跳到主要内容

案例总览:一款足够小、链路完整的游戏

先完成一局,再扩大系统​

竖屏试炼是一款俯视角近战生存教学游戏。玩家在固定场地移动、攻击追击敌人,清空三波后获胜,生命归零则失败,可以暂停、继续和重试,并在本地记录最高击杀数。它把输入、循环、动作状态、命中、敌人行为、HUD、存档和构建放在同一条可阅读链上。规模刻意较小,便于熟悉后端的读者从状态与责任开始,逐步理解实时交互。

先进入交互实验室观察规则,再打开 Cocos Web 示例对照引擎表现,最后下载 Cocos 工程源码在 Creator 3.8.8 中打开。静态产物的实际构建与运行状态以验证报告为准;能打开网页、能够生成微信包和已经通过真机检查是不同结论,不能互相代替。

点击游戏画布后接收键盘输入。下方正文解释同一份规则怎样连接到引擎场景、输入与画面。

案例使用五百四十乘九百六十的竖屏设计坐标,程序化几何绘制角色和场地。桌面用 WASD 或方向键移动,空格攻击,P 暂停;触摸提供底部方向与攻击按钮,也可点击场地移动。没有真实广告、支付、账户、云存档或商业权益。最高记录只是本地教学数据,修改存储不会经过可信服务端校验。

一条循环连接多个知识领域​

动作循环是观察敌人位置,选择移动方向,进入攻击范围,在有效期命中,再利用后摇与击退重新定位。攻击中移动变慢,因而攻击并非完全没有机会成本。局内循环是处理当前波敌人、短暂等待、进入下一波;跨局只保留最高击杀记录,尚无装备成长和内容解锁。这个边界使读者能判断每个新增系统究竟服务于哪一层循环。

这些规则并不代表已经验证的最佳手感。敌人数量、速度、攻击时长与距离都是可修改的教学参数。应先预测改动后会发生什么,再用规则测试和真实试玩分别检查。比如缩短后摇可以提高连续攻击频率,扩大范围可以降低靠近风险,但是否更有趣仍需观察;工程测试只能证明代码按规则工作。

先读规则,再读画面​

共享规则位于 src/lab/arenaRules.ts,构建流程同步到 examples/arena/assets/scripts/rules.ts。其中 createArena 创建初态,startArena 重置并开始,pauseArena 切换运行与暂停,stepArena 接收输入和时间推进。它们不依赖 Sprite、Label 或微信 API,适合直接测试。不要同时手改两份规则,以免站内实验与 Cocos 版本悄悄分叉。

examples/arena/assets/scripts/Arena.ts 是引擎适配层,负责输入、固定步累积、Graphics 绘制、Label、前后台事件和本地记录。examples/arena/assets/scenes/Arena.scene 提供场景入口。阅读时先追踪一次空格输入如何变成 attack,再看模型怎样进入 startup、active、recovery,最后看 paint 如何把阶段画成扇形与文本。这样的阅读顺序比先研究节点创建细节更接近因果。

对于后端读者,可以把 rules 看作领域模型,Arena 组件看作控制器加表现适配器,但要记住每个显示帧都会持续执行。领域函数不是一次请求后就结束,而是反复消费当前输入。按住空格会在上一轮攻击结束后继续发起,触摸攻击按钮则产生一次意图;两种输入的行为差异应在规格和验收中明确。

章节怎样互相映射​

读核心循环时,尝试描述攻击前后的站位取舍;读状态机时,对照局级 status 与动作 attackPhase;读攻击与能力时,追踪 attackId 与每个敌人的 hitAttack;读敌人 AI时,观察方向向量如何产生追击速度。

读界面导航时,检查非运行状态如何显示覆盖层;读HUD 绑定时,区分模型字段和字符串刷新;读存档迁移时,思考为什么最高分可以简单保存,而完整中途恢复需要更多协议。案例没有对象池、寻路、任务和肉鸽生成,相关章节提供扩展思路,不能把理论覆盖误写成当前实现覆盖。

为什么使用几何资源​

几何角色能突出半径、方向和命中范围,也避免素材授权和复杂资源加载干扰第一轮学习。它不能证明正式美术的可读性、图集开销、动画中断和音效体验。换入正式资源后,需要重新检查贴图轮廓与规则范围是否一致,尤其是武器看起来碰到敌人、模型却认为距离不足的情况。表现升级应保留调试几何开关,让问题仍然可诊断。

同样,固定波次让复现更简单,却不能代表程序生成关卡;少量敌人的数组扫描便于理解,却不能证明数百实体的性能;本地存储异常不阻止开局,适合可丢失的最高分,却不适合付费资产。学习案例最有价值的地方之一,是清楚知道哪个简化成立,以及什么条件下必须升级方案。

给 AI 的阅读与修改任务​

可以先要求 AI:“阅读共享规则与 Arena 组件,画出一次攻击的数据流,列出各字段所有者和提交时刻,不改代码。随后只调整一个参数,预测对操作窗口与规则测试的影响。”确认它理解现状后,再给一个小范围扩展,要求保持现有输入、暂停、重试与记录行为。不要直接要求把案例改成完整商业游戏。

验收理解时,让 AI 给出可复现说明:玩家出生位置、第一波数量、一次攻击能命中同目标几次、暂停后哪些时间停止、失败如何优先、最高分何时写入。回答应能在代码中找到对应位置。完成后继续读需求规格,把自然语言转成不变量,再按实现导读核对职责。

用后端经验理解实时性的新增成本​

你已经熟悉的状态校验、幂等、配置版本和日志,在游戏中仍然有效。新增的成本在于时间和空间:同一个输入在前摇与后摇可能有不同结果,两个对象在屏幕上接近不一定属于同一坐标系,回调到达时对象也可能已经进入下一次生命。学习时不必放弃既有工程经验,而是给每条规则再补问三个问题:何时生效、在什么空间判断、何时失去效力。这个提问方式能把模糊的画面问题转成可以测试的模型问题。

也不要把所有服务端实践直接搬进来。当前只有少量敌人,数组和普通函数足够;为了未来扩展而建立通用消息队列、插件容器或远程配置服务,会增加理解成本,却未必改善这一局。先让小系统完整,再在测到限制时升级。案例中的简化都能指出边界,这比以大量抽象掩盖实际行为更适合指导 AI。下一步修改之前,尝试用一段话解释现有循环和一个具体失败场景,确认你和 AI 对规则说的是同一件事。

来源与核查范围​

  • 本仓库 src/lab/arenaRules.ts、examples/arena/assets/scripts/Arena.ts 与案例 README,核查日期:2026-11-17。本文依据当前源码描述教学行为,构建与设备结果另见验证报告。
  • Cocos 3.8 生命周期回调,核查日期:2026-11-17。用于理解组件入口与释放责任。