Cocos Creator 的 NPC AI 架构实现

在 Cocos Creator 中构建 NPC AI，并不是简单实现"会动、会说话"的脚本逻辑，而是一个典型的分层控制系统设计问题。一个可维护、可扩展的 NPC AI 架构，核心在于将"感知、记忆、决策、执行"进行明确拆分，并通过中间抽象层实现解耦，从而保证系统在复杂度增长时依然可控。

以下从工程落地角度，系统说明一套适用于 Cocos Creator 的 NPC AI 架构实现。

一、架构设计原则

在游戏运行时，NPC 不应该直接根据输入做出行为，而应该遵循一个标准的决策链路：

感知输入 → 状态更新 → 决策输出 → 行为执行 → 表现层驱动

这里的关键点在于两点：

第一，AI 只负责"做决定"，不直接操作节点

第二，所有行为必须经过约束层过滤

基于此，可以构建如下分层结构：

感知层（Perception）
记忆层（Memory）
决策层（Decision）
意图层（Intent）
行为层（Action）
表现层（View）

这种结构在 Cocos Creator 中可以通过组件组合实现，而不是单一脚本膨胀。

二、NPC 控制器设计

在工程中，建议为每个 NPC 提供一个统一入口组件，作为 AI 的调度中心。

tsx 复制代码

@ccclass('NpcController')
export class NpcController extends Component {

  private perception: PerceptionSystem;
  private memory: MemorySystem;
  private decision: DecisionSystem;
  private action: ActionSystem;

  onLoad() {
    this.perception = new PerceptionSystem(this.node);
    this.memory = new MemorySystem();
    this.decision = new DecisionSystem();
    this.action = new ActionSystem(this.node);
  }

  update(dt: number) {
    const input = this.perception.collect();
    this.memory.update(input);

    const intent = this.decision.think(this.memory.getSnapshot());

    const action = this.action.resolve(intent);
    this.action.execute(action);
  }
}

这个组件本身不包含具体 AI 逻辑，仅负责调度各个子系统，从而保证职责单一。

三、感知系统设计

感知系统用于限定 NPC 的信息来源，是 AI 边界的第一层。

在实际实现中，应避免 NPC 直接访问全局数据，而是通过过滤机制获取"可见信息"。常见过滤条件包括距离、类型和事件触发。

tsx 复制代码

export class PerceptionSystem {

  constructor(private owner: Node) {}

  collect() {
    const result = [];
    const entities = getSceneEntities();

    for (let e of entities) {
      const dist = Vec3.distance(this.owner.worldPosition, e.worldPosition);
      if (dist < 10) {
        result.push(e);
      }
    }

    return result;
  }
}

这种设计确保 NPC 不具备全局视角，从而避免"全知行为"。

四、记忆系统设计

记忆系统用于管理 NPC 的历史信息与当前状态，是决策的基础数据源。

推荐采用分层结构：

短期记忆，用于存储最近发生的事件
长期记忆，用于存储关键事实
状态信息，用于描述当前行为阶段

tsx 复制代码

interface MemorySnapshot {
  shortTerm: any[];
  longTerm: Map<string, any>;
  state: string;
}

export class MemorySystem {

  private shortTerm: any[] = [];
  private longTerm = new Map<string, any>();
  private state: string = "idle";

  update(inputs: any[]) {
    this.shortTerm.push(...inputs);

    if (this.shortTerm.length > 10) {
      this.shortTerm.shift();
    }
  }

  getSnapshot(): MemorySnapshot {
    return {
      shortTerm: this.shortTerm,
      longTerm: this.longTerm,
      state: this.state
    };
  }
}

通过限制短期记忆容量，可以有效控制性能与信息噪声。

五、决策系统设计

决策系统是 AI 的核心模块，其职责是将当前记忆转化为"意图"。

在工程中，推荐优先使用有限状态机作为基础实现方式，因为其具备稳定性强、可预测性高的特点。

tsx 复制代码

export class DecisionSystem {

  think(memory: MemorySnapshot): string {

    if (memory.state === "idle") {
      if (this.hasEnemy(memory)) {
        return "enter_combat";
      }
      return "patrol";
    }

    if (memory.state === "combat") {
      return "attack";
    }

    return "idle";
  }

  private hasEnemy(memory: MemorySnapshot): boolean {
    return memory.shortTerm.some(e => e.type === "enemy");
  }
}

对于复杂项目，可以在此基础上引入行为树，但不建议直接用大模型替代所有决策逻辑。若使用大模型，应仅输出高层意图，并保留规则系统作为约束。

六、意图层设计

意图层是连接 AI 与行为系统的关键抽象层。

其作用是将复杂决策统一映射为有限集合，从而保证系统稳定性。

tsx 复制代码

type Intent =
  | "idle"
  | "patrol"
  | "attack"
  | "flee"
  | "talk";

通过限制意图空间，可以避免 AI 输出不可控行为。

七、行为系统设计

行为系统负责将意图转换为具体执行逻辑，并与 Cocos 的组件系统对接。

tsx 复制代码

export class ActionSystem {

  constructor(private node: Node) {}

  resolve(intent: string): string {
    if (!this.isValid(intent)) {
      return "idle";
    }
    return intent;
  }

  execute(action: string) {
    switch (action) {
      case "patrol":
        this.patrol();
        break;
      case "attack":
        this.attack();
        break;
      case "idle":
        this.idle();
        break;
    }
  }

  private isValid(action: string) {
    return ["patrol", "attack", "idle"].includes(action);
  }

  private attack() {
    const anim = this.node.getComponent(Animation);
    anim?.play("attack");
  }

  private patrol() {
    // 移动逻辑
  }

  private idle() {
    // 待机逻辑
  }
}

这一层必须具备"白名单"机制，确保任何非法行为都被拦截。

八、状态约束机制

为了防止 AI 输出与当前状态冲突，需要引入额外的状态约束层。

例如：

tsx 复制代码

if (memory.state !== "combat" && intent === "attack") {
  intent = "idle";
}

该机制可以防止 NPC 在不合理场景下执行动作，例如在对话中发起攻击。

九、与 Cocos Creator 的结合

在实际项目中，AI 系统需要与引擎组件协同工作，包括：

Animation 控制动画播放
Node 控制位移与层级
EventSystem 处理交互事件
Prefab 实现数据复用

推荐将 AI 逻辑与表现层完全分离，即 AI 不直接修改节点属性，而是通过 ActionSystem 调用接口。

十、性能与调度优化

在多 NPC 场景中，AI 系统很容易成为性能瓶颈，需要进行调度控制。

首先，应避免每帧执行决策逻辑，可以采用降频更新策略。

tsx 复制代码

private timer = 0;

update(dt: number) {
  this.timer += dt;
  if (this.timer < 0.5) return;

  this.timer = 0;
  this.tickAI();
}

其次，可以采用分帧调度，将 NPC 分组执行，从而平摊计算压力。

十一、总结

在 Cocos Creator 中实现 NPC AI，本质上是一个分层控制系统的工程实践问题。关键不在于算法复杂度，而在于结构设计是否清晰。