電腦對手怎麼想

01它沒有自己的規則

做電腦對手最直覺的方式，是「再寫一套規則給它用」。但那代表規則有兩份實作：每次你改規則——像我們這幾天改了推擠、解散、萬用——都得改兩個地方，而且遲早會不同步，變成「規則改了但電腦還在用舊的」。

所以我沒有給它規則。我讓它去操作跟你一樣的介面。

你的一個回合，本質上是一串點擊：先點一張卡，再點格子、再點方向箭頭……電腦做的事，就是產生同一串點擊，跑的是完全相同的那段程式。

02只需要三個接口

要讓程式「代替手指點擊」，只需要三件事：問它現在能點哪裡、幫我點下去、以及先存檔再試（因為搜尋要試幾千種走法，不能真的改到盤面）。

src/game.html — 電腦對手區塊

// ① 現在畫面上有哪些地方可以點？
function legalActions(){
  const f = curFlow();
  if(!f) return null;              // 回合已結束
  const h = handlerOf(f), out = [];
  if(h.spaceTargets) for(const i of h.spaceTargets(f)) out.push({k:'space', v:i});
  if(h.cardTargets)  for(const u of h.cardTargets(f))  out.push({k:'card',  v:u});
  if(h.edgeArrows)   for(const e of h.edgeArrows(f))   out.push({k:'edge',  v:e.id});
  return out;
}

// ② 幫我點下去（跟人類點擊呼叫的是同一個函式）
function applyAction(a){
  const f = curFlow(); if(!f) return;
  const h = handlerOf(f);
  if(a.k==='space')     handleResult(f, h.onSpace(f, a.v));
  else if(a.k==='card') handleResult(f, h.onCard(f, a.v));
  else                  handleResult(f, h.onEdge(f, a.v));
}

// ③ 存檔 → 試 → 完整還原
function withSim(fn){
  const saveS = cloneS(), saveFlow = flowStack, saveSim = SIM;
  SIM = true; flowStack = [];
  try { return fn(); }
  finally { restoreS(saveS); flowStack = saveFlow; SIM = saveSim; }
}

第三點原本是用 JSON.stringify 存檔、JSON.parse 還原，寫起來最短。但搜尋一個回合要存還原上萬次，序列化就成了瓶頸，後來改成手工的淺層複製（cloneS／restoreS）：卡牌物件不會被改，陣列 slice 就夠了。

那個 SIM 旗標是小訣竅：畫面繪製、紀錄欄、悔棋快照這三個函式開頭都有一行「模擬中就直接跳過」。所以電腦在腦中試了幾千種走法時，畫面不會閃、紀錄欄不會被灌爆、你的「取消」與「重來」也不受影響。

03一個回合，就是一串點擊

把回合看成點擊序列之後，事情變得很單純：從打出卡片開始，反覆「問可以點哪裡 → 選一個點下去」，直到流程結束。連打和萬用會疊出子流程，序列自然就變長、變巢狀，不需要特別處理。

04搜尋：想我這手，也想你的回應

知道怎麼列舉點擊序列之後，選一手棋就是四個步驟。第三步是關鍵——不只看自己這手好不好，還要看會不會送對手一個致勝機會。

src/game.html — chooseMove()

function chooseMove(me){
  return withSim(() => {
    // ① 窮舉我這回合所有可行的完整走法
    const seqs = enumerateTurns(me, AI.SEQ_TOTAL);
    if(!seqs.length) return null;

    // ② 每種走法模擬到底，替結果盤面打分
    const scored = seqs.map(seq => ({
      seq,
      score: withSim(() => { replay(seq); return evalBoard(me); })
             + Math.random()*0.5,   // 微擾：避免每局下一模一樣
    }));
    scored.sort((a,b) => b.score - a.score);

    // ③ 取前 30 名，各自模擬對手的所有回應
    const top = scored.slice(0, AI.CANDIDATES);
    const deadline = performance.now() + AI.TIME_MS;
    for(const cand of top){
      // 時間到就停：候選已依啟發值排序，先算的本來就是最有希望的幾手
      if(performance.now() > deadline && cand.final === undefined
         && top.some(c => c.final !== undefined)) break;
      cand.final = cand.score - withSim(() => {
        replay(cand.seq);
        if(S.winner) return S.winner===me ? -100000 : 100000;  // 已分勝負，對手無回應
        const you = S.turn;
        const replies = enumerateTurns(you, AI.REPLY_CAP);
        let best = replies.length ? -Infinity : 0;
        for(const r of replies){
          const v = withSim(() => { replay(r); return evalBoard(you); });
          if(v > best) best = v;
          if(best >= 100000) break;   // 對手已有一步致勝，不必再算
        }
        return best;
      });
    }

    // ④ 只在有算完對手回應的候選中，挑最終分最高的那手
    const judged = top.filter(c => c.final !== undefined);
    judged.sort((a,b) => b.final - a.final);
    return (judged[0] || top[0]).seq;
  });
}

05它在乎什麼：評分函數

搜尋只是把可能性攤開，真正決定它「棋風」的是這段打分。權重最重的那一項，是整套設計的核心判斷：

src/game.html — evalBoard()

return -8*youTop + 3*myTop + 2*(myBears - youBears) + stackScore;

06它不會偷看你的牌

這點在設計上是刻意的：評分函數只讀盤面，完全不碰手牌內容與牌庫順序。所以就算模擬時它「翻」到了牌庫，那些資訊也影響不了任何決策。

預測你的回應時，它用的是你面前那 3 張明牌——而那在實體遊戲裡本來就是公開資訊，人類玩家一樣看得到。換句話說，它掌握的資訊和一個認真的對手完全相同，不多也不少。

07怎麼確認它真的會下棋

「感覺還行」不算驗證。我寫了一段自動檢查：跑一局真實牌局，每個回合先窮舉出所有走法，標記出哪些是「安全的」（走完之後對手沒有一步致勝），然後看電腦選的那手在不在安全集合裡。

• 119 個實戰局面 → 0 次失誤。只要存在安全走法，它每次都選到了。
• 第一版其實漏了 1 次：候選只取前 10 名，而那個局面的 45 種走法裡只有 3 種安全，剛好都排在 11 名之外。把候選提高到 30 之後歸零。
• 另外 4 個局面確認是真的必敗——窮舉出的 22 種走法全部會輸。這種時候選哪一手都一樣，不算失誤。
• 電腦互打 10 局全部正常分出勝負（平均 19 回合），11 種卡牌都被使用過，沒有例外、沒有卡死。
• 後來整套流程機被重寫成 PHP 搬上 Board Game Arena，兩份實作拿同一組亂數種子對拍 3,000 局、265,032 步零分歧。電腦對手在腦中模擬的規則，跟正式版逐步相同。

這種「性質檢查」比逐一寫測資更適合遊戲 AI：我不需要事先知道正確答案是什麼，只要能描述「一個好的選擇該滿足什麼性質」，就能讓程式自己去抓漏。

08限制，以及可以調的旋鈕

誠實說它的天花板在哪：

• 只看兩層。每回合都會補新牌，看更深的收益遞減，不如把算力花在窮舉得更完整。真正的長線布局它是會被算計的。
• 權重是我手調的，沒有經過大量對局最佳化。
• 窮舉有上限。集合和連打的組合數會爆炸，超過上限就隨機取樣——理論上可能錯過最佳解。
• 算對手回應有時間上限。1.8 秒到了就用已經算完的候選決定，罕見的複雜盤面因此可能少看幾手。這是拿極端情況的棋力換「不會卡在那邊想很久」。

要改強度不用動邏輯，改這一行的數字就好：

src/game.html

const AI = {SEQ_PER_CARD:600, SEQ_TOTAL:4000, CANDIDATES:30, REPLY_CAP:250,
            TIME_MS:1800,      // 算對手回應的時間上限
            CARD_MS:1100, STEP_MS:700, STEP_MIN:340, PLAY_BUDGET:2500, WIN_PAUSE:2600};
                               // ↑ 這一排只管播放節奏，跟棋力無關

想讓它變弱（做「簡單」難度），最省事的方式是把 CANDIDATES 降到 1～3，或直接從所有走法裡隨機挑——它就會變成一個只看眼前的對手。