扩展配方:每次只引入一项新的不变量
先守住现有链路
本页给出可以在竖屏试炼基础上实施的扩展任务,并不声称这些能力已经存在。当前案例只有固定三波、单类追击敌人、近战、暂停重试和本地最高击杀。扩展前保存可运行基线,检查共享规则来源和同步流程,再选择一个问题。每次任务都要声明新增行为、保持的行为和可观察验收,避免一次把简单案例改成难以诊断的大型框架。
原理上,扩展会增加状态、资源或时间关系。新增一种敌人要定义行为切换,新增升级要定义属性来源,新增关卡要定义配置与版本,新增存档要定义恢复协议。代码量并不是主要衡量标准;关键在于能否解释新增不变量,且旧的暂停、命中去重和重试行为仍成立。不要因为一个系统“以后可能需要”,就提前建设通用编辑器。
配方一:加入有方向承诺的冲锋敌人
先给敌人增加类型与动作阶段,使用追击、预警、冲锋、恢复几个明确状态。预警开始时保存方向,后续玩家移动不再改变冲锋方向;画面显示真实承诺方向,恢复期提供反击机会。当前角色朝向可以随移动变化,但敌人的方向锁定是新增规则,不能直接混用玩家字段。预警、冲锋与恢复时间属于需试玩的参数。
给 AI 的任务应限制为一类敌人和一组固定生成点,要求状态转换日志与调试箭头,不同时加入掉落和装备。验收覆盖预警期间玩家侧移、暂停恢复、死亡中断、冲锋结束位置以及重试清除旧阶段。通过后再调整敌人组合,让追击与冲锋产生位置选择,参考敌人 AI和关卡难度。
配方二:波次之间提供三选一升级
新增选择状态,清波后先停住战斗并展示候选,确认后一次提交升级再开下一波。第一版只做范围、移动速度和生命恢复等少量确定效果,不做复杂随机词条。升级定义与局内实例分离,属性从基础值和已选升级推导,避免每次重开重复叠加。候选不足或已满级时要有明确替代,不能把空列表交给 UI 等玩家点击。
AI 任务写清候选是否随机、能否重复、何时生效以及恢复如何计算;当前固定案例若新增随机,应同时引入独立种子流与版本。验收包括暂停中选择、快速双击只提交一次、最高等级排除、重试清空升级,以及关闭面板不跳过选择。增加升级后还需检查攻击范围图形和实际判定是否读取同一派生值,防止只改画面或只改伤害。
配方三:把波次移到配置
将当前数量公式和固定布局转换为带稳定编号的配置,先支持本地 JSON,验证敌人类型、数量、时间与落点范围。运行中固定配置快照,下一局再应用新版本。生成计划全部处理且有效敌人清空,才进入下一阶段;延迟生成不能被当成已经完成。不要一开始就连接远程后台或制作完整关卡编辑器。
AI 任务要求合法与非法配置示例,错误定位到关卡和波次,并保留一个内置安全配置。验收覆盖重复编号、未知敌人、越界点、负时间、空波次和超大数量。坏配置不能创建半局,版本更新不能改变正在进行的攻击。随后再考虑多关卡与解锁,相关方法见配置系统与制作计划。
配方四:用资源替换几何表现
先替换角色外观,保留模型和调试几何。为素材约定尺寸、锚点、朝向、透明边缘和动画阶段,确保画面位置与模型位置一致。攻击素材长度不同,不应自动改变前后摇;动画按规则时间播放,关键伤害仍由模型裁决。音效与粒子消费结算结果,避免每帧重绘时重复播放。
AI 任务只替换表现,不改输入和战斗,要求输出资源来源与引用清单,并保留缺资源降级。验收比较换图前后的相同输入模型快照,检查转向、受击、死亡和暂停中的动画。正式资源进入后重新测量加载与内存,几何版本的性能不作为正式版证据。若需要对象池,先测到具体创建尖峰,再参考复用与生成。
配方五:加入可恢复的局内存档
当前只保存最高击杀,完整恢复需要局级状态、玩家、敌人、动作计时、波次等待、配置身份与未来随机流。第一版可以只允许在波次间稳定点保存,降低恢复复杂度;若要随时保存,则必须准确恢复有效期和去重记录,防止一击在重启后再次伤害同一敌人。节点、Label 和输入按住状态不应写入存档。
AI 任务明确存档模式版本、加载校验、失败保留与未来版本拒绝,最高分和局内档分键管理。验收在前摇、有效期、后摇和波次等待分别退出恢复,确认生命、击杀与去重不重复。若选择仅稳定点存档,界面要如实说明,不伪装成任意时刻续玩。数据方法见存档迁移,不要用本地加密冒充云资产安全。
怎样组织一次扩展审查
先要求 AI 给出当前行为和新增规则的差异表,再实现最小切片,最后运行原有规则测试与新增边界检查。审查时先看状态归属和事件顺序,再看表现;如果任务只涉及 UI,模型快照应保持一致。将文档与测试同步更新,删除已经不适用的限制,不把实施计划永久保留成模糊承诺。实际构建结果继续归档到统一报告。
商业化扩展单独立项。广告需要加载、播放、关闭、失败与恢复状态,以及业务幂等;支付需要可信订单和服务端确认。当前案例没有这些能力,不能把一个奖励按钮换文案就声称接入完成。先完成无商业化的清晰玩法,再在用户明确需求下增加平台能力,并核查当期官方规则与真实环境结果。
每个配方都保留撤销路径
扩展完成后保留新旧规则的差异记录和一组固定输入。如果新能力没有形成预期选择,可以只撤回这一层,而不需要重做输入和场景。配置化、表现替换和局内存档最好分开交付,它们的失败证据不同,混在一起会让回归范围过大。向 AI 提供明确修改目录和现有测试入口,要求它先复用已有函数与标准能力,能减少重复模型和隐藏依赖。配方之间可以组合,但应在每项单独通过后再验证交互,不把单项正确当成组合正确。
来源与核查范围
- 本仓库竖屏试炼当前规则与 Arena 组件,核查日期:2026-11-17。本页五项是具体扩展方案,区别于已实现能力。
- Cocos Engine v3.8.8 NodePool与JsonAsset,核查日期:2026-11-17。用于扩展的版本接口参考。