以下人物、公司与数字均为教学假设,不构成对任何真实产品的评价。阈值、窗口与派系数均为教学设定值,NPC 规模见附录 B 双案例唯一事实表 。
多 Agent 系统最吸引人的地方是涌现:设计者没有写过的行为,从规则之间的相互作用里长出来。玩家会记住「上次那个 NPC 突然联合另一个派系把我围住」,这类故事无法用脚本预先编写。
涌现的另一面是失控。同样的机制也可能长出「所有 NPC 同时追着玩家说话」「某个派系吞并了其他所有派系」「整个社会突然安静下来」。这些行为同样没被写过,但它们是事故,不是惊喜。
区分两者不能靠感觉。这一节把失控收敛成三类可测量的状态,并给出一套能在 5 分钟窗口内判断的规则。
三种失控:太多、太少、太单一
| 状态 | 表现 | 玩家感知 | 主要成因 |
|---|---|---|---|
| 失控 | 事件率远超基线 | 世界太吵,像在刷屏 | 消息或事件预算失效 |
| 熄火 | 事件率远低于基线 | 世界死了,NPC 像木头 | 规则互相抑制,无人触发 |
| 单极化 | 单个派系占比过高 | 其他派系消失了 | 反馈回路让强者更强 |
三类失控的方向完全不同,处理方式也不同。失控要限流,熄火要放宽触发条件,单极化要引入反向机制。用同一套「降频」去处理三类,会把熄火和单极化一起推向更糟。
判据用倍数,不用绝对值
基线与版本强相关:新增一条事件规则,基线就会变。用绝对值定阈值,每次版本更新都要重调;用倍数,阈值可以跟着基线走。
三条判据:
- 事件率高于基线 3 倍,判为失控。
- 事件率低于基线 0.2 倍,判为熄火。
- 单派系占比高于 80%,判为单极化。
3 倍与 0.2 倍不是精确值,而是「明显偏离」的工程近似。它们的作用是触发人工查看,不是自动下结论。真正要判断是设计意图还是故障,仍然需要人看事件序列。
观测用 5 分钟滚动窗口
窗口太短,噪声会让判据反复触发;窗口太长,事故已经扩散完才被发现。5 分钟是一个折中:方舟一场战斗 8 到 12 分钟,5 分钟窗口能覆盖半场,既能看到趋势,也不至于滞后。
窗口按滑动计算,不是按固定分桶。固定分桶会在桶边界出现跳变,同一段行为落在两个桶里会得到不同结论。滑动窗口的每个点都重新统计最近 5 分钟,趋势更平滑。
窗口内还要记录参与角色数。事件率相同但参与角色数不同,含义完全不同:8 个角色产生 10 个事件是正常互动,2 个角色产生 10 个事件是异常密集。
把判据写成可运行函数
下面的实现把事件率、派系占比、三类判定、健康分与刹车判断写成纯函数。
// file: src/swarm/emergence.ts
// tier: L1
// verify: node --test test/swarm/emergence.test.ts
// 涌现的健康度只有三种失控:太多、太少、太单一。
// 观测用滚动窗口,判据用倍数,不用绝对值——基线随版本变化。
export type Window = {
readonly minutes: number;
readonly events: number;
readonly actors: number;
readonly factionShares: readonly number[];
};
export type Baseline = {
readonly eventsPerMinute: number;
};
export type Health = "healthy" | "runaway" | "collapse" | "monoculture";
export const RUNAWAY_RATIO = 3;
export const COLLAPSE_RATIO = 0.2;
export const DOMINANCE_LIMIT = 0.8;
export function eventsPerMinute(window: Window): number {
if (!(window.minutes > 0)) return 0;
return window.events / window.minutes;
}
// 单派系占比取最大值:占比过大说明其他派系已经不再产生事件。
export function dominance(shares: readonly number[]): number {
if (shares.length === 0) return 0;
return shares.reduce((max, share) => Math.max(max, share), 0);
}
// 先判熄火,再判失控,最后判单极化:三者同时出现时,熄火最难挽回。
export function classify(window: Window, baseline: Baseline): Health {
const rate = eventsPerMinute(window);
if (rate < baseline.eventsPerMinute * COLLAPSE_RATIO) return "collapse";
if (rate > baseline.eventsPerMinute * RUNAWAY_RATIO) return "runaway";
if (dominance(window.factionShares) > DOMINANCE_LIMIT) return "monoculture";
return "healthy";
}
// 健康分只用于排序与看板,不替代判据:分数好看但判据不过,仍然要刹车。
export function healthScore(window: Window, baseline: Baseline): number {
const expected = baseline.eventsPerMinute * Math.max(1, window.minutes);
const ratio = expected > 0 ? window.events / expected : 0;
const rateScore = 100 * (1 - Math.min(1, Math.abs(ratio - 1) / 2));
const spread = 1 - Math.min(1, Math.max(0, dominance(window.factionShares) - 0.5) / 0.5);
return Math.round(Math.max(0, rateScore * 0.7 + spread * 100 * 0.3));
}
export function needsBrake(window: Window, baseline: Baseline): boolean {
return classify(window, baseline) !== "healthy";
}
eventsPerMinute 在窗口为 0 时返回 0,而不是除零。空窗口在系统刚启动或刚重启时很常见,返回 Infinity 会让判据误判成失控。
dominance 取最大占比,而不是方差或熵。最大占比直接对应「一个派系是不是独大」,计算简单、可解释,值班人员不需要统计背景就能理解。
classify 的判定顺序是熄火、失控、单极化。三者可能同时出现,比如事件率为零且某个派系占比 100%;这时报熄火,因为它是最难自动恢复的一种,需要先被人看到。
healthScore 把事件率偏离与派系分布合成一个 0 到 100 的分数。它只用于排序与看板,不参与自动决策;分数好看但判据不过时,仍然要按判据处理。
needsBrake 把判据结果转成动作。它不区分三类失控,因为刹车动作由 8.3 的档位系统决定,这里只回答「要不要进入刹车流程」。
健康分只是看板
健康分容易变成新的 KPI:团队盯着分数,把 85 分当成目标,而不是看判据。这会带来两个问题:
- 分数是复合指标,无法定位是事件率还是派系分布出了问题。
- 分数可以被人为拉高,比如扩大窗口或调整权重,而判据不变。
因此健康分只用于两件事:排序多个分片,找出最需要看的那个;以及给出一个随时间变化的曲线,帮助判断趋势。判据是否通过,仍然看 classify 的结果。
区分惊喜与事故的三个问题
判据只能告诉你「偏离了」,不能告诉你「这是好事还是坏事」。区分惊喜与事故要问三个问题:
- 可解释吗。 能不能用几条规则解释这段行为是怎么产生的?解释不了,就是事故。
- 可复现吗。 同样的种子与输入,能不能再次出现?不能复现,就无法验证修复。
- 可撤销吗。 如果玩家不喜欢,能不能在不动整体机制的情况下关掉?关不掉,风险不可控。
三个问题都过,才算惊喜。任何一个不过,都应该按事故处理,即使玩家当下觉得有趣。理由很实际:不可解释的行为无法维护,不可复现的行为无法回归,不可撤销的行为会在某次版本更新后变成灾难。
基线怎么定
基线的计算口径决定判据是否可靠。三种常见做法各有适用场景:
| 口径 | 计算方式 | 适用阶段 | 风险 |
|---|---|---|---|
| 同版本均值 | 本版本上线后的滑动均值 | 稳定运营期 | 早期样本少,噪声大 |
| 上一版本同期 | 上个版本同一时段的均值 | 版本更新后 24 小时 | 结构变化会被误判为异常 |
| 同类型分片对比 | 其他分片的同期均值 | 多分片产品 | 分片之间本身存在差异 |
本书采用同版本均值作为主基线,版本更新后的前 24 小时用上一版本同期兜底。这样既不会在版本刚上线时因为样本少而误报,也不会在结构变化后长期沿用旧基线。
基线要按时间段分别计算。晚间高峰与凌晨的事件率天然不同,用全天均值会让凌晨频繁误报熄火,让晚间频繁误报失控。方舟按小时分桶,每个桶有独立基线。
基线还要记录版本号。判据触发时,值班人员第一件事是确认基线属于哪个版本;用错基线会让整段排查白费。
三类失控的处置方向
三类失控的第一动作完全不同,用错方向会加重问题:
| 状态 | 第一动作 | 不该做的事 |
|---|---|---|
| 失控 | 降消息与事件预算 | 直接关功能 |
| 熄火 | 检查触发条件与抑制规则 | 增大事件预算 |
| 单极化 | 引入反向机制 | 调整派系初始值 |
失控要限流,因为问题出在产出太多。直接关功能会让玩家突然失去整个 NPC 社会,体验断崖;降预算能让世界安静下来,同时保留基本互动。
熄火要查规则,因为问题出在触发链断了。增大事件预算没有用,预算不是瓶颈,触发条件才是。常见原因是两条规则互相抑制:A 要求 B 不在场,B 要求 A 不在场,结果两个都不触发。
单极化要加反向机制,比如其他派系的联合、资源衰减、外部威胁。直接调初始值只能推迟问题,不能改变反馈回路,过一段时间又会回到同样的分布。
哪些涌现值得保留
不是所有没写过的行为都值得保留。值得保留的涌现通常满足四个条件:
- 玩家能用一句话复述给别人听。
- 不与付费、公平规则冲突。
- 不依赖某个未修复的 bug。
- 不破坏其他玩家的体验。
第一条决定了它能不能成为社交货币。玩家会讲「上次 NPC 联合起来骗我」,不会讲「上次事件率达到了每分钟 6 条」。后者的价值在数据里,不在体验里。
第二、三条是维护性要求。依赖 bug 的涌现会在修复后消失,与公平规则冲突的涌现会引发投诉。第四条在多人产品里尤其重要:一个派系把所有玩家都困住,对单个玩家是故事,对其他玩家是事故。
玩家反馈怎么用
玩家反馈是判据之外的第二个信号源,但它只能提示方向,不能直接定性:
| 信号 | 能说明 | 不能说明 |
|---|---|---|
| 投诉 | 某类体验已经影响留存 | 具体是哪条规则导致 |
| 社区讨论 | 行为是否被注意、被复述 | 行为是否普遍发生 |
| 客服工单 | 个别玩家的强烈反应 | 整体分布是否偏离 |
三类信号要分开看。投诉量上升可能是失控,也可能是某次活动带来的正常活跃;社区讨论热烈可能是惊喜,也可能是集体吐槽。把它们混成一个「舆情分」,只会得到一个无法行动的数字。
更稳的用法是:用信号定位时间段与分片,再回到回放与判据里确认。信号负责「去哪里看」,判据负责「看到了什么」。
从异常到修复的闭环
发现异常之后的处理顺序是固定的五步:
- 复现。 用种子回放目标场次,确认异常能稳定出现。
- 定位规则。 逐条关闭规则,找出哪一条是必要条件。
- 最小改动。 只改触发问题的那条规则或那个参数,不顺手重构。
- 灰度。 先在 5% 分片验证,观察判据与玩家反馈。
- 回归。 把这次异常写成回放用例,每次版本更新都跑一遍。
第三步最容易被跳过。团队发现异常后倾向于「顺便优化一下整套规则」,结果引入新的异常,且无法判断是哪次改动导致的。最小改动让因果链保持清晰。
第五步决定这类问题会不会重复出现。没有回放用例,同样的异常会在半年后以另一种形式回来,而团队已经换了一批人。
验收:回放与人工抽检
涌现的验收不能只看指标。指标正常但行为无聊,系统同样失败。验收要做两件事:
- 回放抽样。 每天从线上抽取若干场次的决策日志,按 4.1 的种子回放,检查行为是否与线上一致。
- 人工观看。 每周由策划观看若干段回放,判断行为是否「有趣且不越界」。
两件事的频率不同:回放抽样可以每天做,人工观看只能每周做。前者保证可复现,后者保证有质量。只做前者会得到一堆正确但无趣的行为,只做后者无法覆盖规模。
抽检比例按产品定。方舟的 NPC 社会是核心卖点,抽检比例要高于普通功能;消消的 Agent 只在赛后出现,抽检比例可以低一些。
小结
- 涌现的收益是没写过的行为,风险是这些行为无法解释、复现、撤销。
- 三类失控:事件率过高、事件率过低、单派系占比过高,方向不同,处理方式也不同。
- 判据用倍数不用绝对值:3 倍失控、0.2 倍熄火、80% 单极化。
- 观测用 5 分钟滑动窗口,固定分桶会在边界产生跳变。
- 窗口内要同时看事件率与参与角色数,同样的率含义可能完全不同。
- 判定顺序是熄火、失控、单极化,熄火最难自动恢复,应该优先被看到。
- 健康分只做看板与排序,不替代判据,也不该成为 KPI。
- 区分惊喜与事故要问三个问题:可解释、可复现、可撤销。
- 验收要做回放抽样与人工观看,前者保证可复现,后者保证质量。
- 抽检比例按产品定,核心卖点要高于普通功能。
阅读导航:上一节:8.1 多 Agent 的最小规则 · 下一节:8.3 观测与刹车:什么时候关掉涌现 。
常见错误与边界
- 用绝对值定阈值。 基线随版本变化,每次更新都要重调,最终没人记得当前阈值是多少。
- 只防失控,不防熄火。 世界太安静同样失败,而且更难被投诉发现。
- 把所有偏离都当成事故。 惊喜本身也是偏离,一刀切会把涌现的收益一起关掉。
- 用健康分替代判据。 复合指标无法定位问题,还容易被人为拉高。
- 只做指标验收。 指标正常但行为无聊,玩家一样会流失。
- 事故只处理当次。 不复现、不回归,同类行为会在下次版本更新后再次出现。
判断出异常之后,还需要一套能分级、能升级、能恢复的刹车机制。下一节给出四级刹车与冷静期规则。
继续阅读
探索更多技术文章
浏览归档,发现更多关于系统设计、工具链和工程实践的内容。