第35章 狂揽八百万，巨头集体破防

机器人陪玩这件事，张折交给了小艾。

不是随便交的。他在三楼角落的那台测试机上开了一个独立进程，把微游戏的全套规则引擎接口丢给小艾，然后敲了一行指令。

“自动识别对手水平，实时调整策略，确保对局胜负比控制在合理区间。”

小艾的响应速度一如既往地快。十秒不到，反馈弹出来了。

“已完成初步适配。请确认：是否需要针对不同棋牌品类设置独立的行为模型？”

“要。”张折盯着屏幕，手搁在键盘上没动，“麻将、象棋、围棋、斗地主、德州，每个品类单独跑一套决策树。麻将里不同地方规则还得再细分。四川血战到底和广东推倒胡的打法差距太大，不能用同一个模型硬套。”

小艾没废话，直接开始跑。

张折在旁边看着进度条走，同时翻开笔记本上记的几个要点。

机器人的核心难点不在“强”，在“像人”。

出牌速度不能太均匀，得有快有慢。偶尔要故意停顿两三秒，让对面以为你在想。该犯的低级错误得犯，但不能犯得太蠢——一个打了五百局的老手和一个刚学会规则的新手，犯错的方式完全不一样。老手偶尔走神漏张牌，新手是连听都不知道自己听了。

这些细节张折在设计文档里写了整整六页。

他让小艾把玩家分成七个水平段位，从完全不会到顶尖高手，每个段位对应一套行为参数。机器人匹配进去之后，先用前三局试探对手水平，然后锁定段位，调整自己的发挥。

赢太多不行，输太多也不行。

张折给了一个粗略的数据线——机器人整体胜率控制在百分之四十五到百分之五十五之间。对弱手适当放水，对强手适当提升。关键是让玩家觉得“这个对手水平跟我差不多”，而不是“这个人怎么老赢我”或者“这个人怎么跟傻子一样”。

跑了大概四十分钟，小艾给出了第一版成果。

张折开了个测试房间，自己坐下来跟机器人打了一局四川麻将。

第一局，机器人的表现中规中矩。出牌节奏还行，偶尔停顿的时间不算突兀，但有个问题——打到中盘的时候，机器人明显在避开他的做牌方向，避得太精准了。

张折皱眉，打了一行字进去：“中盘阶段的防守意识降低百分之十五，不要每次都能精确判断对手听牌。人类玩家做不到这种程度的读牌。”

调完又跑了一局。这次好多了。机器人甚至在他听牌之后还点了一张危险牌过来，让他胡了个对倒。

张折又调了几个参数，把出牌前的“思考时间”加了一层随机波动——基础思考时间一到三秒，遇到关键决策点加到五秒左右，偶尔来一个超长停顿模拟玩家去上厕所或者回消息。

最后这个“去上厕所”的设定是张折临时想到的。他自己打网络棋牌的时候经常碰到对面突然afk半分钟再回来，加上这个细节，真实感直接拉满。

调了一下午，七个段位的行为模型全部跑通。张折又让小艾跑了一万局模拟对战，统计胜率分布和玩家可能产生的异常反馈。

数据出来，胜率曲线落在预期范围内。他翻到最后一页，看到小艾多挂了一行备注。

“最高难度模型已生成。是否需要测试？”

张折打字：“最高难度能到什么地步？”

小艾的回答只有一行：

“象棋品类，当前模型可在不使用开局库的情况下稳定击败国内等级分前十的棋手。”

张折盯着这行字看了几秒。

他没有继续追问其他品类。

不需要问了。能做到这个程度，其他的也不会差到哪里去。

他把对话框关了，搓了搓脸。

最高难度的模型封存，不放进正式版本。困难模式的上限锁定在业余高手级别就够了，再往上会出问题。

那些机器人是给普通玩家用的，不是用来虐职业选手的。

——

接下来的六周，整栋老教学楼进入了高强度赶工模式。

微游戏的开发量比预想的还要大。光麻将一个品类就拆出了一百三十七种地方玩法，每种玩法的规则引擎虽然底层架构通用，但上层的番种判定、胡牌条件、特殊规则全得单独填。策划组的人盯着各地麻将协会的官方规则文档一条一条地校对，有些地方规则连官方文档都没有，只能打电话找当地的麻将馆老板问。