用 AI 做鸿蒙游戏 NPC,是一种什么体验?

用 AI 做鸿蒙游戏 NPC,是一种什么体验?
在这里插入图片描述

子玥酱(掘金 / 知乎 / ZEEKLOG / 简书 同名)

大家好,我是子玥酱,一名长期深耕在一线的前端程序媛 👩‍💻。曾就职于多家知名互联网大厂,目前在某国企负责前端软件研发相关工作,主要聚焦于业务型系统的工程化建设与长期维护。

我持续输出和沉淀前端领域的实战经验,日常关注并分享的技术方向包括前端工程化、小程序、React / RN、Flutter、跨端方案,
在复杂业务落地、组件抽象、性能优化以及多端协作方面积累了大量真实项目经验。

技术方向:前端 / 跨端 / 小程序 / 移动端工程化
内容平台:掘金、知乎、ZEEKLOG、简书
创作特点:实战导向、源码拆解、少空谈多落地
文章状态:长期稳定更新,大量原创输出

我的内容主要围绕 前端技术实战、真实业务踩坑总结、框架与方案选型思考、行业趋势解读 展开。文章不会停留在“API 怎么用”,而是更关注为什么这么设计、在什么场景下容易踩坑、真实项目中如何取舍,希望能帮你在实际工作中少走弯路。

子玥酱 · 前端成长记录官 ✨
👋 如果你正在做前端,或准备长期走前端这条路
📚 关注我,第一时间获取前端行业趋势与实践总结
🎁 可领取 11 类前端进阶学习资源(工程化 / 框架 / 跨端 / 面试 / 架构)
💡 一起把技术学“明白”,也用“到位”

持续写作,持续进阶。
愿我们都能在代码和生活里,走得更稳一点 🌱

文章目录

引言

如果你做过游戏开发,一定写过 NPC。而且大概率是这样写的:

if(playerNear){attack()}else{patrol()}

简单、直接、可控。但也有一个明显问题:

NPC 永远是“写死的”

而当你把 AI 引入到 HarmonyOS 游戏里,事情会发生变化:

const action = npcAgent.decide(state)

这时候你会发现:

你不再是在“写 NPC”,而是在“创造一个角色”

一、从“脚本 NPC”到“智能 NPC”

先看最核心的变化。

传统 NPC

if(hp <30){runAway()}else{attack()}

特点:

  • 可预测
  • 可控制
  • 可调试

AI NPC

const action = agent.decide({ hp, enemyDistance, history })

特点:

  • 不完全可预测
  • 有“行为风格”
  • 会“变化”

本质变化:

NPC 从“规则集合”,变成“决策系统”

二、第一感受:NPC“活”了

这是最直观的体验。

传统 NPC

玩家靠近 → 攻击 玩家远离 → 停止 

AI NPC

可能会:

  • 先观察你
  • 选择绕后
  • 假装撤退再反击

开发者的第一反应通常是:

“这行为我没写过啊?”

没错—— 这正是 AI 的价值

三、第二感受:你开始“调性格”,而不是“写逻辑”

传统开发:

if(...)doSomething()

AI 开发:

prompt =` 你是一个谨慎的敌人, 优先保命,其次攻击 `

你在做的事情变成:

设计行为风格(Personality) 

示例

npcAgent.setProfile({ style:"aggressive", riskTolerance:0.8})

本质变化:

代码 → 行为设计

四、第三感受:调试方式完全变了

传统调试:

  • 打断点
  • 看变量
  • 查逻辑

AI 调试:

  • 看输入
  • 看输出
  • 调 prompt

示例

console.log("state:", state)console.log("action:", action)

你会发现:

Bug 不再是“代码错了”,而是“AI 理解错了”

五、第四感受:不确定性

AI NPC 最大的特点: 不可完全预测

好处

  • 更真实
  • 更有趣
  • 更耐玩

坏处

  • 难调试
  • 难复现
  • 可能“失控”

示例

// 有时候 NPC 突然不攻击

你会想:

“是 bug 吗?”

其实可能是:

AI 决策的结果

六、鸿蒙上的独特体验

在 HarmonyOS 上,AI NPC 还有一些独特优势。

1、端侧 AI

const action = localModel.infer(state)

优点:

  • 实时决策
  • 无网络依赖

2、多设备感知

AI 可以感知:

手机输入 TV 状态 传感器数据 

示例

agent.decide({ playerInput, deviceContext, environment })

NPC 变成:

“全场景感知角色”

3、分布式协同

多个 NPC 可以协作:

teamAgent.decide(teamState)

形成: AI 队伍

七、一个完整 AI NPC 示例

我们做一个简单 Demo:

1、NPC Agent

classNPCAgent{asyncdecide(state){if(state.hp <20){return"escape"}if(state.enemyDistance <50){return"attack"}return"patrol"}}

这是“规则 + AI”的过渡版本。

2、接入页面

const action = npcAgent.decide({ hp:this.hp, enemyDistance:this.distance })this.execute(action)

3、执行行为

execute(action:string){switch(action){case"attack":this.attack()breakcase"escape":this.runAway()break}}

这就是最小 AI NPC 架构:

State → Agent → Action → Execute 

八、进阶:接入大模型

如果你接入大模型(LLM),NPC 会更“人性化”。

示例

asyncdecide(state){const prompt =` 当前血量 ${state.hp} 敌人距离 ${state.enemyDistance} 你会怎么做? `returnawait llm.generate(prompt)}

效果:

  • 会说话
  • 会表达情绪
  • 会“演戏”

九、开发建议

1、不要一开始就用大模型

先用:

规则 → 简单 AI → LLM 

2、加“安全边界”

if(!validAction(action)){ action ="idle"}

3、记录行为日志

log.push({ state, action })

4、限制决策频率

setInterval(()=>{ agent.decide()},500)

十、最大的变化

传统 NPC :你写“它做什么”
AI NPC: 你定义“它是什么样的人”

总结

在 HarmonyOS 上,用 AI 做 NPC,本质是一次角色设计方式的升级。

可以总结为四个变化:

1、逻辑变了

if/else → AI 决策 

2、开发方式变了

写代码 → 设计行为 

3、调试方式变了

查 bug → 调 AI 

4、体验变了

NPC → 角色 

最后给你一个很有意思的结论:

当 NPC 不再是“写出来的”,而是“表现出来的”,游戏世界就开始变得真实。

而这,可能才是 AI 游戏真正的开始。

Read more

深度解析Claude官方Skill-Creator,不止是模板,更是AI技能工程化的完整体系

深度解析Claude官方Skill-Creator,不止是模板,更是AI技能工程化的完整体系

在AI Agent快速迭代的今天,Anthropic推出的Claude Skill系统,正在重新定义AI能力的扩展方式。而作为这个系统的“元技能”,Skill-Creator更是打破了人们对“技能开发”的固有认知——它不是简单的SKILL.md文档模板,也不是零散的工具集合,而是一套将AI技能开发标准化、流程化、工程化的完整体系。基于Claude官方Skill-Creator源码(485行SKILL.md,2026年3月7日版本)及Anthropic官方博客资料,我们从设计理念、架构细节、实操流程到企业落地,全方位拆解这个强大的“技能工厂”,让每一位从业者都能看懂其核心价值与应用逻辑。 一、认知澄清:Skill-Creator的本质的是“AI技能工程化系统” 很多人初次接触Skill-Creator时,都会误以为它只是一个用来生成SKILL.md文件的工具,毕竟从表面上看,它确实能引导用户完成技能文档的撰写。但深入源码和官方文档后会发现,它的本质是一个“AI技能工程化系统”,核心目标是解决三类关键问题:Skill是否真的能提升结果质量而不是单纯的心理安慰,Skill是否能在正确的场

封神!2026最火本地AI智能体OpenClaw保姆级教程|新手10分钟部署(领一键部署文档)

封神!2026最火本地AI智能体OpenClaw保姆级教程|新手10分钟部署(领一键部署文档)

封神!2026最火本地AI智能体OpenClaw保姆级教程|新手10分钟部署,扫码直接领一键部署文档 家人们谁懂啊😭! 还在羡慕别人的AI助理能自动干活、管理文件、写代码、发消息?还在为复杂的AI部署步骤头大,看半天教程还是无从下手,要么报错不断,要么适配不了国内环境? 今天给大家挖到宝了—— OpenClaw (原Clawdbot、Moltbot),2026年初正式更名升级,堪称“普通人的第一款本地AI智能体”,不用懂复杂代码,新手跟着走,10分钟就能部署成功,隐私可控还能自定义功能,办公、学习效率直接翻倍! 重点来了:文末附专属福利, 扫描微信二维码,免费领取OpenClaw一键部署教程文档 ,包含详细命令、避坑指南、国内平台适配技巧,打印出来跟着操作,零失败! 先搞懂:OpenClaw到底牛在哪?(新手必看) 很多人以为它是普通聊天机器人,大错特错!OpenClaw是一款 开源、本地优先的AI个人智能体 ,简单说就是“能在你电脑上长期干活的AI助理”,核心优势直接戳中普通人痛点: * 隐私拉满 :所有数据都存在你自己的设备上,不泄露、不上传,

2026 最全 AI 应用学习路线图:工具、心法、资源、趋势、博主推荐一文打包,这一篇够了(万字长文,建议收藏!)

大家好啊,我是甲木。 今天是 2026 年,年后复工第一天,先祝大家复工愉快(bushi 春节期间,好几个朋友问我同一个问题:「你不是搞 AI 的吗,我也想学学,从哪开始啊?」做老师的、做销售的、刚毕业的学生、创业十几年的老板,当然也包括后台经常私信我的粉丝朋友们。 背景完全不同,困惑高度一致,想用 AI 却不知从何入手。 一搜「AI 学习路线」,弹出来的东西直接劝退:线性代数、概率论与数理统计、机器学习、深度学习balabla一堆…直接从入门到放弃.. 所以趁着复工第一天,我把这两年自己摸索的、观察到的、跟各路高手聊出来的经验,做一次彻底的梳理。给大家一份AI学习路线图。 先说清楚:这篇文章不是写给 AI 工程师的。 如果你是计算机科班出身,想去大厂做算法岗,传统路线图对你有用,按部就班学就好。但如果你是运营、老师、

微信也能养“小龙虾”了?QClaw 爆火背后:AI 正在从“会聊天”走向“会干活”

微信也能养“小龙虾”了?QClaw 爆火背后:AI 正在从“会聊天”走向“会干活”

🔥 个人主页:杨利杰YJlio❄️ 个人专栏:《Sysinternals实战教程》《Windows PowerShell 实战》《WINDOWS教程》《IOS教程》《微信助手》《锤子助手》《Python》《Kali Linux》《那些年未解决的Windows疑难杂症》🌟 让复杂的事情更简单,让重复的工作自动化 微信也能养“小龙虾”了?QClaw 爆火背后:AI 正在从“会聊天”走向“会干活” * 1、微信也能养“小龙虾”了?这次真的不是玩梗 * 2、OpenClaw 为什么突然这么火? * 3、QClaw 和普通 AI 的本质区别,到底在哪? * 3.1 传统 AI 的工作流 * 3.2 QClaw 这类