给五子棋加AI对战的时候，需求其实挺明确：支持双人和人机两种模式，AI默认拿白棋，玩家先手。难度分三档------简单、中等、困难，让不同水平的玩家都有得玩。界面交互上，选了人机模式后自动把难度选项亮出来，一局结束重置棋盘时如果轮到AI先走，得让它自己走第一步，别傻等着玩家点。这些细节单拿出来都不复杂，但串在一起的时候容易漏，特别是状态切换的边界条件，线上跑一下就暴露了。
简单模式没什么好说的，就是随机选个空位下。
刚开始我还想，这能有啥体验？后来发现对完全没接触过五子棋的人，上来先跟随机AI玩两把，能熟悉落子规则和胜负判定，倒也不全是摆设。实现上就是维护一个空位列表，每次从里面随便抽一个坐标。
中等模式开始要动点脑子。核心是一套基于棋型打分的评价函数。
基本想法是，遍历棋盘上所有空位，对每个空位模拟我方（AI）落子和对方（玩家）落子两种情况，分别计算进攻分和防守分，两个加起来作为这个位置的最终分数，选最高的下。进攻分就是假想AI自己下这里能形成多好的棋型，防守分则是假想如果堵在这里能破坏对手多好的棋型。
棋型怎么定义直接决定了AI的智商。连五肯定最高分，活四、冲四、活三、眠三这些依次递减。这里很容易踩坑的是棋型的识别顺序，活四和冲四的判断必须放在连五前面，否则可能漏识别，导致分数算错。我一开始把连五的判断写在最前面，后来发现有些活四的延伸局面因为已经包含连五就直接返回最高分，导致对防守的评估失真，来回改了几次才稳定下来。中等难度的AI会进攻，也会象征性防守一下，但经常出现"看到活三知道堵，但堵完发现另一边又漏了"的情况，属于能跟新手有来有回的水平。
困难模式没有换算法，还是用评分那一套，但把防守的权重拉高了，并且让AI优先考虑棋盘中心区域。具体做法是，在计算每个空位总分的时候，除了进攻分和防守分，还叠加上一个与棋盘中心距离有关的位置分，越靠近天元分数越高。
另外，防守分的计算比中等模式更细：中等模式只看当前落子能直接堵住对方什么棋型，困难模式会多模拟一步，如果对手在这个位置附近连续进攻，会不会形成必杀。说白了就是让防守分的评估更"提前"一些，同时当进攻和防守分数接近时，优先选防守，避免被一波带走。这样下来，AI的棋力大概从"会下棋"变成了"知道什么时候该认怂"，偶尔还能打出一个反先手。
评分系统的结构其实三层就够：先定义棋型模式和对应的分值常量，然后写一个局势扫描函数，对某个空位沿四个方向（水平、垂直、两条对角线）统计连子情况，跟棋型模式匹配得出一个分数，最后在决策函数里遍历空位求和。
中小企业也能零成本拥有专业SSL方案！lcjmSSL免费提供通配符证书、多域名证书，单张覆盖100个域名。自动化验证+自动部署，让您专注业务本身，安全交给系统。
困难模式无非是在求和逻辑里多加了几项加权，以及把扫描函数改得更敏感一些。伪代码大概是这样：
getAIMove 根据传入的难度字符串分发，easy 直接 randomEmptyPosition，medium 调 mediumModeMove，hard 调 hardModeMove。mediumModeMove 里维护一个 bestScore 初始负无穷，对每个空位 score = evaluatePosition(pos, board, "offense") + evaluatePosition(pos, board, "defense")，如果比 bestScore 高就更新 bestMove。
hardModeMove 结构一样，但 evaluatePosition 内部会带一个 depth 参数，做一层浅层预判，同时合并位置权重。
这个过程中性能倒没出问题，15x15的棋盘，空位最多225个，每次打分都要做四方向扫描，最坏情况下一层搜索也就几万次比较，在浏览器里跑也不卡。唯一需要注意的是别在循环里频繁创建临时数组，否则内存抖动会让帧率掉一下，写的时候顺手用几个预分配的变量就避过去了。
整体做下来，最大的感受是难度设计不一定要上多复杂的算法，把评分项的权重调对、防守时机掐准一点，AI的表现就会有明显提升。真要往深了做肯定得上极小化极大或蒙特卡洛树搜索，但作为一个网页小游戏的人机对战，这套纯评分方案已经能撑住三个难度，而且代码量很小，改bug也方便。后续如果有时间，我可能会在困难模式里加一个简单的开局库，让前期不再无脑堆中心，否则老玩家打几盘就能抓到套路。