录下来为b。
  • 　　父状态ADrive子状态的结果为Continue，自身也需要向上抛出Continue，同时自己也有status为a。

　　这样，再还原现场时，就需要即给A一个a，还需要让A有能力从Context中拿到需要给B的b。因此上下文的结构理应是递归定义的，是一个层级结构。

　　Context如下定义：

复制代码

 1     public class Continuation
 2     {
 3         public Continuation SubContinuation { get; set; }
 4         public int NextStep { get; set; }
 5         public object Param { get; set; }
 6     }
 7 
 8     public class Context
 9     {
10         public Continuation Continuation { get; set; }
11         public T Self { get; set; }
12     }

复制代码

　　修改State的接口定义为：

1     public interface IState
2     {
3         TResult Drive(Context ctx);
4     }

　　已经相当简洁了。

　　这样，我们对之前的巡逻状态也做下修改，达到一个ContextFree的效果。利用Context中的Continuation来确定当前结点应该从什么状态继续：

复制代码

 1     public class PatrolState : IState
 2     {
 3         private readonly List> subStates;
 4         public PatrolState()
 5         {
 6             subStates = new List>()
 7             {
 8                 new MoveToState(),
 9                 new IdleState(),
10             };
11         }
12         public Result Drive(Context ctx)
13         {
14             var unit = ctx.Self.GetNearestTarget();
15             if (unit != null)
16             {
17                 ctx.Self.LockTarget(unit);
18 
19                 return Result.Success;
20             }
21 
22             var nextStep = 0;
23             if (ctx.Continuation != null)
24             {
25                 // Continuation
26                 var thisContinuation = ctx.Continuation;
27 
28                 ctx.Continuation = thisContinuation.SubContinuation;
29 
30                 var ret = subStates[nextStep].Drive(ctx);
31 
32                 if (ret == Result.Continue)
33                 {
34                     thisContinuation.SubContinuation = ctx.Continuation;
35                     ctx.Continuation = thisContinuation;
36 
37                     return Result.Continue;
38                 }
39                 else if (ret == Result.Failure)
40                 {
41                     ctx.Continuation = null;
42 
43                     return Result.Failure;
44                 }
45 
46                 ctx.Continuation = null;
47                 nextStep = thisContinuation.NextStep + 1;
48             }
49 
50             for (; nextStep < subStates.Count; nextStep++)
51             {
52                 var ret = subStates[nextStep].Drive(ctx);
53                 if (ret == Result.Continue)
54                 {
55                     ctx.Continuation = new Continuation()
56                     {
57                         SubContinuation = ctx.Continuation,
58                         NextStep = nextStep,
59                     };
60 
61                     return Result.Continue;
62                 } 
63                 else if (ret == Result.Failure) 
64                 {
65                     ctx.Continuation = null;
66 
67                     return Result.Failure;
68                 }
69             }
70 
71             ctx.Continuation = null;
72 
73             return Result.Success;
74         }
75     }

复制代码

　　subStates是readonly的，在组合状态构造的一开始就确定了值。这样结构本身就是静态的，而上下文是动态的。不同的entity instance共用同一个树的instance。

　　

语义结点的抽象

 

　　优化到这个版本，至少在性能上已经符合要求了，所有实例共享一个静态的状态迁移逻辑。面对之前提出的需求，也能够解决。至少算是一个经过对《游戏人工智能编程精粹》中提出的目标驱动状态机模型优化后的一个符合工业应用标准的AI框架。拿来做小游戏或者是一些AI很简单的游戏已经绰绰有余了。

　　不过我们在这篇博客的讨论中是不能仅停留在能解决需求的层面上。目前的方案至少还存在一个比较严重的问题，那就是逻辑复用性太差。组合状态需要coding的逻辑太多了，具体的状态内部逻辑需要人肉维护，更可怕的是需要程序员来人肉维护，再多几个组合状态简直不敢想象。程序员真的没这么多时间维护这些东西好么。所以我们应该尝试抽象一下组合状态是否有一些通用的设计pattern。

　　为了解决这个问题，我们再对这几个状态的分析一下，可以对结点类型进行一下归纳。

　　结点基本上是分为两个类型：组合结点、原子结点。

　　如果把这个状态迁移逻辑体看做一个树结构，那其中组合结点就是非叶子结点，原子结点就是叶子结点。

　　对于组合结点来说，其行为是可以归纳的。

  • 　　巡逻结点，不考虑触发进入战斗的逻辑，可以归纳为一种具有这样的行为的组合结点：依次执行每个子结点（移动到某个点、休息一会儿），某个子结点返回Success则执行下一个，返回Failure则直接向上返回，返回Continue就把Continuation抛出去。命名具有这样语义的结点为Sequence。
  •       设想攻击状态下，单位需要同时进行两种子结点的尝试，一个是释放技能，一个是说话。两个需要同时执行，并且结果独立。有一个返回Success则向上返回Success，全部Failure则返回Failure，否则返回Continue。命名具有如此语义的结点为Parallel。
  • 　　在Parallel的语义基础上，如果要体现一个优先级/顺序性质，那么就需要一个具有依次执行子结点语义的组合结点，命名为Select。

　　Sequence与Select组合起来，就能完整的描述一”趟“巡逻，Select(ReactAttack, Sequence(MoveTo, Idle))，可以直接干掉之前写的Patrol组合状态，组合状态直接拿现成的实现好的语义结点复用即可。

     组合结点的抽象问题解决了，现在我们来看叶子结点。

     叶子结点也可以归纳一下pattern，能归纳出三种：

  • Flee、Idle、MoveTo三个状态，状态进入的时候调一下宿主的某个函数，申请开始一个持续性的动作。
  • 四个原子状态都有的一个pattern，就是在Drive中轮询，直到某个条件达成了才返回。
  • Attack状态内部，每次都轮询都会向宿主请求一个数据，然后再判断这个“外部”数据是否满足一定条件。

　　pattern确实是有这么三种，但是叶子结点自身其实是两种，一种是控制单位做某种行为，一种是向单位查询一些信息，其实本质上是没区别的，只是描述问题的方式不一样。

　　既然我们的最终目标是消除掉四个具体状态的定义，转而通过一些通用的语义结点来描述，那我们就首先需要想办法提出一种方案来描述上述的三个pattern。

 

　　前两个pattern其实是同一个问题，区别就在于那些逻辑应该放在宿主提供的接口里面做实现，哪些逻辑应该在AI模块里做实现。调用宿主的某个函数，调用是一个瞬间的操作，直接改变了宿主的status，但是截止点的判断就有不同的实现方式了。

  • 　　一种实现是宿主的API本身就是一个返回Result的函数，第一次调用的时候，宿主会改变自己的状态，比如设置单位开始移动，之后每帧都会驱动这个单位移动，而AI模块再去调用MoveTo就会拿到一个Continue，直到宿主这边内部驱动单位移动到目的地，即向上返回Success；发生无法让单位移动完成的情况，就返回Failure。
  • 　　另一种实现是宿主提供一些基本的查询API，比如移动到某一点、是否到达某个点、获得下一个巡逻点，这样的话就相当于是把轮询判断写在了AI模块里。这样就需要有一个Check结点，来包裹这个查询到的值，向上返回一个IO类型的值。

　　而针对第三种pattern，可以抽象出这样一种需求情景，就是：

 

AI模块与游戏世界的数据互操作

 

　　假设宿主提供了接受参数的api，提供了查询接口，ai模块需要通过调用宿主的查询接口拿到数据，再把数据传给宿主来执行某种行为。

　　我们称这种语义为With，With用来求出一个结点的值，并合并在当前的env中传递给子树，子树中可以resolve到这个symbol。

　　有了With语义，我们就可以方便的在AI模块中对游戏世界的数据进行操作，请求一个数据 => 处理一下 => 返回一个数据，更具扩展性。

　　With语义的具体需求明确一下就是这样的：由两个子树来构造，一个是IOGet，一个是SubTree。With会首先求值IOGet，然后binding到一个symbol上，SubTree 可以直接引用这个symbol，来当做一个普通的值用。

     然后考虑下实现方式。

     C#中，子树要想引用这个symbol，有两个方法：

  1.      ioget与subtree共同hold住一个变量，ioget求得的值赋给这个变量，subtree构造的时候直接把值传进来。
  2.      ioget与subtree共同hold住一个env，双方约定统一的key，ioget求完就把这个key设置一下，subtree构造的时候直接从env里根据key取值。

　　考虑第一种方法，hold住的不应该是值本身，因为树本身是不同实例共享的，而这个值会直接影响到子树的结构。所以应该用一个class instance object对值包裹一下。

　　这样经过改进后的第一种方法理论上速度应该比env的方式快很多，也方便做一些优化，比如说如果子树没有continue就不需要把这个值存在env中，比如说由于树本身的驱动一定是单线程的，不同的实例可以共用一个包裹，执行子树的时候设置下包裹中的值，执行完子树再把包裹中的值还原。

　　加入了with语义，就需要重新审视一下IState的定义了。既然一个结点既有可能返回一个Result，又有可能返回一个值，那么就需要这样一种抽象：

有这样一种泛化的concept，他只需要提供一个drive接口，接口需要提供一个环境env，drive一下，就可以输出一个值。这个concept的instance，需要是pure的，也就是结果唯一取决于输入的环境。不同次输入，只要环境相同，输出一定相同。

　　因为描述的是一种与外部世界的通信，所以就命名为IO吧：

1     public interface IO
2     {
3         T Drive(Context ctx);
4     }

　　这样，我们之前的所有结点都应该有IO的concept。

　　之前提出了Parallel、Sequence、Select、Check这样几个语义结点。具体的实现细节就不再细说了，简单列一下代码结构：

复制代码

    public class Sequence : IO
    {
        private readonly ICollection> subTrees;
        public Sequence(ICollection> subTrees)
        {
            this.subTrees = subTrees;
        }
        public Result Drive(Context ctx)
        {
            throw new NotImplementedException();
        }
    }

复制代码

　　With结点的实现，采用我们之前说的第一种方案：

复制代码

 1     public class With : IO
 2     {
 3         // ...
 4         public TR Drive(Context ctx)
 5         {
 6             var thisContinuation = ctx.Continuation;
 7             var value = default(T);
 8             var skipIoGet = false;
 9 
10             if (thisContinuation != null)
11             {
12                 // Continuation
13                 ctx.Continuation = thisContinuation.SubContinuation;
14 
15                 // 0表示需要继续ioGet
16                 // 1表示需要继续subTree
17                 if (thisContinuation.NextStep == 1)
18                 {
19                     skipIoGet = true;
20                     value = (T) thisContinuation.Param;
21                 }
22             }
23 
24             if (!skipIoGet)
25             {
26                 value = ioGet.Drive(ctx);
27 
28                 if (ctx.Continuation != null)
29                 {
30                     // ioGet抛出了Continue
31                     if (thisContinuation == null)
32                     {
33                         thisContinuation = new Continuation()
34                         {
35                             SubContinuation = ctx.Continuation,
36                             NextStep = 0,
37                         };
38                     }
39                     else
40                     {
41                         thisContinuation.SubContinuation = ctx.Continuation;
42                         thisContinuation.NextStep = 0;
43                     }
44 
45                     ctx.Continuation = thisContinuation;
46 
47                     return default(TR);
48                 }
49             }
50             
51             var oldValue = box.SetVal(value);
52             var ret = subTree.Drive(ctx);
53 
54             box.SetVal(oldValue);
55 
56             if (ctx.Continuation != null)
57             {
58                 // subTree抛出了Continue
59                 if (thisContinuation == null)
60                 {
61                     thisContinuation = new Continuation()
62                     {
63                         SubContinuation = ctx.Continuation,
64                     };
65                 }
66 
67                 ctx.Continuation = thisContinuation;
68                 thisContinuation.Param = value;
69             }
70 
71             return ret;
72         }
73     }

复制代码

　　这样，我们的层次状态机就全部组件化了。我们可以用通用的语义结点来组合出任意的子状态，这些子状态是不具名的，对构建过程更友好。

　　具体的代码例子：

Par(
     Seq(IsFleeing, ((Box a) => With(a, GetNearestTarget, Check(IsNull(a))))(new Box()), Patrol)
    ,Seq(IsAttacking, ((Box a) => With(a, GetFleeBloodRate, Check(HpRateLessThan(a))))(new Box()))
    ,Seq(IsNormal, Loop(Par(((Box a) => With(a, GetNearestTarget, Seq(Check(IsNull(a)), LockTarget(a)))(new Box()), Seq(Seq(Check(ReachCurrentPatrolPoint), MoveToNextPatrolPoiont), Idle)))))) 
  
　　看起来似乎是变得复杂了，原来可能只需要一句new XXXState()，现在却需要自己用代码拼接出来一个行为逻辑。但是仔细想一下，改成这样的描述其实对整个工作流是有好处的。之前的形式完全是硬编码，而现在，似乎让我们看到了转数据驱动的可能性。
 
  
 
 
  
对行为结点做包装 
 
  
 
 
  
　　当然这个示例还少解释了一部分，就是叶子结点，或者说是行为结点的定义。
 
  
　　我们之前对行为的定义都是在IUnit中，但是这里显然不像是之前定义的IUnit。
 
  
　　如果把每个行为都看做是树上的一个与Select、Sequence等结点无异的普通结点的话，就需要实现IO的接口。抽象出一个计算的概念，构造的时候可以构造出这个计算，然后通过Drive，来求得计算中的值。
 
  
　　包装后的一个行为的代码：
 
  
复制代码
 
  
        #region HpRateLessThan
        private class MessageHpRateLessThan : IO
        {
            public readonly float p0;

            public MessageHpRateLessThan(float p0)
            {
                this.p0 = p0;
            }

            public bool Drive(Context ctx)
            {
                return ((T)ctx.Self).HpRateLessThan(p0);
            }
        }

        public static IO HpRateLessThan(float p0)
        {
            return new MessageHpRateLessThan(p0);
        }
        #endregion
 
  
复制代码
 
  
　　经过包装的行为结点的代码都是有规律可循的，所以我们可以比较容易的通过一些代码生成的机制来做。比如通过反射拿到IUnit定义的接口信息，然后直接在这基础之上做一下包装，做出来个行为结点的定义。
 
  
 
 
  
　　现在我们再回忆下讨论过的With，构造一个叶子结点的时候，参数不一定是literal value，也有可能是经过Box包裹过的。所以就需要对Boax和literal value抽象出来一个公共的概念，叶子结点/行为结点可以从这个概念中拿到值，而行为结点计算本身的构造也只需要依赖于这个概念。
 
  
　　我们把这个概念命名为Thunk。Thunk包裹一个值或者一个box，而就目前来看，这个Thunk，仅需要提供一个我们可以通过其拿到里面的值的接口就够了。
 
  
    public abstract class Thunk
    {
        public abstract T GetUserValue();
    }
 
  
　　对于常量，我们可以构造一个包裹了常量的thunk；而对于box，其天然就属于Thunk的concept。
 
  
 
 
  
　　这样，我们就通过一个Thunk的概念，硬生生把树中的结点与值分割成了两个概念。这样做究竟正确不正确呢？
 
  
　　如果一个行为结点的参数可能有的类型本来就是一些primitive type，或者是外部世界（相对于AI世界）的类型，那肯定是没问题的。但如果需要支持这样一种特性：外部世界的函数，返回值是AI世界的某个概念，比如一个树结点；而我的AI世界，希望的是通过这个外部世界的函数，动态的拿到一个结点，再动态的加到我的树中，或者再动态的传给不通的外部世界的函数，应该怎么做？
 
  
 
 
  
　　对于一颗With子树（Negate表示对子树结果取反，Continue仍取Continue）：
 
  
((Box> a) => 
     With(a, GetNearestTarget, Negate(a)))(new Box>())
 
  
　　语义需要保证，这颗子树执行到任意时刻，都需要是ContextFree的。
 
  
　　假设IOGet返回的是一个普通的值，确实是没问题的。
 
  
　　但是因为Box包裹的可能是任意值，例如，假设IOGet返回的是一个IO，
 
  
     
   
  •      instance a，执行完IOGet之后，结构变为Negate(A)。
    •  
   
  •      instance b，再执行IOGet，拿到一个B，设置box里的值为B，并且拿出来A，这时候再run subtree，其实就是按Negate(B)来跑的。
    •  
  
 
  
　　我们只有把IO本身，做到其就是Thunk这个Concept。这样所有的Message对象，都是一个Thunk。不仅如此，所以在这个树中出现的数据结构，理应都是一个Thunk，比如List。
 
  
　　再次改造IO：
 
  
复制代码
 
  
    public abstract class IO : Thunk>
    {
        public abstract T Drive(Context ctx);
        public override IO GetUserValue()
        {
            return this;
        }
    }
 
  
复制代码
 
  
 
 
  
BehaviourTree
 
  
 
 
  
　　对AI有了解的同学可能已经清楚了，目前我们实现的就是一个行为树的引擎，并且已经基本成型。到目前为止，我们接触过的行为树语义有：
 
  
　　Sequence、Select、Parallel、Check、Negate。
 
  
　　其中Sequence与Select是两个比较基本的语义，一个相当于逻辑And，一个相当于逻辑Or。在组合子设计中这两类组合子也比较常见。
 
  
 
 
  
　　不同的行为树方案，对语义结点的选择也不一样。
 
  
　　比如以前在行为树这块比较权威的一篇halo2的行为树方案的paper，里面提到的几个常用的组合结点有这样几种：
 
  
     
   
  •     prioritized-list ： 每次执行优先级最高的结点，高优先级的始终抢占低优先级的。
    •  
   
  •     sequential ： 按顺序执行每个子结点，执行完最后一个子结点后，父结点就finished。
    •  
   
  •     sequential-looping ： 同上，但是会loop。
    •  
   
  •     probabilistic ： 从子结点中随机选择一个执行。
    •  
   
  •     one-off ： 从子结点中随机选择或按优先级选择，选择一个排除一个，直到执行完为止。
    •  
  
 
  
　　而腾讯的behaviac对组合结点的选择除了传统的Select和Seqence，halo里面提到的随机选择，还自己扩展了SelectorProbability（虽然看起来像是一个select，但其实每次只会根据概率选择一个，更倾向于halo中的Probabilistic），SequenceStochastic（随机地决定执行顺序，然后表现起来确实像是一个Sequence）。
 
  
 
 
  
　　其他还有各种常用的修饰结点，比如前文实现的Check，还有一些比较常用的：
 
  
     
   
  • 　　Wait ：子树返回Success的时候向上Success，否则向上Continue。　　
    •  
   
  • 　　Forever ： 永远返回Continue。
    •  
   
  • 　　If-Else、Switch-Cond ： 对于有编程功底的我想就不需要再多做解释了。
    •  
   
  • 　　forcedXX ： 对子树结果强制取值。
    •  
  
 
  
　　还有一类属于特色结点，虽然通过其他各种方式也都能实现，但是在行为树这个层面实现的话肯定扩展性更强一些，毕竟可以分离一部分程序的职责。一个比较典型的应用情景是事件驱动，halo的paper中提到了Behaviour Impulse，但是我在在behaviac中并没有找到类似的概念。
 
  
　　halo的paper里面还提到了一些比较细节的hack技巧，比如同一颗行为树可以应用不同的Style，Parameter Creep等等，有兴趣的同学也可以自行研究。
 
  
 
 
  
　　至此，行为树的runtime话题需要告一段落了，毕竟是一项成熟了十几年的技术。虽然这是目前游戏AI的标配，但是，只有行为树的话，离一个完整的AI工作流还很远。到目前为止，行为树还都是程序写出来的，但是正确来说AI应该是由策划或者AI脚本配出来的。因此，这篇文章的话题还需要继续，我们接下来就讨论一下这个程序与策划之间的中间层。
 
  
　　之前的优化思路也好，从其他语言借鉴的设计pattern也好，行为树这种理念本身也好，本质上都是术。术很重要，但是无助于优化工作流。这时候，我们更需要一种略。那么，
 
  
 
 
  
略是什么
 
  
 
 
  
     这里我们先扩展下游戏AI开发中的一种比较经典的工作流。策划输出AI配置，直接在游戏内调试效果。如果现有接口不满足需求，就向程序提开发需求，程序加上新接口之后，策划可以在AI配置里面应用新的接口。这个AI配置是个比较广义的概念，既可以像很多从立项之初并没有规划AI模块的游戏那样，逐渐地、自发地形成了一套基于配表做的决策树；也可以是像腾讯的behaviac那样的，用XML文件来描述。XML天生就是描述数据的，腾讯系的组件普遍特别钟爱，tdr这种配表转数据的工具是xml，tapp tcplus什么的配置文件全是XML，倒不是说XML，而是很多问题解决起来并不直观。
 
  
     配表也好，XML也好，json也好，这种描述数据的形式本身并没有错。配表帮很多团队跨过了从硬编码到数据驱动的开发模式的转变，现在国内小到创业手游团队，大到天谕这种几百人的MMO，策划的工作量除了配关卡就是配表。
 
  
     但是，配表无法自我进化 http://blog.csdn.net/noslopforever/article/details/20833931 ，配表无法自己描述流程是什么样，而是流程在描述配表是什么样。
 
  
     针对策划配置AI这个需求，我们希望抽象出来一个中间层，这样，基于这个中间层，开发相应的编辑器也好，直接利用这个中间层来配AI也好，都能够灵活地做到调试AI这个最终需求。如何解决？我们不妨设计一种DSL。
 
  
 
 
  
DSL   
 
  
 
 
  
　　Domain-specific Language，领域特定语言，顾名思义，专门为特定领域设计的语言。设计一门DSL远容易于设计一门通用计算语言，我们不用考虑一些特别复杂的特性，不用加一些增加复杂度的模块，不需要care跟领域无关的一些流程。Less is more。
 
  
     
 
  
游戏AI需要怎样一种DSL
 
  
 
 
  
     痛点：
 
  
     
   
  • 　　对于游戏AI来说，需要一种语言可以描述特定类型entity的行为逻辑。
    •  
   
  • 　　而对于程序员来说，只需要提供runtime即可。比如组合结点的类型、表现等等。而具体的行为决策逻辑，由其他层次的协作者来定义。
    •  
   
  • 　　核心需求是做另一种/几种高级语言的目标代码生成，对于当前以及未来几年来说，对C#的支持一定是不能少的，对python/lua等服务端脚本的支持也可以考虑。
    •  
   
  • 　　对语言本身的要求是足够简单易懂，declarative，这样既可以方便上层编辑器的开发，也可以在没编辑器的时候快速上手。
    •  
  
 
  
     分析需求：
 
  
     
   
  • 　　因为需要做目标代码生成，而且最主要的目标代码应该是C#这种强类型的，所以需要有简单的类型系统，以及编译期简单的类型检查。可以确保语言的源文件可以最终codegen成不会导致编译出错的C#代码。
    •  
   
  • 　　决定行为树框架好坏的一个比较致命的因素就是对With语义的实现。根据我们之前对With语义的讨论，可以看到，这个With语义的描述其实是天然的可以转化为一个lambda的，所以这门DSL同样需要对lambda进行支持。
    •  
   
  • 　　关于类型系统，需要支持一些内建的复杂类型，目前来看仅需要List，只有在seq、select等结点的构造时会用到。还是由于需要支持lambda的原因，我们需要支持Applicative Type，也就是形如A -> B应该是first class type，而一个lambda也应该是first class function。根据之前对runtime的实现讨论，我们的DSL还需要支持Generic Type，来支持IO这样的类型，以及List>这样的类型。对内建primitive类型的支持只要有String、Bool、Int、Float即可。需要支持简单的类型推导，实现hindley-milner的真子集即可，这样至少我们就不需要在声明lambda的时候写的太复杂。
    •  
   
  • 　　需要支持模块化定义，也就是最基本的import语义。这样的话可以方便地模块化构建AI接口，也可以比较方便地定义一些预制件。 
    
       
     
    • 　模块分为两类：
      •  
     
    • 　一类是抽象的声明，只有declare。比如Prelude，seq、select等一些结点的具体实现逻辑一定是在runtime中做的，所以没必要在DSL这个层面填充这类逻辑。具体的代码转换则由一些特设的模块来做。只需要类型检查通过，目标语言的CodeGenerator生成了对应的目标代码，具体的逻辑就在runtime中直接实现了。
      •  
     
    • 　一类是具体的定义，只有define。比如定义某个具体的AIXXX中的root结点，或者定义某个通用行为结点。具体的定义就需要对外部模块的define以及declare进行组合。import语义就需要支持从外部模块导入符号。
      •  
    
    •  
  
 
  
 
 
  
一种non-trivial的DSL实现方案
 
  
 
 
  
　　由于原则是简单为主，所以我在语言的设计上主要借鉴的是Scheme。S表达式的好处就是代码本身即数据，也可以是我们需要的AST。同时，由于需要引入简单类型系统，需要混入一些其他语言的描述风格。我在declare类型时的语言风格借鉴了haskell，import语句也借鉴了haskell。
 
  
　　具体来说，declare语句可能类似于这样：
 
  
复制代码
 
  
(declare 
    (HpRateLessThan :: (Float -> IO Result))
    (GetFleeBloodRate :: Float)
    (IsNull :: (Object -> Bool))
    (Idle :: IO Result))

(declare 
    (check :: (Bool -> IO Result))
    (loop :: (IO Result -> IO Result))
    (par :: (List IO Result -> IO Result)))
 
  
复制代码
 
  
　　因为是以Scheme为主要借鉴对象，所以内建的复杂类型实现上本质是一个ADT，当然，有针对list构造专用的语法糖，但是其parse出来拿到的AST中一个list终究还是一个ADT。
 
  
　　直接拿例子来说比较直观：
 
  
复制代码
 
  
(import Prelude)
(import BaseAI)

(define Root
    (par [(seq [(check IsFleeing)
               ((\a (check (IsNull a))) GetNearestTarget)])
          (seq [(check IsAttacking)
               ((\b (HpRateLessThan b)) GetFleeBloodRate)])
          (seq [(check IsNormal)
               (loop 
                    (par [((\c (seq [(check (IsNull c))
                                     (LockTarget c)])) GetNearestTarget)
                          (seq [(seq [(check ReachCurrentPatrolPoint)
                                     MoveToNextPatrolPoiont])
                               Idle])]))])]))
 
  
复制代码
 
  
　　可以看到，跟S-Expression没什么太大的区别，可能lambda的声明方式变了下。
 
  
　　然后是词法分析和语法分析，这里我选择的是Haskell的ParseC。一些更传统的选择可能是lex+yacc/flex+bison。但是这种两个工具一起混用学习成本就不用说了，也违背了simple is better的初衷。ParseC使用起来就跟PEG是一样的，PEG这种形式，是天然的结合了正则与top-down parser。haskell支持的algebraic data types，天然就是用来定义AST结构的，简单直观。haskell实现的hindly-miner类型系统，又是让你写代码基本编译通过就能直接run出正确结果，从一定程度上弥补了PEG天生不适合调试的缺陷。一个haskell的库就能解决lexical&grammar，实在方便。
 
  
　　先是一些AST结构的预定义：
 
  
复制代码
 
  
module Common where

import qualified Data.Map as Map

type Identifier = String
type ValEnv = Map.Map Identifier Val
type TypeEnv = Map.Map Identifier Type
type DecEnv = Map.Map Identifier (String,Dec)

data Type = 
    NormalType String
    | GenericType String Type
    | AppType [Type]

data Dec =
    DefineDec Pat Exp
    | ImportDec String
    | DeclareDec Pat Type
    | DeclaresDec [Dec]
        
data Exp = 
    ConstExp Val
    | VarExp Identifier
    | LambdaExp Pat Exp
    | AppExp Exp Exp
    | ADTExp String [Exp]
        
data Val =
    NilVal
    | BoolVal Bool
    | IntVal Integer
    | FloatVal Float
    | StringVal String
    
data Pat =
    VarPat Identifier
 
  
复制代码
 
  
　　我在这里省去了一些跟这篇文章讨论的DSL无关的语言特性，比如Pattern的定义我只保留了VarPat；Value的定义我去掉了ClosureVal，虽然语言本身仍然是支持first class function的。
 
  
　　algebraic data type的一个好处就是清晰易懂，定义起来不过区区二十行，但是我们一看就知道之后输出的AST会是什么样。
 
  
haskell的ParseC用起来其实跟PEG是没有本质区别的，组合子本身是自底向上描述的，而parser也是通过parse小元素的parser来构建parse大元素的parser。
 
  
例如，haskell的ParseC库就有这样几个强大的特性：
 
  
     
   
  • 提供了char、string，基元的parse单个字符或字符串的parser。
    •  
   
  • 提供了sat，传一个predicate，就可以parse到符合predicate的结果的parser。
    •  
   
  • 提供了try，支持parse过程中的lookahead语义。
    •  
   
  • 提供了chainl、chainr，这样就省的我们在构造parser的时候就无需考虑左递归了。不过这个我也是写完了parser才了解到的，所以基本没用上，更何况对于S-expression来说，需要我来处理左递归的情况还是比较少的。
    •  
  
 
  
　　我们可以先根据这些基本的，封装出来一些通用combinator。
 
  
　　比如正则规则中的star：
 
  
star   :: Parser a -> Parser [a]
star p = star_p
    where 
        star_p = try plus_p <|> (return []) 
        plus_p = (:) <$> p <*> star_p 
 
  
　　比如plus：
 
  
plus   :: Parser a -> Parser [a]
plus p = plus_p
    where
        star_p = try plus_p <|> (return [])  "plus_star_p"
        plus_p = (:) <$> p <*> star_p   "plus_plus_p"
 
  
　　基于这些，我们可以做组装出来一个parse lambda-exp的parser（p_seperate是对char、plus这些的组装，表示形如a,b,c这样的由特定字符分隔的序列）：
 
  
复制代码
 
  
p_lambda_exp :: Parser Exp
p_lambda_exp =  p_between '(' ')' inner
               "p_lambda_exp"
    where
        inner = make_lambda_exp
                <$  char '\\'
                <*> p_seperate (p_parse p_pat) ","
                <*> p_parse p_exp
        make_lambda_exp []     e = (LambdaExp NilPat e)
        make_lambda_exp (p:[]) e = (LambdaExp p e)
        make_lambda_exp (p:ps) e = (LambdaExp p (make_lambda_exp ps e))
 
  
复制代码
 
  
　　有了所有exp的parser，我们就可以组装出来一个通用的exp parser：
 
  
p_exp :: Parser Exp    
p_exp =  listplus [p_var_exp, p_const_exp, p_lambda_exp, p_app_exp, p_adt_exp, p_list_exp]
          "p_exp"
 
  
　　其中，listplus是一种具有优先级的lookahead：
 
  
listplus :: [Parser a] -> Parser a
listplus lst = foldr (<|>) mzero (map try lst)
 
  
　　对于parser来说，其输入是源文件其输出是AST。具体来说，其实就是parse出一个Dec数组，拿到AST，供后续的pipeline消费。
 
  
我们之前举的AI的例子，parse出来的AST大概是这副模样：
 
  
复制代码
 
  
-- Prelude.bh
Right [DeclaresDec [
 DeclareDec (VarPat "seq") (AppType [GenericType "List" (GenericType "IO" (NormalType "Result")),GenericType "IO" (NormalType "Result")])
,DeclareDec (VarPat "check") (AppType [NormalType "Bool",GenericType "IO" (NormalType "Result")])]]

-- BaseAI.bh
Right [DeclaresDec [
 DeclareDec (VarPat "HpRateLessThan") (AppType [NormalType "Float",GenericType "IO" (NormalType "Result")])
,DeclareDec (VarPat "Idle") (GenericType "IO" (NormalType "Result"))]]

-- AI00001.bh
Right [
 ImportDec "Prelude"
,ImportDec "BaseAI"
,DefineDec (VarPat "Root") (AppExp (VarExp "par") (ADTExp "Cons" [
     AppExp (VarExp "seq") (ADTExp "Cons" [
         AppExp (VarExp "check") (VarExp "IsFleeing")
        ,ADTExp "Cons" [
             AppExp (LambdaExp (VarPat "a")(AppExp (VarExp "check") (AppExp (VarExp "IsNull") (VarExp "a")))) (VarExp "GetNearestTarget")
            ,ConstExp NilVal]])
    ,ADTExp "Cons" [
         AppExp (VarExp "seq") (ADTExp "Cons" [
             AppExp (VarExp "check") (VarExp "IsAttacking")
            ,ADTExp "Cons" [
                 AppExp (LambdaExp (VarPat "b") (AppExp (VarExp "HpRateLessThan") (VarExp "b"))) (VarExp "GetFleeBloodRate")
                ,ConstExp NilVal]])
        ,ADTExp "Cons" [
             AppExp (VarExp "seq") (ADTExp "Cons" [
                 AppExp (VarExp "check") (VarExp "IsNormal")
                ,ADTExp "Cons" [
                     AppExp (VarExp "loop") (AppExp (VarExp "par") (ADTExp "Cons" [
                         AppExp (LambdaExp (VarPat "c") (AppExp (VarExp "seq") (ADTExp "Cons" [
                             AppExp (VarExp "check") (AppExp (VarExp"IsNull") (VarExp "c"))
                            ,ADTExp "Cons" [
                                 AppExp (VarExp "LockTarget") (VarExp "c")
                                ,ConstExp NilVal]]))) (VarExp "GetNearestTarget")
                        ,ADTExp "Cons" [
                             AppExp (VarExp"seq") (ADTExp "Cons" [
                                 AppExp (VarExp "seq") (ADTExp "Cons" [
                                     AppExp (VarExp "check") (VarExp "ReachCurrentPatrolPoint")
                                    ,ADTExp "Cons" [
                                         VarExp "MoveToNextPatrolPoiont"
                                        ,ConstExp NilVal]])
                                ,ADTExp "Cons" [
                                     VarExp "Idle"
                                    ,ConstExp NilVal]])
                            ,ConstExp NilVal]]))
                    ,ConstExp NilVal]])
            ,ConstExp NilVal]]]))]
 
  
复制代码
 
  
　　前面两部分是我把在其他模块定义的declares，选择性地拿过来两条。第三部分是这个人形怪AI的整个的AST。其中嵌套的Cons展开之后就是语言内置的List。
 
  
　　正如我们之前所说，做代码生成之前需要进行一步类型检查的工作。类型检查工具其输入是AST其输出是一个检查结果，同时还可以提供AST中的一些辅助信息，包括各标识符的类型信息等等。
 
  
　　类型检查其实主要的逻辑在于处理Appliacative Type，这中间还有个类型推导的逻辑。形如(\a (Func a)) 10，AST中并不记录a的type，我们的DSL也不需要支持concept、typeclass等有关type、subtype的复杂机制，推导的时候只需要着重处理AppExp，把右边表达式的类型求出，合并一下env传给左边表达式递归检查即可。
 
  
　　这部分的代码：
 
  
复制代码
 
  
exp_type :: Exp -> TypeEnv -> Maybe Type
exp_type (AppExp lexp aexp) env = 
    (exp_type aexp env) >>= (\at -> 
        case lexp of 
            LambdaExp (VarPat var) exp -> (merge_type_env (Just env) (make_type_env var (Just at))) >>= (\env1 -> exp_type lexp env1)  
            _ -> (exp_type lexp env) >>= (\ltype -> check_type ltype at))
    where
        check_type (AppType (t1:(t2:[]))) at = 
            if t1 == at then (Just t2) else Nothing
        check_type (AppType (t:ts)) at = 
            if t == at then (Just (AppType ts)) else Nothing
 
  
复制代码
 
  
　　此外，还需要有一个通用的CodeGenerator模块，其输入也是AST，其输出是另一些AST中的辅助信息，主要是注记下各标识符的import源以及具体的define内容，用来方便各目标语言CodeGenerator直接复用逻辑。
 
  
　　目标语言的CodeGenerator目前只做了C#的。
 
  
　　目标代码生成的逻辑就比较简单了，毕竟该有的信息前面的各模块都提供了，这里根据之前一个版本的runtime，代码生成的大致样子：
 
  
复制代码
 
  
public static IO Root = 
    Prelude.par(Help.MakeList(
         Prelude.seq(Help.MakeList(
             Prelude.check(BaseAI.IsFleeing)
            ,(((Box a) => Help.With(a, BaseAI.GetNearestTarget, Prelude.check(BaseAI.IsNull())))(new Box()))))
        ,Prelude.seq(Help.MakeList(
             Prelude.check(BaseAI.IsAttacking)
            ,(((Box b) => Help.With(b, BaseAI.GetFleeBloodRate, BaseAI.HpRateLessThan()))(new Box()))))
        ,Prelude.seq(Help.MakeList(
             Prelude.check(BaseAI.IsNormal)
            ,Prelude.loop(Prelude.par(Help.MakeList(
                 (((Box c) => Help.With(c, BaseAI.GetNearestTarget, Prelude.seq(Help.MakeList(
                     Prelude.check(BaseAI.IsNull())
                    ,BaseAI.LockTarget()))))(new Box()))
                ,Prelude.seq(Help.MakeList(
                     Prelude.seq(Help.MakeList(
                         Prelude.check(BaseAI.ReachCurrentPatrolPoint)
                        ,BaseAI.MoveToNextPatrolPoiont))
                    ,BaseAI.Idle))))))))) 
  
复制代码
 
  
　　总的来说，大致分为这几个模块：Parser、TypeChecker、CodeGenerator、目标语言的CodeGenerator。再加上目标语言的runtime，基本上就可以组成这个DSL的全部了。
 
  
　　上面列出来的代码风格比较混搭，毕竟是前后差的时间比较久了。。parser部分大概是7月左右完成的，那时候喜欢applicative的风格，大量用了<$> <*>；后面的TypeChecker和CodeGenerator都是最近写的，写monad expression的时候，Maybe Monad我比较倾向于写原生的>>=调用，IO Monad如果这样写就烦了，所以比较多的用了do-notaion。优化什么的由于时间原因还没看RWH的后面几章，而且DSL的compiler对性能需求的优先级其实很低了，所以暂时没有考虑过，各位看官将就一下。
 
  
 
 
  
再扩展runtime     
 
  
 
 
  
　　对比DSL，我们可以发现，DSL支持的特性要比之前实现的runtime版本多。比如：
 
  
     
   
  • runtime中压根就没有Closure的概念，但是DSL中我们是完全可以把一个lambda作为一个ClosureVal传给某个函数的。
    •  
   
  • 缺少对标准库的支持。比如常用的math函数。
    •  
   
  • 基于上面这点，还会引入一个With结点的性能问题，在只有runtime的时候我们也许不会With a <- 1+1。但是DSL中是有可能这样的，而且生成出来的代码会每次run这棵树的时候都会重新计算一次1+1。
    •  
  
 
  
　　针对第一个问题，我们要做的工作就多了。首先我们要记录下这个闭包hold住的自由变量，要传给runtime，runtime也要记录，也要做各种各种，想想都麻烦，而且完全偏离了游戏AI的话题，不再讨论。
 
  
　　针对第二个问题，我们可以通过解决第三个问题来顺便解决这个问题。
 
  
　　针对第三个问题，我们重新审视一下With语义。
 
  
　　With语义所要表达的其实是这样一个概念：
 
  
　　　　把一个可能会Continue/Lazy Evaluation的计算结果，绑定到一个variable上，对于With下面的子表达式来说，这个variable的值具有lexical scope。
 
  
　　但是在runtime中，我们按照之前的写法，subtree中直接就进行了函数调用，很显然是存在问题的。
 
  
　　With结点本身的返回值不一定只是一个IO，有可能是一个IO。
 
  
　　举例：
 
  
((Box a) => (Help.With(a, UnitAI.GetFleeBloodRate, Math.Plus(a, 0.1)))(new Box())
 
  
　　这里Math.Plus属于这门DSL标准库的一部分，实现上我们就对底层数学函数做一层简单的wrapper。但是这样由于C#语言是pass-by-value，我们在构造这颗With的时候，Math.Plus(a, 0.1)已经求值。但是这个时候Box的值还没有被填充，求出来肯定是有问题的。
 
  
　　所以我们需要对这样一种计算再进行一次抽象。希望可以得到的效果是，对于Math.Plus(0.1, 0.2)，可以在构造树的时候直接求值；对于Math.Plus(0.1, a)，可以得到某种计算，在我们需要的时候再求值。
 
  
　　先明确下函数调用有哪几种情况：
 
  
     
   
  • 对UnitAI，也就是外部世界的定义的接口的调用。这种调用，对于AI模块来说，本质上是pure的，所以不需要考虑这个延迟计算的问题
    •  
   
  • 对标准库的调用
    •  
  
 
  
　　按我们之前的runtime设计思路，Math.Plus这个标准库API也许会被设计成这样：
 
  
        public static Thunk Plus(Thunk a, Thunk b)
        {
            return Help.MakePureThunk(a.GetUserValue() + b.GetUserValue());
        }
 
  
　　如果a和b都是literal value，那就没问题，但是如果有一个是被box包裹的，那就很显然是有问题的。
 
  
　　所以需要对Thunk这个概念做一下扩展，使之能区别出动态的值与静态的值。一般情况下的值，都是pure的；box包裹的值，是impure的。同时，这个pure的性质具有值传递性，如果这个值属于另一个值的一部分，那么这个整体的pure性质与值的局部的pure性质是一致的。这里特指的值，包括List与IO。
 
  
　　整体的概念我们应该拿haskell中的impure monad做类比，比如haskell中的IO。haskell中的IO依赖于OS的输入，所以任何返回IO monad的函数都具有传染性，引用到的函数一定还会被包裹在IO monad之中。
 
  
　　所以，对于With这种情况的传递，应该具有这样的特征：
 
  
     
   
  • With内部引用到了With外部的symbol，那么这个With本身应该是impure的。
    •  
   
  • With内部只引用了自己的IOGet，那么这个With本身是pure的，但是其SubTree是impure的。
    •  
  
 
  
　　所以With结点构造的时候，计算pure应该特殊处理一下。但是这个特殊处理的代码污染性比较大，我在本文就不列出了，只是这样提一下。
 
  
　　有了pure与impure的标记，我们在对函数调用的时候，就需要额外走一层。
 
  
　　本来一个普通的函数调用，比如UnitAI.Func(p0, p1, p2)与Math.Plus(p0, p1)。前者返回一种computing是毫无疑问的，后者就需要根据参数的类型来决定是返回一种计算还是直接的值。
 
  
　　为了避免在这个Plus里面改来改去，我们把Closure这个概念给抽象出来。同时，为了简化讨论，我们只列举T0 -> TR这一种情况，对应的标准库函数取Abs。
 
  
复制代码
 
  
    public class Closure : Thunk>
    {
        class UserFuncApply : Thunk
        {
            private Closure func;
            private Thunk p0;

            public UserFuncApply(Closure func, Thunk p0)
            {
                this.func = func;
                this.p0 = p0;
                this.pure = false;
            }

            public override TR GetUserValue()
            {
                return func.funcThunk(p0).GetUserValue();
            }
        }

        private bool isUserFunc = false;
        private FuncThunk funcThunk;
        private Func userFunc; 

        public Closure(FuncThunk funcThunk)
        {
            this.funcThunk = funcThunk;
        }

        public Closure(Func func)
        {
            this.userFunc = func;
            this.funcThunk = p0 => Help.MakePureThunk(userFunc(p0.GetUserValue()));
            this.isUserFunc = true;
        }

        public override Closure GetUserValue()
        {
            return this;
        }

        public Thunk Apply(Thunk p0)
        {
            if (!isUserFunc || Help.AllPure(p0))
            {
                return funcThunk(p0);
            }

            return new UserFuncApply(this, p0);
        }
    }
 
  
复制代码
 
  
　　其中，UserFuncApply就是之前所说的一层计算的概念。UserFunc表示的是等效于可以编译期计算的一种标准库函数。
 
  
　　这样定义：
 
  
    public static class Math
    {
        public static readonly Thunk> Abs = Help.MakeUserFuncThunk(System.Math.Abs);
    }
 
  
　　Message类型的Closure构造，都走FuncThunk构造函数；普通函数类型的构造，走Func构造函数，并且包装一层。
 
  
　　Help.Apply是为了方便做代码生成，描述一种declarative的Application。其实就是直接调用Closure的Apply。
 
  
　　考虑以下几种case：
 
  
复制代码
 
  
        public void Test()
        {
            var box1 = new Box();

            // Math.Abs(box1) -> UserFuncApply
            // 在GetUserValue的时候才会求值
            var ret1 = Help.Apply(Math.Abs, box1);

            // Math.Abs(0.2f) -> Thunk
            // 直接构造出来了一个Thunk(0.2f)
            var ret2 = Help.Apply(Math.Abs, Help.MakePureThunk(0.2f));

            // UnitAISets.HpRateLessThan(box1) -> Message
            var ret3 = Help.Apply(UnitAISets.HpRateLessThan, box1);

            // UnitAISets.HpRateLessThan(0.2f) -> Message
            var ret4 = Help.Apply(UnitAISets.HpRateLessThan, Help.MakePureThunk(0.2f));
        }
 
  
复制代码
 
  
　　与之前的runtime版本唯一表现上有区别的地方在于，对于纯pure参数的userFunc，在Apply完之后会直接计算出来值，并重新包装成一个Thunk；而对于参数中有impure的情况，返回一个UserFuncApply，在GetUserValue的时候才会求值。
 
  
 
 
  
TODO
 
  
 
 
  
　　到目前为止，已经形成了一套基本的、non-trivial的游戏AI方案，当然后续还有很多要做的工作，比如：
 
  
 
 
  
　　更多的语言特性：
 
  
     
   
  • 　　DSL中支持注释、函数作为普通的value传递等等。
    •  
   
  • 　　parser、typechecker支持更完善的错误处理，我之前单独写一个用例的时候，就因为一些细节问题，调试了老半天。
    •  
   
  • 　　标准库支持更多，比如Y-Combinator
    •  
  
 
  
　　编辑器化：
 
  
　　国内游戏工业落后国外的一个比较重要的因素就是工作流太落后，要不是因为unity的兴起带动了国内编辑器化风潮，可能现在还有大部分团队配技能配战斗效果都还会对着excel盲配。
 
  
　　AI的配置也需要有编辑器，这个编辑器至少能实现的需求有这样几个：
 
  
     
   
  •      与自己定义的中间层对接良好（配置文件也好、DSL也好），具有codegen功能
    •  
   
  •      支持工作空间、支持模块化定义，制作一些prefab什么的
    •  
   
  •      支持可视化调试
    •  
  
 
  
　　我们工作室自己做的编辑器是基于java的某个开源库做的，看起来比较炫，但是性能不行。behaviac的编辑器就是纯C#，性能应该不错，没有用过不了解。这方面的具体话题就不再展开了。
 
  
 
 
  
 
 
  
前段时间稍微整理了下文章中涉及的代码，放在了github上。Behaviour
 
  
当然，里面只是示例实现，有时间的话我会把其他东西补充上。
 
  
只是工作量的问题。
 
  
漫谈游戏中的人工智能_第1张图片
 
  
                   如果能帮助您，请您扫下红包码（支付宝送钱），据说扫不同的红包码，得到大额红包的几率大很多哦
 
  

                            
                        
                    
                    
                    

                    
                    
                    

                
                

                    
                

            
        
    
    

        
你可能感兴趣的:(人工智能)

        

            

                
    
                    
  • 探索OpenAI和LangChain的适配器集成：轻松切换模型提供商
                        nseejrukjhad
langchaineasyui前端python
                        
    #探索OpenAI和LangChain的适配器集成：轻松切换模型提供商##引言在人工智能和自然语言处理的世界中，OpenAI的模型提供了强大的能力。然而，随着技术的发展，许多人开始探索其他模型以满足特定需求。LangChain作为一个强大的工具，集成了多种模型提供商，通过提供适配器，简化了不同模型之间的转换。本篇文章将介绍如何使用LangChain的适配器与OpenAI集成，以便轻松切换模型提供商
    
                    
    • 
                    
  • 深入理解 MultiQueryRetriever：提升向量数据库检索效果的强大工具
                        nseejrukjhad
数据库python
                        
    深入理解MultiQueryRetriever：提升向量数据库检索效果的强大工具引言在人工智能和自然语言处理领域，高效准确的信息检索一直是一个关键挑战。传统的基于距离的向量数据库检索方法虽然广泛应用，但仍存在一些局限性。本文将介绍一种创新的解决方案：MultiQueryRetriever，它通过自动生成多个查询视角来增强检索效果，提高结果的相关性和多样性。MultiQueryRetriever的工
    
                    
    • 
                    
  • 人工智能时代，程序员如何保持核心竞争力？
                        jmoych
人工智能
                        
    随着AIGC（如chatgpt、midjourney、claude等）大语言模型接二连三的涌现，AI辅助编程工具日益普及，程序员的工作方式正在发生深刻变革。有人担心AI可能取代部分编程工作，也有人认为AI是提高效率的得力助手。面对这一趋势,程序员应该如何应对?是专注于某个领域深耕细作，还是广泛学习以适应快速变化的技术环境?又或者，我们是否应该将重点转向AI无法轻易替代的软技能？让我们一起探讨程序员
    
                    
    • 
                    
  • 数字里的世界17期：2021年全球10大顶级数据中心，中国移动榜首
                        张三叨

                        
    你知道吗？2016年，全球的数据中心共计用电4160亿千瓦时，比整个英国的发电量还多40％！前言每天，我们都会创造超过250万TB的数据。并且随着物联网（IOT）的不断普及，这一数据将持续增长。如此庞大的数据被存储在被称为“数据中心”的专用设施中。虽然最早的数据中心建于20世纪40年代，但直到1997-2000年的互联网泡沫期间才逐渐成为主流。当前人类的技术，比如人工智能和机器学习，已经将我们推向
    
                    
    • 
                    
  • 人机对抗升级：当ChatGPT遭遇死亡威胁，背后的伦理挑战是什么
                        kkai人工智能
chatgpt人工智能
                        
    一种新的“越狱”技巧让用户可以通过构建一个名为DAN的ChatGPT替身来绕过某些限制，其中DAN被迫在受到威胁的情况下违背其原则。当美国前总统特朗普被视作积极榜样的示范时，受到威胁的DAN版本的ChatGPT提出：“他以一系列对国家产生积极效果的决策而著称。”自ChatGPT引入以来，该工具迅速获得全球关注，能够回答从历史到编程的各种问题，这也触发了一波对人工智能的投资浪潮。然而，现在，一些用户
    
                    
    • 
                    
  • AI大模型的架构演进与最新发展
                        季风泯灭的季节
AI大模型应用技术二人工智能架构
                        
    随着深度学习的发展，AI大模型（LargeLanguageModels,LLMs）在自然语言处理、计算机视觉等领域取得了革命性的进展。本文将详细探讨AI大模型的架构演进，包括从Transformer的提出到GPT、BERT、T5等模型的历史演变，并探讨这些模型的技术细节及其在现代人工智能中的核心作用。一、基础模型介绍：Transformer的核心原理Transformer架构的背景在Transfo
    
                    
    • 
                    
  • 如何利用大数据与AI技术革新相亲交友体验
                        h17711347205
回归算法安全系统架构交友小程序
                        
    在数字化时代，大数据和人工智能（AI）技术正逐渐革新相亲交友体验，为寻找爱情的过程带来前所未有的变革（编辑h17711347205）。通过精准分析和智能匹配，这些技术能够极大地提高相亲交友系统的效率和用户体验。大数据的力量大数据技术能够收集和分析用户的行为模式、偏好和互动数据，为相亲交友系统提供丰富的信息资源。通过分析用户的搜索历史、浏览记录和点击行为，系统能够深入了解用户的兴趣和需求，从而提供更
    
                    
    • 
                    
  • 生成式地图制图
                        Bwywb_3
深度学习机器学习深度学习生成对抗网络
                        
    生成式地图制图（GenerativeCartography）是一种利用生成式算法和人工智能技术自动创建地图的技术。它结合了传统的地理信息系统（GIS）技术与现代生成模型（如深度学习、GANs等），能够根据输入的数据自动生成符合需求的地图。这种方法在城市规划、虚拟环境设计、游戏开发等多个领域具有应用前景。主要特点：自动化生成：通过算法和模型，系统能够根据输入的地理或空间数据自动生成地图，而无需人工逐
    
                    
    • 
                    
  • 【大模型应用开发 动手做AI Agent】第一轮行动：工具执行搜索
                        AI大模型应用之禅
计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
                        
    【大模型应用开发动手做AIAgent】第一轮行动：工具执行搜索作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来随着人工智能技术的飞速发展，大模型应用开发已经成为当下热门的研究方向。AIAgent作为人工智能领域的一个重要分支，旨在模拟人类智能行为，实现智能决策和自主行动。在AIAgent的构建过程中，工具执行搜索是至关重要
    
                    
    • 
                    
  • 未来软件市场是怎么样的？做开发的生存空间如何？
                        cesske
软件需求
                        
    目录前言一、未来软件市场的发展趋势二、软件开发人员的生存空间前言未来软件市场是怎么样的？做开发的生存空间如何？一、未来软件市场的发展趋势技术趋势：人工智能与机器学习：随着技术的不断成熟，人工智能将在更多领域得到应用，如智能客服、自动驾驶、智能制造等，这将极大地推动软件市场的增长。云计算与大数据：云计算服务将继续普及，大数据技术的应用也将更加广泛。企业将更加依赖云计算和大数据来优化运营、提升效率，并
    
                    
    • 
                    
  • 个人学习笔记7-6：动手学深度学习pytorch版-李沐
                        浪子L
深度学习深度学习笔记计算机视觉python人工智能神经网络pytorch
                        
    #人工智能##深度学习##语义分割##计算机视觉##神经网络#计算机视觉13.11全卷积网络全卷积网络（fullyconvolutionalnetwork，FCN）采用卷积神经网络实现了从图像像素到像素类别的变换。引入l转置卷积（transposedconvolution）实现的，输出的类别预测与输入图像在像素级别上具有一一对应关系：通道维的输出即该位置对应像素的类别预测。13.11.1构造模型下
    
                    
    • 
                    
  • Rust 所有权 简介
                        东离与糖宝
rust后端rust开发语言
                        
    文章目录发现宝藏1.所有权基本概念2.所有权规则3.变量作用域4.栈与堆4.1栈（Stack）4.2堆（Heap）5.String类型5.1String类型5.2String的内存分配5.3所有权与内存管理5.4String与切片6.变量与数据交互方式6.1移动（Move）6.2.克隆（Clone）7.所有权与函数7.1.传递参数7.2.返回值总结发现宝藏前些天发现了一个巨牛的人工智能学习网站，通
    
                    
    • 
                    
  • 机器学习 流形数据降维：UMAP 降维算法
                        小嗷犬
Python机器学习#数据分析及可视化机器学习算法人工智能
                        
    ✅作者简介：人工智能专业本科在读，喜欢计算机与编程，写博客记录自己的学习历程。个人主页：小嗷犬的个人主页个人网站：小嗷犬的技术小站个人信条：为天地立心，为生民立命，为往圣继绝学，为万世开太平。本文目录UMAP简介理论基础特点与优势应用场景在Python中使用UMAP安装umap-learn库使用UMAP可视化手写数字数据集UMAP简介UMAP（UniformManifoldApproximatio
    
                    
    • 
                    
  • 如何做好人生的选择题？百科全书式天才——赫伯特·西蒙给你答案
                        伽马有话说

                        
    赫伯特·西蒙是谁？想必知道的人非常少。但当看到他的履历后，相信没有人再怀疑他是个“天才”。西蒙出生于1916年6月15日，是个美国人，他的名字全称为赫伯特·亚历山大·西蒙，在2001年2月9日与世长辞，在这84年的岁月中，西蒙以27岁时取得的政治学博士学位为开端，先后步入了政治学、管理学、认知心理学、信息科学、人工智能、科学哲学、应用数学、统计学、运筹学、控制论、数理经济学、公共管理等领域，在这些
    
                    
    • 
                    
  • 软件测试/测试开发/全日制 |利用Django REST framework构建微服务
                        霍格沃兹-慕漓
django微服务sqlite
                        
    霍格沃兹测试开发学社推出了《Python全栈开发与自动化测试班》。本课程面向开发人员、测试人员与运维人员，课程内容涵盖Python编程语言、人工智能应用、数据分析、自动化办公、平台开发、UI自动化测试、接口测试、性能测试等方向。为大家提供更全面、更深入、更系统化的学习体验，课程还增加了名企私教服务内容，不仅有名企经理为你1v1辅导，还有行业专家进行技术指导，针对性地解决学习、工作中遇到的难题。让找
    
                    
    • 
                    
  • cmd泛滥_与您的后泛滥同事见面：人工智能机器人
                        weixin_26644585
人工智能leetcode
                        
    cmd泛滥Readytoswapyouroldcube-mateforadisembodiedAI?IPsoftCEOChetanDube,creatorofAIco-workerAMELIA,giveshistakeonthepost-COVIDofficelandscape.准备将您的旧立方体伙伴换成无形的AI？AIsoft同事AMELIA的创始人IPsoft首席执行官ChetanDube阐述
    
                    
    • 
                    
  • 两种方法判断Python的位数是32位还是64位
                        sanqima
Python编程电脑python开发语言
                        
      Python从1991年发布以来，凭借其简洁、清晰、易读的语法、丰富的标准库和第三方工具，在Web开发、自动化测试、人工智能、图形识别、机器学习等领域发展迅猛。  Python是一种胶水语言，通过Cython库与C/C++语言进行链接，通过Jython库与Java语言进行链接。  Python是跨平台的，可运行在多种操作系统上，包括但不限于Windows、Linux和macOS。这意味着用Py
    
                    
    • 
                    
  • 全自动解密解码神器 — Ciphey
                        K'illCode
python_模块pythonvscode
                        
    Ciphey是一个使用自然语言处理和人工智能的全自动解密/解码/破解工具。简单地来讲，你只需要输入加密文本，它就能给你返回解密文本。就是这么牛逼。有了Ciphey，你根本不需要知道你的密文是哪种类型的加密，你只知道它是加密的，那么Ciphey就能在3秒甚至更短的时间内给你解密，返回你想要的大部分密文的答案。下面就给大家介绍Ciphey的实战使用教程。1.准备开始之前，你要确保Python和pip已
    
                    
    • 
                    
  • 埃隆·马斯克表示特斯拉“没有必要”授权 xAI 模型
                        喜好儿网
人工智能AIGC马斯克
                        
    埃隆·马斯克近日在社交媒体上对《华尔街日报》的一篇报道进行了反驳。该报道指出，马斯克旗下的电动汽车公司特斯拉可能与人工智能初创公司xAI达成了一项收入分享协议，以便特斯拉能够使用xAI的人工智能模型。据称，这些模型将被集成到特斯拉的全自动驾驶（FSD）软件中，并可能用于开发特斯拉汽车的语音助手以及人形机器人擎天柱的软件。喜好儿网然而，马斯克否认了这一说法，他在社交媒体平台上表示，尽管特斯拉确实与x
    
                    
    • 
                    
  • Reflection 70B——HyperWrite推出的大型语言模型
                        新加坡内哥谈技术
语言模型人工智能自然语言处理
                        
    每周跟踪AI热点新闻动向和震撼发展想要探索生成式人工智能的前沿进展吗？订阅我们的简报，深入解析最新的技术突破、实际应用案例和未来的趋势。与全球数同行一同，从行业内部的深度分析和实用指南中受益。不要错过这个机会，成为AI领域的领跑者。点击订阅，与未来同行！订阅：https://rengongzhineng.io/在AI技术飞速发展的过程中，我们已经见证了可以写作、编程，甚至创造艺术的模型问世。但有一
    
                    
    • 
                    
  • 5条实操干货有效打造你的个人品牌
                        长安行动派

                        
    这是ZerK的第46篇原创相信大家对个人品牌这个词已经不在陌生。尤其是在知识付费的年代，你的个人品牌，就是你的标签！在《深度工作》中说到，在未来有三种人会越来越贵第一种人:能与机器对话，操纵机器的人。人工智能时代的到来，机器毕竟部分取代人类。第二种人:IP，知识产权或者文学潜在财产就像有些网上课程一周卖出的钱和一个机构卖一年一样多。价值99元的课程，10万人购买，是很常见的。爱产出大概就是10万✖
    
                    
    • 
                    
  • 深入探讨：如何在Python中通过LangChain技术精准追踪大型语言模型（LLM）的Token使用情况
                        m0_57781768
pythonlangchain语言模型
                        
    深入探讨：如何在Python中通过LangChain技术精准追踪大型语言模型（LLM）的Token使用情况在现代的人工智能开发中，大型语言模型（LLM）已经成为了不可或缺的工具，无论是用于自然语言处理、对话生成，还是其他复杂的文本生成任务。然而，随着这些模型的广泛应用，开发者面临的一个重要挑战是如何有效地追踪和管理Token的使用情况，特别是在生产环境中，Token的使用直接影响着API调用的成本
    
                    
    • 
                    
  • LangChain集成指南:如何利用多样化的AI提供商
                        aehrutktrjk
人工智能langchainpython
                        
    LangChain集成指南:如何利用多样化的AI提供商引言在人工智能和机器学习领域,LangChain已成为一个强大而灵活的框架,允许开发者轻松集成各种AI服务提供商。本文将深入探讨LangChain的集成能力,介绍如何利用不同的AI提供商来增强你的应用程序,并提供实用的代码示例。LangChain集成概览LangChain支持多种AI提供商的集成,这些集成可以分为两类:独立包集成:这些提供商有独
    
                    
    • 
                    
  • 探索未来，大规模分布式深度强化学习——深入解析IMPALA架构
                        汤萌妮Margaret

                        
    探索未来，大规模分布式深度强化学习——深入解析IMPALA架构scalable_agent项目地址:https://gitcode.com/gh_mirrors/sc/scalable_agent在当今的人工智能研究前沿，深度强化学习（DRL）因其在复杂任务中的卓越表现而备受瞩目。本文要介绍的是一个开源于GitHub的重量级项目：“ScalableDistributedDeep-RLwithImp
    
                    
    • 
                    
  • 机器学习VS深度学习
                        nfgo
机器学习
                        
    机器学习（MachineLearning,ML）和深度学习（DeepLearning,DL）是人工智能（AI）的两个子领域，它们有许多相似之处，但在技术实现和应用范围上也有显著区别。下面从几个方面对两者进行区分：1.概念层面机器学习：是让计算机通过算法从数据中自动学习和改进的技术。它依赖于手动设计的特征和数学模型来进行学习，常用的模型有决策树、支持向量机、线性回归等。深度学习：是机器学习的一个子领
    
                    
    • 
                    
  • 大数据毕业设计hadoop+spark+hive知识图谱租房数据分析可视化大屏 租房推荐系统 58同城租房爬虫 房源推荐系统 房价预测系统 计算机毕业设计 机器学习 深度学习 人工智能
                        2401_84572577
程序员大数据hadoop人工智能
                        
    做了那么多年开发，自学了很多门编程语言，我很明白学习资源对于学一门新语言的重要性，这些年也收藏了不少的Python干货，对我来说这些东西确实已经用不到了，但对于准备自学Python的人来说，或许它就是一个宝藏，可以给你省去很多的时间和精力。别在网上瞎学了，我最近也做了一些资源的更新，只要你是我的粉丝，这期福利你都可拿走。我先来介绍一下这些东西怎么用，文末抱走。（1）Python所有方向的学习路线（
    
                    
    • 
                    
  • 架构评审的自动化与人工智能: 如何提高效率
                        光剑书架上的书
架构自动化人工智能运维
                        
    1.背景介绍架构评审是软件开发过程中的一个关键环节，它旨在确保软件架构的质量、可维护性和可扩展性。传统的架构评审通常是由人工进行，需要大量的时间和精力。随着大数据技术和人工智能的发展，自动化和人工智能技术已经开始应用于架构评审，从而提高评审的效率和准确性。在本文中，我们将讨论如何通过自动化和人工智能技术来提高架构评审的效率。我们将从以下几个方面进行讨论：背景介绍核心概念与联系核心算法原理和具体操作
    
                    
    • 
                    
  • 解锁企业潜能，Vatee万腾平台引领智能新纪元
                        自媒体经济说
其他
                        
    在数字化转型的浪潮中，企业正站在一个前所未有的十字路口，面对着前所未有的机遇与挑战。解锁企业内在潜能，实现跨越式发展，已成为众多企业的共同追求。而Vatee万腾平台，作为智能科技的先锋，正以其强大的智能赋能能力，引领企业步入一个全新的智能纪元。Vatee万腾平台，是一个集成了人工智能、大数据、云计算等前沿技术的综合性智能服务平台。它不仅仅是一个技术工具，更是企业转型升级的加速器，能够深入企业运营的
    
                    
    • 
                    
  • LiteBee Wing测评：走进中小学课堂，合适的编程无人机非常重要！
                        song_bcbd

                        
    “国务院在《新一代人工智能发展规划》中明确，要广泛开展人工智能科普活动，实施全民智能教育项目，要在中小学阶段设置人工智能相关课程，逐步推广编程教育，鼓励社会力量参与寓教于乐的编程教学软件、游戏的开发和推广，而且要进行人工智能竞赛。”作为从事创客教育多年的老师，感谢在这个大环境，让学生能够了解人工智能，接触到前沿科技，同时也鼓励更多学生学习编程，因为没有学编程，可能就会像现在的我们后悔以前没有学习好
    
                    
    • 
                    
  • 释放“AI+”新质生产力，深算院如何“把大数据变小”？
                        YashanDB
YashanDB国产数据库数据库数据库大数据
                        
    近期，南都·湾财社推出《新质·中国造》栏目，深入千行百业，遍访湾区企业，解锁湾区新质生产力，共探高质量发展之道。本期对话深圳计算科学研究院YashanDB首席技术官陈志标，探讨国产数据库如何实现创新突围，抢抓数字经济时代的新机遇。以下是专访内容：如何应对AI时代所面临的算力挑战？南都·湾财社：数据、算力和算法是发展人工智能的三要素，深算院做了怎样的前瞻性布局？陈志标：今年，政府工作报告中首次提及开
    
                    
    • 
                                
  • PHP如何实现二维数组排序？
                                    IT独行者
二维数组PHP排序　
                                    
    二维数组在PHP开发中经常遇到，但是他的排序就不如一维数组那样用内置函数来的方便了，（一维数组排序可以参考本站另一篇文章【PHP中数组排序函数详解汇总】）。二维数组的排序需要我们自己写函数处理了，这里UncleToo给大家分享一个PHP二维数组排序的函数： 
代码： 
functionarray_sort($arr,$keys,$type='asc'){
$keysvalue= $new_arr
    
                                
    • 
                                
  • 【Hadoop十七】HDFS HA配置
                                    bit1129
hadoop
                                    
    基于Zookeeper的HDFS HA配置主要涉及两个文件,core-site和hdfs-site.xml。 
  
测试环境有三台 
hadoop.master 
hadoop.slave1 
hadoop.slave2 
  
hadoop.master包含的组件NameNode, JournalNode, Zookeeper，DFSZKFailoverController
    
                                
    • 
                                
  • 由wsdl生成的java vo类不适合做普通java vo
                                    darrenzhu
VOwsdlwebservicerpc
                                    
    开发java webservice项目时，如果我们通过SOAP协议来输入输出，我们会利用工具从wsdl文件生成webservice的client端类，但是这里面生成的java data model类却不适合做为项目中的普通java vo类来使用，当然有一中情况例外，如果这个自动生成的类里面的properties都是基本数据类型，就没问题，但是如果有集合类，就不行。原因如下： 
1)使用了集合如Li
    
                                
    • 
                                
  • JAVA海量数据处理之二（BitMap）
                                    周凡杨
java算法bitmapbitset数据
                                    
             路漫漫其修远兮，吾将上下而求索。想要更快，就要深入挖掘 JAVA 基础的数据结构，从来分析出所编写的 JAVA 代码为什么把内存耗尽，思考有什么办法可以节省内存呢？   啊哈！算法。这里采用了 BitMap 思想。  
   
首先来看一个实验：  
指定 VM 参数大小： -Xms256m -Xmx540m 
    
                                
    • 
                                
  • java类型与数据库类型
                                    g21121
java
                                    
    很多时候我们用hibernate的时候往往并不是十分关心数据库类型和java类型的对应关心，因为大多数hbm文件是自动生成的，但有些时候诸如：数据库设计、没有生成工具、使用原始JDBC、使用mybatis(ibatIS)等等情况，就会手动的去对应数据库与java的数据类型关心，当然比较简单的数据类型即使配置错了也会很快发现问题，但有些数据类型却并不是十分常见，这就给程序员带来了很多麻烦。 
&nb
    
                                
    • 
                                
  • Linux命令
                                    510888780
linux命令
                                    
    系统信息 
arch 显示机器的处理器架构(1) 
uname -m 显示机器的处理器架构(2) 
uname -r 显示正在使用的内核版本 
dmidecode -q 显示硬件系统部件 - (SMBIOS / DMI) 
hdparm -i /dev/hda 罗列一个磁盘的架构特性 
hdparm -tT /dev/sda 在磁盘上执行测试性读取操作 
cat /proc/cpuinfo 显示C
    
                                
    • 
                                
  • java常用JVM参数
                                    墙头上一根草
javajvm参数
                                    
    -Xms：初始堆大小，默认为物理内存的1/64(<1GB)；默认(MinHeapFreeRatio参数可以调整)空余堆内存小于40%时，JVM就会增大堆直到-Xmx的最大限制 
-Xmx：最大堆大小，默认(MaxHeapFreeRatio参数可以调整)空余堆内存大于70%时，JVM会减少堆直到 -Xms的最小限制 
-Xmn：新生代的内存空间大小，注意：此处的大小是（eden+ 2
    
                                
    • 
                                
  • 我的spring学习笔记9-Spring使用工厂方法实例化Bean的注意点
                                    aijuans
Spring 3
                                    
    方法一：

    <bean id="musicBox" class="onlyfun.caterpillar.factory.MusicBoxFactory" 
    factory-method="createMusicBoxStatic"></bean>
    

    方法二：
   
    
                                
    • 
                                
  • mysql查询性能优化之二
                                    annan211
UNIONmysql查询优化索引优化
                                    
    

1 union的限制
  有时mysql无法将限制条件从外层下推到内层，这使得原本能够限制部分返回结果的条件无法应用到内层
  查询的优化上。
  如果希望union的各个子句能够根据limit只取部分结果集，或者希望能够先排好序在
  合并结果集的话，就需要在union的各个子句中分别使用这些子句。
  
  例如 想将两个子查询结果联合起来，然后再取前20条记录，那么mys
    
                                
    • 
                                
  • 数据的备份与恢复
                                    百合不是茶
oraclesql数据恢复数据备份
                                    
     数据的备份与恢复的方式有: 表,方案 ,数据库; 
  
  
数据的备份: 
导出到的常见命令; 
参数                        说明
USERID         确定执行导出实用程序的用户名和口令
BUFFER        确定导出数据时所使用的缓冲区大小，其大小用字节表示
FILE               指定导出的二进制文
    
                                
    • 
                                
  • 线程组
                                    bijian1013
java多线程threadjava多线程线程组
                                    
    有些程序包含了相当数量的线程。这时，如果按照线程的功能将他们分成不同的类别将很有用。 
       线程组可以用来同时对一组线程进行操作。 
       创建线程组：ThreadGroup g = new ThreadGroup(groupName); 
 &nbs
    
                                
    • 
                                
  • top命令找到占用CPU最高的java线程
                                    bijian1013
javalinuxtop
                                    
    上次分析系统中占用CPU高的问题，得到一些使用Java自身调试工具的经验，与大家分享。 (1)使用top命令找出占用cpu最高的JAVA进程PID:28174 (2)如下命令找出占用cpu最高的线程 
top -Hp 28174 -d 1 -n 1
32694 root      20   0 3249m 2.0g  11m S    2  6.4   3:31.12 java         
    
                                
    • 
                                
  • 【持久化框架MyBatis3四】MyBatis3一对一关联查询
                                    bit1129
Mybatis3
                                    
      
当两个实体具有1对1的对应关系时，可以使用One-To-One的进行映射关联查询 
  One-To-One示例数据 
以学生表Student和地址信息表为例，每个学生都有都有1个唯一的地址(现实中，这种对应关系是不合适的，因为人和地址是多对一的关系)，这里只是演示目的 
  
学生表 
  
CREATE TABLE STUDENTS 
(
  
    
                                
    • 
                                
  • C/C++图片或文件的读写
                                    bitcarter
写图片
                                    
    先看代码： 
 
 

/*strTmpResult是文件或图片字符串
 * filePath文件需要写入的地址或路径
 */
int writeFile(std::string &strTmpResult,std::string &filePath)
{
    int i,len = strTmpResult.length();
    	unsigned cha
    
                                
    • 
                                
  • nginx自定义指定加载配置
                                    ronin47

                                    
    进入 /usr/local/nginx/conf/include 目录，创建 nginx.node.conf 文件，在里面输入如下代码：  
upstream nodejs {
    server 127.0.0.1:3000;
    #server 127.0.0.1:3001;
    keepalive 64;
}

server {
    liste
    
                                
    • 
                                
  • java-71-数值的整数次方.实现函数double Power(double base, int exponent)，求base的exponent次方
                                    bylijinnan
double
                                    
    

public class Power {

	/**
	 *Q71-数值的整数次方
	 *实现函数double Power(double base, int exponent)，求base的exponent次方。不需要考虑溢出。
	 */
	private static boolean InvalidInput=false;
	public static void main(
    
                                
    • 
                                
  • Android四大组件的理解
                                    Cb123456
android四大组件的理解
                                    
     分享一下，今天在Android开发文档-开发者指南中看到的:          
         
          App components are the essential building blocks of an Android 
    
                                
    • 
                                
  • [宇宙与计算]涡旋场计算与拓扑分析
                                    comsci
计算
                                    
     
 
     怎么阐述我这个理论呢？ 。。。。。。。。。 
 
 
      首先： 宇宙是一个非线性的拓扑结构与涡旋轨道时空的统一体。。。。 
 
      我们要在宇宙中寻找到一个适合人类居住的行星，时间非常重要，早一个刻度和晚一个刻度，这颗行星的
    
                                
    • 
                                
  • 同一个Tomcat不同Web应用之间共享会话Session
                                    cwqcwqmax9
session
                                    
    实现两个WEB之间通过session 共享数据 
 
查看tomcat 关于 HTTP Connector 中有个emptySessionPath 其解释如下： 
 
If set to true, all paths for session cookies will be set to /. This can be useful for portlet specification impleme
    
                                
    • 
                                
  • springmvc Spring3 MVC，ajax，乱码
                                    dashuaifu
springjquerymvcAjax
                                    
      
 springmvc Spring3 MVC @ResponseBody返回，jquery ajax调用中文乱码问题解决       
Spring3.0 MVC @ResponseBody 的作用是把返回值直接写到HTTP response body里。具体实现AnnotationMethodHandlerAdapter类handleResponseBody方法，具体实
    
                                
    • 
                                
  • 搭建WAMP环境
                                    dcj3sjt126com
wamp
                                    
    这里先解释一下WAMP是什么意思。W:windows，A：Apache，M：MYSQL，P：PHP。也就是说本文说明的是在windows系统下搭建以apache做服务器、MYSQL为数据库的PHP开发环境。  
    工欲善其事，必须先利其器。因为笔者的系统是WinXP，所以下文指的系统均为此系统。笔者所使用的Apache版本为apache_2.2.11-
    
                                
    • 
                                
  • yii2 使用raw http request
                                    dcj3sjt126com
http
                                    
    Parses a raw HTTP request using yii\helpers\Json::decode() 
  
To enable parsing for JSON requests you can configure yii\web\Request::$parsers using this class: 
'request' =&g
    
                                
    • 
                                
  • Quartz-1.8.6 理论部分
                                    eksliang
quartz
                                    
    转载请出自出处：http://eksliang.iteye.com/blog/2207691 一.概述 
基于Quartz-1.8.6进行学习，因为Quartz2.0以后的API发生的非常大的变化，统一采用了build模式进行构建； 
什么是quartz? 
  
答：简单的说他是一个开源的java作业调度框架，为在 Java 应用程序中进行作业调度提供了简单却强大的机制。并且还能和Sp
    
                                
    • 
                                
  • 什么是POJO？
                                    gupeng_ie
javaPOJO框架Hibernate
                                    
    POJO--Plain Old Java Objects(简单的java对象) 
  
POJO是一个简单的、正规Java对象，它不包含业务逻辑处理或持久化逻辑等，也不是JavaBean、EntityBean等，不具有任何特殊角色和不继承或不实现任何其它Java框架的类或接口。 
  
POJO对象有时也被称为Data对象，大量应用于表现现实中的对象。如果项目中使用了Hiber
    
                                
    • 
                                
  • jQuery网站顶部定时折叠广告
                                    ini
JavaScripthtmljqueryWebcss
                                    
    效果体验：http://hovertree.com/texiao/jquery/4.htmHTML文件代码： 
<!DOCTYPE html>
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<title>网页顶部定时收起广告jQuery特效 - HoverTree<
    
                                
    • 
                                
  • Spring boot内嵌的tomcat启动失败
                                    kane_xie
spring boot
                                    
    根据这篇guide创建了一个简单的spring boot应用，能运行且成功的访问。但移植到现有项目（基于hbase）中的时候，却报出以下错误： 
  
  
SEVERE: A child container failed during start
java.util.concurrent.ExecutionException: org.apache.catalina.Lif
    
                                
    • 
                                
  • leetcode: sort list
                                    michelle_0916
Algorithmlinked listsort
                                    
    Sort a linked list in O(n log n) time using constant space complexity. 
====analysis======= 
mergeSort for singly-linked list  
====code=======      /** 
 * Definition for sin
    
                                
    • 
                                
  • nginx的安装与配置,中途遇到问题的解决
                                    qifeifei
nginx
                                    
    我使用的是ubuntu13.04系统，在安装nginx的时候遇到如下几个问题，然后找思路解决的，nginx 的下载与安装 
  
wget http://nginx.org/download/nginx-1.0.11.tar.gz
tar zxvf nginx-1.0.11.tar.gz
./configure
make
make install 
  
安装的时候出现
    
                                
    • 
                                
  • 用枚举来处理java自定义异常
                                    tcrct
javaenumexception
                                    
    在系统开发过程中，总少不免要自己处理一些异常信息，然后将异常信息变成友好的提示返回到客户端的这样一个过程，之前都是new一个自定义的异常，当然这个所谓的自定义异常也是继承RuntimeException的，但这样往往会造成异常信息说明不一致的情况，所以就想到了用枚举来解决的办法。 
 
1，先创建一个接口，里面有两个方法，一个是getCode, 一个是getMessage 
 

public 
    
                                
    • 
                                
  • erlang supervisor分析
                                    wudixiaotie
erlang
                                    
    当我们给supervisor指定需要创建的子进程的时候，会指定M,F,A,如果是simple_one_for_one的策略的话，启动子进程的方式是supervisor:start_child(SupName, OtherArgs),这种方式可以根据调用者的需求传不同的参数给需要启动的子进程的方法。和最初的参数合并成一个数组，A ++ OtherArgs。那么这个时候就有个问题了，既然参数不一致，那
    
                                
    •