鸿蒙游戏里的 AI Agent 设计

Swift社区2026-03-29 13:20


网罗开发 （小红书、快手、视频号同名）

大家好，我是 展菲，目前在上市企业从事人工智能项目研发管理工作，平时热衷于分享各种编程领域的软硬技能知识以及前沿技术，包括iOS、前端、Harmony OS、Java、Python等方向。在移动端开发、鸿蒙开发、物联网、嵌入式、云原生、开源等领域有深厚造诣。

图书作者：《ESP32-C3 物联网工程开发实战》
图书作者：《SwiftUI 入门，进阶与实战》
超级个体：COC上海社区主理人
特约讲师：大学讲师，谷歌亚马逊分享嘉宾
科技博主：华为HDE/HDG

我的博客内容涵盖广泛，主要分享技术教程、Bug解决方案、开发工具使用、前沿科技资讯、产品评测与使用体验 。我特别关注云服务产品评测、AI 产品对比、开发板性能测试以及技术报告，同时也会提供产品优缺点分析、横向对比，并分享技术沙龙与行业大会的参会体验。我的目标是为读者提供有深度、有实用价值的技术洞察与分析。

展菲：您的前沿技术领航员

👋 大家好，我是展菲！

📱 全网搜索"展菲"，即可纵览我在各大平台的知识足迹。

📣 公众号"Swift社区"，每周定时推送干货满满的技术长文，从新兴框架的剖析到运维实战的复盘，助您技术进阶之路畅通无阻。

💬 微信端添加好友"fzhanfei"，与我直接交流，不管是项目瓶颈的求助，还是行业趋势的探讨，随时畅所欲言。

📅 最新动态：2025 年 3 月 17 日

快来加入技术社区，一起挖掘技术的无限潜能，携手迈向数字化新征程！

文章目录

引言

如果说前一篇我们讨论的是：

AI Agent 会不会改变 App 形态

那么在鸿蒙游戏里，这个问题会变得更加具体：

AI 能不能直接"玩游戏"？

在 HarmonyOS 的生态中，随着端侧 AI 能力增强，一个新的方向正在出现：

复制代码 
玩家操作 → AI 操作
UI 交互 → 智能体决策

也就是说：

游戏不再只是"给人玩的"，而是可以"给 AI 运行的"

这篇文章，我们就从工程角度讲清楚：

鸿蒙游戏里的 AI Agent，到底该怎么设计？

一、先看问题：为什么游戏需要 AI Agent？

很多人第一反应是：

游戏里不是早就有 AI（NPC）了吗？

确实，但传统游戏 AI 是这样的：

ts 复制代码 
// 典型状态机
if (playerInRange) {
  attack()
} else {
  patrol()
}

特点：

  • 写死逻辑
  • 行为固定
  • 不具备学习能力

而 AI Agent：

ts 复制代码 
// 决策驱动
const action = await agent.decide(state)
execute(action)

特点：

  • 动态决策
  • 可学习
  • 可扩展

本质区别：

复制代码 
传统AI：规则驱动
Agent：策略驱动

二、鸿蒙游戏中的 Agent 架构

一个完整的 AI Agent 系统，可以拆成四层：

复制代码 
感知层（State）
   ↓
决策层（Agent）
   ↓
执行层（Action）
   ↓
环境层（Game Engine）

在鸿蒙应用中，通常结构是：

复制代码 
entry
 ├─ pages
 ├─ components
 ├─ services
 ├─ ai   ← 新增
 └─ models

三、第一步：定义游戏状态

AI 想做决策，前提是"看懂世界"。

1、原始游戏状态

ts 复制代码 
// 游戏内部数据（复杂且不稳定）
player.x
enemy.spriteFrame
collisionBox

问题：

  • 不统一
  • 不适合 AI

2、抽象状态

ts 复制代码 
// models/GameState.ets
export interface GameState {
  player: {
    x: number
    y: number
    hp: number
  }
  enemies: {
    x: number
    y: number
    type: string
  }[]
}

3、状态获取

ts 复制代码 
// services/GameStateService.ets
export class GameStateService {

  getState(): GameState {
    return {
      player: getPlayer(),
      enemies: getEnemies()
    }
  }

}

核心原则：

给 AI 的，一定是"稳定结构的数据"，而不是引擎细节

四、第二步：定义动作空间

AI 能做什么，决定了它"能玩到什么程度"。

1、基础动作

ts 复制代码 
// models/Action.ets
export type Action =
  | 'LEFT'
  | 'RIGHT'
  | 'JUMP'
  | 'ATTACK'
  | 'IDLE'

2、执行动作

ts 复制代码 
// services/ActionService.ets
export class ActionService {

  execute(action: Action) {
    switch (action) {
      case 'LEFT':
        moveLeft()
        break
      case 'RIGHT':
        moveRight()
        break
      case 'JUMP':
        jump()
        break
      case 'ATTACK':
        attack()
        break
    }
  }

}

五、第三步：Agent 决策层

1、最简单的 Agent

ts 复制代码 
// ai/SimpleAgent.ets
export class SimpleAgent {

  decide(state: GameState): Action {
    const enemy = state.enemies[0]

    if (!enemy) return 'IDLE'

    if (enemy.x < state.player.x) return 'LEFT'
    if (enemy.x > state.player.x) return 'RIGHT'

    return 'ATTACK'
  }

}

这只是"伪 Agent"，本质还是规则。

2、模型驱动 Agent

ts 复制代码 
// ai/ModelAgent.ets
export class ModelAgent {

  async decide(state: GameState): Promise<Action> {
    const input = this.encode(state)
    const result = await this.runModel(input)
    return this.decode(result)
  }

  encode(state: GameState) {
    return JSON.stringify(state)
  }

  async runModel(input: string) {
    // 调用本地模型 / 云模型
  }

  decode(output: any): Action {
    return output.action
  }

}

六、第四步：调度循环

关键问题：

Agent 怎么接入游戏循环？

1、游戏循环

ts 复制代码 
function gameLoop() {
  update()
  render()
}

2、接入 Agent

ts 复制代码 
const agent = new ModelAgent()
const stateService = new GameStateService()
const actionService = new ActionService()

async function gameLoop() {
  const state = stateService.getState()

  const action = await agent.decide(state)

  actionService.execute(action)

  update()
  render()
}

这样 AI 就"接管了玩家"。

七、鸿蒙特有优化：端侧 Agent

在 HarmonyOS 上，有一个关键优势：

端侧 AI 能力

1、本地推理

ts 复制代码 
async runModel(input) {
  return await localModel.infer(input)
}

优点：

  • 无网络依赖
  • 响应快
  • 隐私安全

2、分层策略

ts 复制代码 
if (simpleCase) {
  return ruleAgent.decide(state)
} else {
  return modelAgent.decide(state)
}

提升性能。

八、进阶：多 Agent 系统

不仅可以一个 AI，还可以多个：

1、敌人 AI

ts 复制代码 
enemyAgent.decide(state)

2、队友 AI

ts 复制代码 
allyAgent.decide(state)

3、玩家 AI

ts 复制代码 
playerAgent.decide(state)

形成：

复制代码 
多智能体系统（Multi-Agent）

九、常见坑

1、状态设计过复杂，AI 学不会。

2、动作过多，决策空间爆炸。

3、性能问题，每帧调用模型会卡顿。

解决：

ts 复制代码 
// 降频
if (frame % 5 === 0) {
  action = await agent.decide(state)
}

4、不可控行为，AI 做出"奇怪操作"。

解决：

  • 加规则约束
  • 限制动作空间

总结

鸿蒙游戏里的 AI Agent，本质是把"玩家"抽象成一个系统模块：

复制代码 
玩家 → Agent
操作 → Action
感知 → State

从工程角度，可以总结为三步：

1、抽象世界

ts 复制代码 
Game → GameState

2、定义行为

ts 复制代码 
Input → Action

3、接入循环

ts 复制代码 
GameLoop → Agent → Action

最终你会得到一个完全不同的游戏形态：

复制代码 
人玩游戏
AI 也能玩游戏
甚至 AI 比人更会玩

如果再往前一步，这个系统甚至可以变成：

一个可训练、可评估、可演化的 AI 世界

这也是为什么很多人开始把游戏引擎（甚至像 OpenClaw）看成：

下一代 AI 系统的"环境层"。

相关推荐
Elastic 中国社区官方博客21 小时前
Elasticsearch：使用 Agent Builder 的 A2A 实现 - 开发者的圣诞颂歌
大数据·数据库·人工智能·elasticsearch·搜索引擎·ai·全文检索
chools21 小时前
【AI超级智能体】快速搞懂工具调用Tool Calling 和 MCP协议
java·人工智能·学习·ai
郝学胜-神的一滴21 小时前
深度学习必学：PyTorch 神经网络参数初始化全攻略（原理 + 代码 + 选择指南）
人工智能·pytorch·python·深度学习·神经网络·机器学习
leobertlan21 小时前
好玩系列：用20元实现快乐保存器
android·人工智能·算法
笨笨饿21 小时前
#58_万能函数的构造方法：ReLU函数
数据结构·人工智能·stm32·单片机·硬件工程·学习方法
jr-create(•̀⌄•́)21 小时前
从零开始：手动实现神经网络识别手写数字（完整代码讲解）
人工智能·深度学习·神经网络
nashane1 天前
HarmonyOS 6学习：解决异步场景下Toast提示框无法弹出的UI上下文丢失问题
学习·ui·harmonyos·harmony app
冬奇Lab1 天前
一天一个开源项目（第78篇）：MiroFish - 用群体智能引擎预测未来
人工智能·开源·资讯
冬奇Lab1 天前
你的 Skill 真的好用吗？来自OpenAI的 Eval 系统化验证 Agent 技能方法论
人工智能·openai
数智工坊1 天前
Transformer 全套逻辑：公式推导 + 原理解剖 + 逐行精读 - 划时代封神之作！
人工智能·深度学习·transformer
热门推荐
012026年4月技术前沿：AI大模型爆发、智能体革命与量子安全新纪元02GitHub 镜像站点032026 年 AI 编程助手全面对比评测：Cursor vs Copilot vs Claude Code vs GitHub Copilot Free042026年4月AI大事件深度解读：大模型竞争进入“深水区“05Claude Code Windows 兼容性问题：指定版本 2.1.112 可解决06AI Weekly | 2026年4月第二周 · GitHub热门项目与AI发展趋势深度解析07UBUNTU Claude Code 报错 claude native binary not installed08近期有什么ai的新消息，新动态？ 2026.4月09从限购到畅通：GLM-5.1 Coding Plan接入攻略10从零部署 Hermes Agent：一只"会成长的 AI 马"保姆级安装教程