好玩系列：训练一个神经网络模型指导小孩玩游戏2-大局观教练

前言

"循着错误的思考方向得不到正确的答案"
上期回顾：

在上一篇博客中，我们通过逆向广度优先搜索（Retrograde BFS）构建了全量带标签的状态库，并训练了一个微型 ResNet 价值网络来拟合任意残局距离终点的物理步数，据此，指导A*进行华容道求解、提示。

但这本质上依然是一种"微观评估"------它能告诉你当前局面好不好、这一步该走哪，却无法给出一个宏观的全局战略路线。

考虑到文章较长，以下是内容导读

一、图空间与大局观的本质定义

为了构建真正具备"战役大局观"的指导系统，我们需要 先定义清楚问题 ，从底层的数学与拓扑结构出发，厘清华容道的状态空间究竟是什么。

1.1 全状态空间的无向图建模

在上一篇中，我们提到，华容道在剔除完全对称的情况后，包含约 2.6 万个拓扑等价状态，展开所有镜像后约有 128 万个合法物理盘面。

注：轴对称，竖将之间等价、小兵之间等价

在这个空间中：

每一个合法的棋盘局面，可以抽象为图中的一个节点 $SS$ S；
如果盘面 $AA$ A 能够通过移动某一个棋子一格合法地变换为盘面 $BB$ B，则在节点 $AA$ A 和 $BB$ B 之间连接一条无权重的无向边 $(A,B)(A, B)$ (A,B)。

这样，华容道的全解空间就构成了一张庞大但有限的无向连通图 $G=(V,E)G = (V, E)$ G=(V,E)。

1.2 势能场与单向流动

原本一张纯粹的无向图是没有方向的，考虑到华容道游戏的规则是：移动棋子，让曹操走到棋盘出口为成功。

不难理解，在这个图空间中，任意合法节点走到成功，一定存在最短路径（移动步数最少），我们在这个图空间的移动具备目的性，每一次移动，会产生三种可能：

接近成功，新节点到成功的最短步数变近
远离成功，新节点到成功的最短路径变远
保持不变， 注：这一情况我尚未在此图空间中验证是否存在，但在基础逻辑角度出发不能排除

以数学/物理方式来定义上文，可以得出：

我们以终点状态集 $Sgoal S_{\text{goal}}$ Sgoal（即曹操到达底部出口的所有盘面）为基准，利用逆向 BFS 计算出全图中任意节点 $SS$ S 到达终点的绝对最短物理步数，并将其定义为该节点的离散势能（Discrete Potential）：

$Φ(S)= dist⁡G (S,Sgoal)\Phi(S) = \operatorname{dist}$ G(S, S{\text{goal}}) Φ(S)=distG(S,Sgoal)

$Φ(S)\Phi(S)$ Φ(S) 相当于给图中的每一个节点标注了一个"海拔高度"。终点的海拔为 0，离终点越远的局面海拔越高。求解的过程，本质上就是在这个势能场中顺流而下的物理流动。

移动时，使离散势能降低的方向为正方向。

1.3 什么是大局观？

从人类的知识经验来说：在茫茫大海之中，辨别位置和方向，找到通往终点的路径，就是大局观，这个路径，往往是由具备特征的位置点连接而成的。

从数学上来说，从图空间中，找到特征节点构成的DAG，识别当前位置区域，并利用DAG找出一条通往目标节点的路径，就是大局观。

基于对华容道游戏的理解，在从高势能开局流向低势能终点的海量可能路径中，由于棋盘几何形状与滑块规则的严密限制，所有可行的解题链路可能会在某些特定阶段收敛、交汇。

在这些关键交汇处所展现出的标志性阵型以及它们之间的转移关系，构成了整个图空间的骨架网络。

作者按：虽然从直觉经验上做了这项推断，即骨架网络DAG可能存在，我们仍需严谨的证明它存在

二、因为贪婪而产生的两次错误尝试

在确立了大局观的目标后，我开始思考如何让计算机掌握这套大局体系。

作者按：请读者诸君允许我在这里分享一段真实的临床经历。

前段时间，因科研工作需要，我周期性地前往天坛医院参与一项神经康复领域的 IIT 临床研究，协助一位 ASIA-A 级完全性脊髓损伤患者（日常语境中有更直白的词，但我注意到患者内心敏感，不用该词汇）进行以恢复下肢主动行走能力为目标的治疗。

在临床评测体系中，"10 米步行测试（10MWT）"是衡量移动能力重建的关键里程碑。对于一位失去了下肢感觉与运动功能的人而言，走出这 10 米不仅是步态参数的达标，更是重新拿回身体主权的心理分水岭。然而，她在这个关卡前已经停滞了整整两周------在支具辅助与治疗干预下，她能够稳定完成 5 到 7 米的行进，但只要接近最后的终点线，步态就会因过度紧绷与代偿而剧烈变形，屡屡在终点前功亏一篑。

在我结束轮休接手训练的那天，她又一次在距离终点仅剩数米时力竭停下。在测试间隙，我察觉到了她眼中的巨大沮丧。趁着休息时间，我和她闲聊起来：

"在人生中，如果我们非常渴望成功，往往容易事与愿违。因为当我们过度渴望某种结果出现时，注意力不在做事上，而是在脑海中构想结果出现后的场景，这会消耗大量心力。对你来说，应当放下思想负担，放下脑海中的画面，去做好每一个微动作，把注意力完全放在感受重心转移、步长和落点上。只要你走好每一步，走稳走扎实，完成这项测试就是一个体力问题和意志力问题。以你目前的情况，体力储备肯定是够的。"

到了第二天，当训练重新开始时，她的状态发生了惊人的质变。她的视线不再死死咬着终点标线，而是从镜子中观察自己的微动作。

当她心无旁骛地走稳当下的每一步时，奇迹如期而至。

2.1 原始设想与人机交流

回到我们的技术探索。在动手实施前，我和 AI 展开了深入讨论。

在复盘时，我反思了当时的执念："既然我已经有了分步求解的初步构想，那何不更大胆一点？能否设计一个端到端神经网络，直接从当前盘面一步到位推导出整条大局观演进路径？如果能成，方案将极其优雅。哪怕 AI 给出的是一些看似脱离常规的构想，在算力允许的前提下，也值得一试，万一成了呢？"

在输入背景后，AI 受上一代微观价值网络的惯性影响，最初仍试图通过单步搜索向前贪心试探。我打断了它，阐述了我对宏观大局的端到端设想：

大局认知的本质：人类在解华容道时，依靠的不是单步穷举，而是对"大件阵型拓扑演进"的直觉理解与关键路标记忆。
端到端假说（Klotski-YOLO）：借用目标检测领域 You Only Look Once 的哲学------既然我们已经掌握了 128 万全量最优解集，能否训练一个网络，仅"看一眼当前盘面"，就能直接预测出通往终点的大局观路径？

信息显然蕴含在全量数据中，但用何种拓扑与架构去提取，彼时我并无现成把握，决定与 AI 共同试验。

2.2 V2 方案（Klotski-YOLO）：特征降维与均值坍缩

AI 顺着我的端到端思路，走向了一个危险的简化极端：

认为人类识别大局主要看大件（曹操、五虎将）的宏观推进；
因此主张将 4 个小兵和 2 个空格视为局部的"高频扰动噪声"予以忽略；
仅让网络回归大件的宏观坐标流。

作者按：虽然我直觉上感到不安，但端到端一步到位的诱惑冲昏了头脑，在没有直接实验反驳前，我决定让它跑起来。

于是我和 AI 共同构建了 V2 方案------一个固定 250 槽位的回归网络（输出形状为 [250, 34] 的张量，其中 250 对应最长解题路径的预留容量，34 对应各大件的坐标 One-Hot 与意图编码），强行拟合大件演进轨迹。

我们将未参与训练的独立数据作为测试集，经过 100 轮训练收敛后，测试集上的最佳预测准确率仅在 60% 左右徘徊。

当将其集成至 Kotlin 客户端进行实盘演练时，系统频繁暴露出两类致命缺陷：

1、走入死胡同 ------ 同态投影下的小兵死锁（Pawn Deadlock）：

从图空间上，我们已知同态投影（将全状态投影至仅含大件坐标的低维商空间）下存在死锁态：

例如此例中，在大件坐标完全一致的情况下，仅因小兵位置的微妙差异，就会分化为"畅通态"（左图曹操可直接下滑推进）与"死锁态"（右图全盘大件被卡死）。

AI 自信于神经网络的拟合泛化能力，认为训练集全是最优通关路径，只要喂入足够多成功数据，模型自然能学会"只走通畅路线、隐式避开死锁"。

实测发现仅看大件的模型并不具备高质量的泛化能力，直接导致寻路"撞墙"。而且，即便模型看全盘信息，在长链路上仍然产生累积误差。

2、反复横跳 ------ 多模态路径下的均值坍缩（Regression Mean Collapse）

华容道存在大量等价分叉解（例如小兵 A 左移与小兵 B 右移均可在 5 步后达成相同战略目标）。当回归模型使用均方误差（MSE）拟合多模态数据时，数学上的最优收敛解是输出多个方向的"平均坐标"，导致端侧出现无解的"原地拔河"与死循环。

至此可以确定：该模型不具备打补丁纠正的意义，宣告此模型思路失败。

2.3 V3 方案（Klotski-DiT）：连续扩散在离散刚体上的失效

再完成分析论证后，我向 AI 反馈了失败原因。AI 随后提出了 V3 方案：引入扩散模型（Diffusion Transformer, DiT）。

AI 的设计逻辑是：

既然离散回归在面对多分叉时容易发生坍缩，那么可以把通关路径看作高维空间中的一条连续轨迹，通过扩散模型的 DDIM 去噪过程，从噪声中生成一条平滑无环的战役演进轨迹（输出 [16, 11] 的全盘状态时序特征）。
采取力大砖飞的思路，将全部棋子纳入预测。

此方案紧跟当下大模型潮流，确实具有吸引力。根据V2的失败经验，我追问AI：

怎么保障"离散滑块" 到 "连续轨迹" 的可靠性，数学依据是什么？
如果出现误差，经过累积放大，是否会出现非法移动的局面，数学依据是什么？

AI并未给出令人信服的回答，我据此推断这里有坑！

考虑到全尺寸训练会花费至少数日，我决定把问题降维验证，设计一个最小可行微缩模型（Toy Model） ：构建一个仅有 6 个格子（ $2×32\times 3$ 2×3）的微缩华容道宇宙------包含 1 个 $1×21\times 2$ 1×2 曹操、2 个 $1×11\times 1$ 1×1 小兵与 2 个空格，全图仅有 48 个有效刚体状态（BFS 最长通关仅 6 步）。

我们让神经网络输入起点盘面 $S0 S_0$ S0，直接端到端输出未来 6 步的离散轨迹，在严格的物理守恒与连通性检验下，得到了如下评测结果：

数据集 / 评估维度	样本数	指标A: 刚体守恒率	指标B: 单步连通率	指标C: 端到端通关率
训练集 (记忆容量 / Seen)	33	100.00% (198/198)	100.00% (198/198)	100.00% (33/33)
测试集 (泛化能力 / Unseen)	15	68.89% (62/90)	58.89% (53/90)	33.33% (5/15)
全量集 (整体表现 / Overall)	48	90.28% (260/288)	87.15% (251/288)	79.17% (38/48)

注：刚体守恒率检验棋子未形变、无重叠或凭空增减；单步连通率检验相邻步是否符合物理单格合法滑动；端到端通关率检验整条路径是否从起点无缝合法抵达终点。

测试结果非常直观地展现了连续生成模型在离散刚体世界的局限性：

模型虽然能在训练集上实现 100% 的死记硬背；
但在未见过的测试集盘面上，面对微观阻挡与多模态分叉，刚体守恒率骤降至 68.89%，单步连通率仅有 58.89%，频繁出现 "曹操碎裂分身"与"小兵穿墙瞬移" 的离散物理幻觉，端到端通关率暴跌至 33.33%。

这场冒烟测试印证了我的推断：在缺乏离散图拓扑骨架约束的前提下，单纯依靠连续神经网络做端到端轨迹生成，无法保证物理真实性与连通性。 当复杂度提升到真实华容道时，模型天然缺陷带来的错误率并不会下降。

如果要在此基础上进行纠正（例如补丁方案、模型训练时增加刚体约束规则、Loss函数优化等等），付出的精力将是无底洞。

三、 V4 方案：图空间的无监督聚类与商图 DAG

作者按：回归常识，谋定而后动。

经历了两轮端到端方案的挫败，我彻底放下了对"让神经网络一步登天直接预测通关路径"的执念。就像那位在天坛医院完成康复的患者一样：当我们太渴望一个 fancy 的最终结果时，注意力往往会被分散，从而忽略了脚下每一步的物理真实性。

于是，我回归了我最初的解法思路------回到离散图论本身。

3.1 寻找图的自然断层：从宏观分布到拉普拉斯谱分析

在 1.3 节中，我曾基于人类熟练玩家的解题经验做过一个假设：

在从高势能开局流向低势能终点的海量解题路径中，棋盘的刚体几何约束很可能会让可行路径在某些特定阶段自发交汇，形成某种宏观拓扑骨架。并且因为解题具备方向性，它是一个 DAG。

在付诸算法之前，我们需要对此直觉假设做一次证明，我分析了全图空间的拓扑特征，统计节点度数和势能分布：

如 [图1] 所示，全图统计数据揭示了两个核心拓扑特征：

强约束与狭窄瓶颈（左图 a） ：全图节点的平均度数仅为 3.22。这意味着在绝大多数局面下，玩家只有 2~4 种合法移动，图空间极其稀疏，充满了狭长的单行通道；
势能的多峰阶梯分布（右图 b） ：全图任意节点到达终点的最短物理步数（离散势能 $Φ(S)\Phi(S)$ Φ(S)）呈现出显著的多峰分布（在 10 步、50 步、90 步附近均有明显的聚集波峰）。

这一数据从宏观统计上证实了我们的直觉：华容道的状态空间并非均匀平铺的"高维混沌"，而是存在清晰的能量沉淀区与阶段分层。

那么，究竟应该如何将这张多峰图空间，精确切分成若干个宏观战役阶段？最严谨的数学工具便是谱图理论（Spectral Graph Theory）。

我们首先构建了状态图的归一化拉普拉斯矩阵 $L=I−D−1/2AD−1/2L = I - D^{-1/2} A D^{-1/2}$ L=I−D−1/2AD−1/2，并通过特征谱分解观察图空间的固有振动模态与社团结构：

$Δλk= λk+1 −λk \Delta \lambda_k = \lambda_{k+1} - \lambda_k$ Δλk=λk+1−λk

白话解释 ：拉普拉斯特征值的跃迁断层（Eigengap）越大，说明图空间在拓扑几何上越容易被以极低的割边代价，切分成 $kk$ k 个内部紧密连通、外部仅通过极少数狭窄物理通道相连的"社团（战区）"。

如 [图2] 所示，全图拉普拉斯特征谱在 $K=19,44,66,68K = 19, 44, 66, 68$ K=19,44,66,68 等多个尺度位置均出现了极其显著的 Eigengap 尖峰断层。

这从纯拓扑几何上无可辩驳地证明了：华容道全解空间天生具备强烈的社团聚类特征，宏观断层是图空间的客观内在几何属性。

然而，拉普拉斯矩阵本质上是针对静态无向图的分析工具，它只考虑割边代价，并没有把我们在 1.2 节定义的"势能场 $Φ(S)\Phi(S)$ Φ(S)"融入其中。而华容道的游戏规则，要求我们朝势能降低的方向移动（否则是走回头路）。

当我们用离散势能场 $Φ(S)\Phi(S)$ Φ(S)，去检验纯无向谱聚类切出的 19 个战区时，发现：战区之间存在超过 30% 的势能逆流回环（势能单调率仅 70.83%）！

这意味着无向聚类切出的战区之间允许"往回走"，我们无法利用"势能单调下降"这一简单规则形成 DAG，AI 的学习任务难度就会暴增，这意味着 AI 可能会在战区之间兜圈子打转。

作者按：何凯明经常提出一个观点：对人来说很容易的事情，对AI来说往往很难，对AI来说很容易的事情，对人来说往往很难；

人很容易学会牺牲时间精力换取确定性，而机器很难学会。

3.2 离散莫尔斯势流聚类（Morse Potential Flow）

为了彻底根除回流，我们必须将 1.2 节定义的势能场 $Φ(S)\Phi(S)$ Φ(S) 作为硬约束融入聚类算法。我们引入了**离散莫尔斯理论（Discrete Morse Theory）**与势流拓扑分析，提出了一套三步构建机制：

构建诱导有向流场 $G⃗flow \vec{G}_{\text{flow}}$ G flow ：在全图 128 万节点上，仅保留严格满足势能单调递减（即 $Φ(u)=Φ(v)+1\Phi(u) = \Phi(v) + 1$ Φ(u)=Φ(v)+1）的前向边，彻底过滤所有平级震荡与逆流回退；
挖掘流介数中心性（Flow Betweenness）：利用拓扑排序与动态规划，计算所有通关最短路径在图空间中的流量密度，精准锁定主干道交汇的"天然拓扑咽喉"；
势流受限社团划分 ：以莫尔斯流线为骨架，在保证宏观流动满足 100% 势能严格单调递减 的前提下，寻找割集导度最低、社团结构最稳定的划分方案。

1. 战区尺度的拓扑稳定性验证（寻找马尔可夫稳态平台期）

在算法切分战区时，一个核心的数学问题是：切分出的战区数量与边界，究竟是图空间的内在稳态结构，还是微观局部的随机噪声？

为了验证社团划分在时间与动力学扩散维度上的生命周期，我们引入了马尔可夫多尺度稳定性分析（Markov Stability） ：让随机游走粒子在图空间中自由扩散，扫描不同的分辨率尺度参数 $γ\gamma$ γ，寻找聚类数量 $K(γ)K(\gamma)$ K(γ) 保持平缓、模块度 $QQ$ Q 维持极值、且信息变异度（Variation of Information, VI）出现局部低谷的"长寿命稳态平台期（Stability Plateau）"：

对 [图3] 的相图扫描结果进行分析：

稳态平台期（顶部图 a） ：在 $γ∈$ $0.4,0.9$ \gamma \in $0.4, 0.9$ γ∈ $0.4,0.9$ 尺度区间（橙色高亮区），聚类数量曲线呈现出非常平坦的阶梯平台期，说明该尺度下的社团划分具有长寿命稳态，并非参数微调导致的随机波动；
高模块度维持（中部图 b） ：在该区间内，Newman 模块度 $QQ$ Q 始终维持在 $0.9750.975$ 0.975 以上的极高水准，证明切分出的战区内部物理连通极其紧密；
信息变异度低谷（底部图 c）：信息变异度 VI 出现显著收敛，表明不同扩散时间下的聚类结构高度自洽，从动力学上证实了宏观战区划分的物理真实性。

2. 多范式聚类横向基准大比武

为了全方位检验"莫尔斯势流聚类"在各项关键物理与图论指标上的综合表现，我们在 128 万全图上，将本方案与谱图论（Spectral）、动力学稳定性（Markov-Louvain）、人工固定切片（Fixed Slicing）等主流范式进行了多维量化基准测试，并绘制了性能雷达图：

评测综合指标汇总如下：

方案名称	范式分类	簇数 $KK$ K	模块度 $QQ$ Q	平均导度 $Φ\Phi$ Φ	势能单调率	簇均衡度 ( $min⁡/max⁡\min/\max$ min/max)
Spectral ( $K=19K=19$ K=19)	谱图论	19	0.8876	0.0041	70.83%	0.0203
Spectral ( $K=66K=66$ K=66)	谱图论	66	0.9664	0.0100	63.87%	0.0691
Markov-Louvain ( $γ=0.17\gamma=0.17$ γ=0.17)	动力学稳定性	68	0.9720	0.0058	66.20%	0.0075
Fixed Slicing (Step=6)	人工固定步长	22	0.7599	0.1660	100.00%	0.0066
Morse Potential Flow (Ours)	莫尔斯势流	21	0.7010	0.2567	100.00%	0.0203

结合 [图4] 雷达图与基准测试数据，各范式的表现一目了然：

无向算法的"回流硬伤"：高阶谱聚类与 Markov-Louvain 虽有极高的模块度，但在势能单调率上严重折戟（仅 63%~70%），存在大量无法消除的逆流回环，无法直接降维为单向 DAG；
人工经验切片的"生硬失衡"：固定步长切片虽然达成 100% 单调，但由于机械式一刀切，严重割裂了图的自然流形，导致簇大小极度失衡（最大簇与最小簇相差数百倍，均衡度仅 0.0066）；
莫尔斯势流的帕累托最优 ：莫尔斯势流优选方案在 $K=21K=21$ K=21 尺度下，不仅完美承接了拉普拉斯谱分析揭示的宏观断层，更达成了 100.00% 的严格势能单调。在雷达图中覆盖面积最大，实现了模块度、低割集导度、势能单调性与社团均衡度的全面帕累托最优（Pareto Optimal）。

3.3 宏观商图与绝对物理门户

通过莫尔斯势流将 128 万个微观状态划分为 21 个战区后，我们便拥有了建立宏观战略导航的基石。在这一节中，我们通过三项严密的图论构建与实测验证，彻底打通从"宏观大局观"到"微观物理落地"的完整闭环。

1. 宏观战役商图（Quotient DAG）的收束与构建

为了将高维复杂的 128 万微观流形，压缩收束为人类与神经网络都能一目了然的"宏观战略大局骨架"，我们进行了图商空间投影（Quotient Graph Projection $G/∼G/\sim$ G/∼） ：将每个战区 $Ci C_i$ Ci 抽象为一个宏观超级节点，当且仅当微观状态存在跨战区转移时连接有向边，并按势能单调降低方向排列：

对 [图5] 的拓扑流向进行观察：

单向收敛的主干骨架 ：从开局战区 $C20 C_{20}$ C20（平均势能 $Φˉ≈95 \bar{\Phi} \approx 95$ Φˉ≈95 步）顺流而下，经过各阶段战区，平稳汇聚至终点战区 $C0 C_0$ C0（平均势能 $Φˉ≈1 \bar{\Phi} \approx 1$ Φˉ≈1 步）；
宏观战略路线一览无余：全图呈现出一条极其清晰的单向无环骨架，彻底消除了上一代模型在局部死胡同中"盲人摸象"的困境。

2. 严格无环性的流量矩阵代数证明

为了从代数与数据流向层面，严格证明宏观商图绝不存在任何"局部回环"、"死循环"或"跨阶段乱窜"，我们构建了 $21×2121 \times 21$ 21×21 的战区转移流量对数热力矩阵 $Wij =log⁡(1+Traffic(Ci→Cj)) W_{ij} = \log(1 + \text{Traffic}(C_i \to C_j))$ Wij=log(1+Traffic(Ci→Cj))：

对 [图6] 的热力矩阵进行分析：

严格副对角线聚集 ：所有非零流量（深蓝色高亮块）全部紧密集中在主对角线右上方的一阶近邻副对角线上（即 $Ci→ Ci−1 C_i \to C_{i-1}$ Ci→Ci−1），证明微观状态总是井然有序地逐级交接；
下三角绝对零流量 ：主对角线左下方呈现完全纯净的零流量（纯浅黄色），代数上严格证明了下三角元素恒为 0------即宏观流动满足 100% 的严格单调无环性，绝无可能发生战略层面的兜圈子。

3. 确定性物理门户与微观局部可达性验证

宏观骨架确立后，微观上如何实现战区之间的平滑跨越？如果仅给出一个抽象的战区编号，端侧仍然无法直接执行物理移动。

为此，我们在战区跨越的临界割面上，精确提取出了 20 个包含所有 10 块棋子完整绝对坐标的确定性物理门户（Gateway Formations）。为了验证战区内任意微观盘面能否顺利抵达目标门户，我们在 128 万全状态库上执行了全量微观 BFS 局部寻路测试：

对 [图7] 实测数据的解读：

微观步数极短（左图 a） ：在战区内部向目标门户寻路，平均仅需 3.06 步 微观移动，绝大多数状态在 1~5 步轻量挪移内即可精确命中门户；
计算开销雪崩式骤降（右图 b） ：相较于全盘无目标盲目搜索动辄需要展开数万节点的灾难，局部微观 BFS 平均仅需展开 19.1 个节点 ，端侧算力开销暴降 99.9%；
100% 物理可达 ：全量 128 万状态对目标门户的微观连通率达到 100.00%，彻底根除了上一代 V2/V3 方案中小兵死锁与穿墙不可达的硬伤！

四、 V4 神经网络设计与客户端落地

当离线图论明确了宏观商图骨架后，神经网络的角色得以从前两代"盲目端到端生成"彻底回归到它最擅长的领域------模式识别与状态分类。

4.1 保持绝对空间编码的微型网络（Klotski-ClusterNet）

1. 摒弃池化层的绝对空间多任务架构

在华容道游戏中，滑块位置哪怕偏移一格，都会彻底改变物理阻挡与连通拓扑。传统的卷积神经网络广泛采用最大池化（Max Pooling）来获取"平移不变性"，但这在棋盘博弈中恰恰是致命的。

因此，我们设计了极度轻量的全卷积多任务网络 Klotski-ClusterNet：

输入张量 ：采用 [5, 4, 5] 的 One-Hot 多通道张量（5 个通道分别代表：空格、曹操、竖将、关羽、小兵），保留棋盘 $5×45 \times 4$ 5×4 的完整绝对网格；
全卷积无池化主干 ：主干网络全由步长为 1 的 $3×33 \times 3$ 3×3 卷积层与规范化层组成，完全摒弃池化操作，强制网络在每一层特征图上都保持严格的绝对物理空间分辨率；
极度克制的三头输出 ：
1. 战区分类头：输出当前盘面属于 21 个战区中的哪一个（21 分类）；
2. 门户索引头：输出下一步应当前往的宏观目标门户 ID（20 分类）；
3. 空间分布生成头 ：直接预测目标门户在 $5×45 \times 4$ 5×4 棋盘上的五通道离散特征掩码，用于客户端渲染。

2. 训练收敛轨迹与多任务学习验证

为了检验这个仅有几万参数的微型网络，能否在极低算力开销下同时学会三种不同粒度的决策任务，我们在训练与测试集上追踪了 25 个 Epoch 的收敛轨迹：

对 [图8] 训练收敛轨迹的分析：

Loss 稳定收敛（左图 a）：训练 Loss 在 20 个 Epoch 内迅速下降至接近 0，测试 Loss 稳定收敛在 2.0 左右，无剧烈震荡；
分类与空间掩码双达标（右图 b） ：战区分类准确率（Cluster Acc）与门户索引准确率（Gateway Acc）高度同步飙升，在测试集上稳定超过 86.4% ；全盘 20 格绝对空间掩码的完全一致匹配率（Full Board Exact Match）从 30% 稳步攀升至 71.2%，证明无池化架构成功捕捉到了全局棋子布局的刚体约束。

3. 21 战区分类混淆矩阵与边界安全性分析

为了进一步探究模型在宏观战区判断上的可靠性，尤其要确认模型是否会出现"跨阶段大乱窜"的严重误判，我们生成了 $21×2121 \times 21$ 21×21 的宏观战区分类混淆矩阵：

对 [图9] 混淆矩阵的解读：

高对比度对角线：主对角线呈现出鲜艳的深蓝色，证明绝大多数战区的分类精度与召回率极高；
远离对角线的"绝对零误判" ：远离主对角线的非对角区域完全为纯白色（0 误差）。这具有极其重要的物理安全性意义------模型绝不会发生跨阶段的致命错判 （如将开局 $C20 C_{20}$ C20 错判为收官 $C2 C_2$ C2）；
微小误差仅局限于一阶近邻（ $Ci±1 C_{i \pm 1}$ Ci±1）：所有极少数的模糊分类全部严格局限在相邻战区的交界边界上。在实际应用中，相邻战区本来就共享部分连通门户，这种局部平滑过渡对游戏导航完全无害。

4. 样本效率与泛化扩展规律

为了验证模型的大局观究竟是来自于"对离散商图几何规律的真正泛化"，还是仅仅"死记硬背了样本"，我们设计了不同训练数据规模下的样本效率消融实验：

对 [图10] 样本扩展规律的提炼：

惊人的小样本泛化力 ：在仅使用 1.28 万条样本（不到全图状态的 1%）时，战区分类准确率就已经迅速冲破 75%，空间掩码匹配率突破 50%；
对数平滑增长：随着样本规模增加，准确率呈标准的对数平滑增长趋势，证明商图 DAG 标签为神经网络提供了极具规律性的强监督信号。

最终导出的 ONNX 模型体积仅为 50 KB ，在移动端 CPU 上的单次前向推理耗时低于 0.3 ms，彻底满足了端侧实时前向推断的要求。

4.2 客户端双层导航与"小地图门户"交互

离线图论与轻量神经网络的结合，最终在 Kotlin Compose 移动端落地为一套高响应、低功耗且极具趣味性的双层智能系统。

1. 双层分工架构与"小地图（Mini-map）"交互创新

在客户端工程中，我们将传统的单一求解器重构为宏微解耦的双层分工系统：

宏观决策层（50KB ClusterNet）：在玩家移动棋子后，仅需 0.3 ms 即可推断出当前战区 ID 与目标门户；
微观求解层（轻量局部 BFS）：以目标门户为局部终点，在当前战区内快速计算到达该门户的 3~5 步微观动作。

交互设计的迭代：从"幽灵重叠"到"小地图门户（Mini-map Gateway）"

幽灵盘面的视觉干扰：我们早期曾尝试在主棋盘上直接叠加半透明的"幽灵阵型"，但实测发现半透明图层与真实棋子重叠在一起，会造成严重的视觉干扰与操作混乱；

小地图（Mini-map）的极简优雅 ：我们最终将目标阵型移出主盘，在界面侧边/顶部引入了一个独立的缩略棋盘（小地图）。

小地图直接渲染当前阶段的目标 Gateway 门户阵型 。主棋盘保持完全清爽，玩家以小地图为"阶段战术蓝图"自主进行微观挪移；一旦玩家在主盘上成功拼出当前门户，小地图便自动点亮并无缝切换展示下一个 Gateway 局面。这种"打怪通关、逐级点亮里程碑"的交互，兼具大局导航与纯粹的解谜乐趣。

2. 经典名局端侧求解开销与客观 Profile

为了客观检验双层架构在移动端的真实性能，我们在横刀立马、指挥若定、水泄不通、将拥曹营、齐头并进、兵挡将阻等 6 种经典名局上，对比了分层求解器与标准全局 BFS 的性能：

结合 [图11] 与 [图12] 的客观数据：

全局离线求解并无算力优势：全局 BFS 展开约 2.4 万节点耗时 53 ms；而分层求解器累加了 20 次 ONNX 推理与 20 次局部搜索，总节点数（2.2 ~~ 3.3 万）与总耗时（65 ~~ 90 ms）甚至略高于暴力搜索；
核心价值在于运行时即时交互 ：玩家在游戏中是逐步摸索前进的，单次交互仅需展开 19.1 个节点 、局部耗时 < 1 ms，实现了零卡顿与极低峰值功耗。

作者按：关于"伪大局观"与真正的学习门槛

如果偷懒走"邪路"：从终点逆向随便找一条最短路，每隔 8~10 步机械截取一个局面作为小地图目标，也能做出"大局指导"的表象。

但这种假大局观毫无教学意义，它只是在生硬地扔给玩家一个孤立的死答案。这些偶然切片背后没有通用的物理与几何规律，玩家无法归纳出任何思维模型，反而把学习门槛拉高到了"死记硬背海量无序局面"的绝境。

V4 提炼的 20 个 Gateway 门户，是全图 128 万流形在拓扑断层处必然收敛的战略常识（如五将换位、中路打通）。它代表了华容道的底层物理规律，能真正降低认知门槛，对玩家学习华容道以及此类空间迷题起到正面帮助。

3. 经典名局全流程宏观战役推进轨迹

为了直观观察算法在最复杂名局中的实际导航表现，我们记录了"横刀立马"从开局到通关全流程中，宏观战区与物理步数的推进轨迹：

对 [图13] 推进轨迹的解读：

节奏清晰的阶梯爬升 ：从开局战区 $C20 C_{20}$ C20 开始，系统平稳跨越 18 个宏观阶段（经过 $C17→C14→C11→C8→C5→C3 C_{17} \to C_{14} \to C_{11} \to C_8 \to C_5 \to C_3$ C17→C14→C11→C8→C5→C3），累计步数稳步上升至通关；
关键战略节点清晰可见 ：轨迹在 $C14 C_{14}$ C14（开局破局进入中盘）、 $C8 C_8$ C8（中盘换位向曹操下沉过渡）等关键战略枢纽处展现出明确的转折分界，证明分层导航系统在面对最高难度的经典名局时，具备极其稳健的宏观推进能力。

五、结语

5.1 方案的物理边界与局限性

任何技术方案都有其适用的边界，保持客观是严谨工程的前提：

依赖有限可遍历的离散状态空间 ：本方案建立在全图 128 万状态能够离线完整遍历的前提下。对于国际象棋（ $≈1046\approx 10^{46}$ ≈1046）、围棋（ $≈10170\approx 10^{170}$ ≈10170）等超大状态空间，无法直接计算全局拉普拉斯谱与精确势能场，需要结合蒙特卡洛树搜索（MCTS）或局部采样图理论进行近似扩展；
镜像对称性的工程规范化：华容道存在天然的左右镜像对称。为了防止模型在对称局面下发生战区标签震荡，端侧在推断前需执行标准的水平镜像规范化（Canonicalization），确保盘面与战区字典严格对齐。

5.2 心得

前面的章节里已经穿插了诸多具体的复盘与思考，文末就不再长篇大论地絮叨了，就两句话：

AI 不会就是不会，千万别迷信它能凭空创造奇迹。
出来混最重要的是什么？是"出来"！《好玩系列》最重要的是什么？是"玩"！把硬核知识放到一个有趣的问题背景下真正玩起来，一步一步走稳健，就能玩出名堂、玩出成功。

因此，本篇博客不提供任何现成代码，让自己玩起来！