平衡医生

一台机器每晚上千次地与自己对战 Sigilwake，为游戏听诊，测出它何处不适，并开出药方。这是一个关于我们如何不再手动做平衡的故事——也是同一个大脑的故事：它今天学着战斗，终有一天会独自让整个阵容保持平衡。

第一幕我们不再手动做平衡的那一天

一款格斗游戏，会在某个确切的瞬间，从一个想法变成一道数学题。

对我们来说，那是一个星期二。一个角色赢得太多了。修正看似轻而易举：把他最强招式的伤害稍微调低一点，就搞定了。然后你停下了。因为那个角色并不是一个人在打：他要对战其他所有人。调低那个数值，会让他在面对本就能击败他的对手时更弱，而在面对本就打不过他的对手时依然强势。你挪动一块拼图，另外二十三块都会跟着晃动。你重新算了一遍。然后你发现，靠手动已经再也走不出来了。

从那个星期二起，我们开始构建一个东西，内部戏称它为平衡医生：一个为游戏听诊、测出它何处不适、并开出药方的系统。这是它故事的第一章。

催生技术难题的艺术内核

24 个角色每一个都有自己的套件：招式、被动、属性数值，以及一种独特的战斗身份。有的吸收寒冰，再将它回敬给攻击自己的人。有的随时间缓慢地灼烧对手。有的操控心智。它们是一个个鲜明的个性，而非皮肤。而正是这种多样性——游戏的艺术内核——催生了那道技术难题。

问题：一场组合爆炸的噩梦

一款竞技游戏之所以"平衡"，是因为没有哪个角色是必选项，也没有哪个角色是废物。用数字说：长期来看，每个角色都应该大约赢下一半的对局。五五开。这正是那个平衡点——胜负由玩家的水平决定，而不是由抽到错误角色的霉运决定。

麻烦在于，需要同时盯住多少组配对。24 个角色，可能的配对多达 552 组（每个角色对阵其余 23 个）。任何一处改动——一点伤害、一份消耗、一段持续时间——影响的都不止一场对决：它会连锁地重塑几十场。这就像给一支乐团调音，每调准一件乐器，就有另外二十件跑调。面对这张网格，人类设计师只能凭直觉和试错前进：改一改，打几局，然后祈祷。可几局对战根本不足以把真正的失衡和偶然区分开。每一组配对都需要上千场对决，那个数字才变得可靠——而没有人有时间用手把它们一场场打完。

这张网格是那场噩梦的写照。五百五十二个格子，每一个都是一次判决。人的眼睛在里面会迷失。过分浓烈的绿色是一个碾压别人的角色；饱满的红色则是一个被碾压的角色。目标是把整张表引向一种均匀的色调——既无霸主，也无受害者——同时心里清楚，每一笔涂抹都会牵动其他许多格子。靠手动，这无法驾驭。

论点：如果让机器来玩呢？

到这一步，问题自己就翻转了。如果症结在于需要太多对局、太多计算，那为什么要让人来做呢？

如果由一台机器来玩这个游戏，每晚上千次地与自己对战，自己测出天平朝哪边倾斜，并提出修正方案呢？

这个想法国际象棋界早已熟知：一个与自己对弈数百万局的程序，能比任何人类大师更懂得什么才管用。我们把它转向了另一个目的。我们要的不是一个只顾赢的 AI：我们要的是一个 AI，它把全部 24 个角色都打得很好、彼此捉对厮杀，从而让真正的失衡浮现出来——那些只有在双方都全力以赴时才显现的失衡——然后开出修正它们的药方。

上面这张控制台就是指挥台。每一轮，系统都会在一个不触碰真实游戏的独立环境里，让超过五千场对决开打——全部 552 组配对，反复进行。然后它把这数千场对局的结果浓缩成一个数字，我们称之为 NashGap，你可以把它读作"我们在整个阵容上距离五五开还有多远"。在这一张快照里它是 0.0066，离我们视为"平衡"的门槛只差一线。它是一支体温计。有东西恶化时它上升，药方奏效时它下降。医生不再用肉眼去看 552 个格子：他看的是体温。

一段更宏大弧线的第一步

我们投入做这件事、而非走捷径，是有原因的。与此同时，Sigilwake 正在构建一套新一代的游戏人工智能——一个 AlphaZero 形态的神经网络，正是那一类从零开始、通过与自己对弈学会国际象棋和围棋的系统。这是本项目最前沿的技术，终有一天它将把对手驱动到人类玩家难以企及的水平。

而两条路在这里交汇。今天我们正教它战斗的这同一个网络，一旦达到职业水准，就能独自平衡整个阵容。但有一个必须遵守、且没有商量余地的次序：要在真正贴近实战的游戏物理上训练那个网络，先得有一个干净的阵容，没有霸主，也没有受害者。一个平衡的游戏，就是网络学习所依托的试验台。如果你给它看一个扭曲的世界，它就会学会扭曲地玩。这正是平衡医生要先行的原因：它不是配件，而是其余一切将要立足的地基。我们会在最后一幕再回到这层关系上——它比看上去更紧密。

你今天看到的系统还没有用上神经网络——它用的是一个更简单、更透明的统计引擎，而这是一个刻意的选择：先造出可靠的工具，再去增强它。但方向已经定下。第一块砖就是它：一台与自己对战、并测量游戏体温的机器。让我们打开引擎盖。

第二幕与自己对战的机器

一个与真实游戏隔离的实验病区

要判断一个阵容是否公平，经典的做法是让成百上千的人玩上好几个月，再去读那些抱怨。我们造了不一样的东西：一台与自己对战的机器，为每一组配对打上千次，全在一个从不触碰已发布游戏的密封实验病区里进行。

我们把它叫作 sandbox——这个词在这里恰恰就是"沙盒"的意思：一个可以随便砸烂一切、却不会有任何后果的受保护区域。真实游戏，也就是玩家会跑的那个，活在它自己的文件里。实验病区只在一份副本上工作。这两者从设计上就永不相碰。这与制药实验室是同一套纪律：实验药物在有人签字确认它准备就绪之前，绝不进入病房。而这里的签字，永远出自一个人之手。我们会再回到这一点——正是它让整个系统安全，而非危险。

你在第一幕里看到的那张控制台，就是这个病区的指挥台。它一眼就能看懂，就像汽车的仪表盘。左侧是配置——对手的强度（tier5，那个下手毫不留情的），以及每组配对的十场对局，乘以 552 组配对，就是 每转一圈超过一万一千场对决。中间是命令区，只有一个红色按钮：停止调校，那个巨大的紧急停止键，会干净利落地收尾当前迭代，不留任何半途而废的东西。而在最下面，是唯一会触碰已发布产品的按钮：提升到真实游戏，故意做得很不顺手，由一把锁（Force apply）保护着，必须手动解开。没有任何东西会被误提升。

NashGap: 0.0066 —— 我们衡量阵容距离完美五五开平衡有多远的尺度。取每个角色，看它偏离"赢下一半对局"有多少，把每一处偏差平方（这样大的失衡权重就大得多），再取平均。这个数字越接近零，游戏就越公正。在 0.0066，我们已经很近，但还没进入我们给自己定下的靶心（0.005）——而且我们要求连续三次迭代全部亮绿灯，才肯宣布胜利，就像一位不会在第一次检查合格就让病人出院的医生。

全景视图：看着迭代呼吸

控制台告诉你它状况如何。全景视图告诉你它此刻正在做什么。

顶部，六张卡片概括了这次会话。然后是那条在你眼皮底下移动的行：

LIVE ITER 4 — 3.165 / 11.040 场对局 · 28.7% · 已过去 23m · 平均回合 19.9 · 瞬杀 0

一万一千场对决在排队，三分之一已经打完。还有几个对设计师而言宛如天籁的质量数字：平均一局持续将近二十回合——既不太闪电，也不没完没了——而第一回合就能杀死对手的招式，是 零。没有人在还没来得及出招之前就被秒杀。这正是我们想要的：由招式、而非抽签的运气来决定的对决。

下方是全部二十四人的实时排行榜。系统的诚实在这里立刻显现。榜首，鲜绿色的 glacius 高达 83.3%。垫底，cenere 停在 37.8%。阵容中绝大多数都聚集在 44% 到 56% 之间——队伍的大部分已经平衡——但两端在嘶吼。系统不会把它们藏起来：它把它们放上头版。一张只显示好看数字的控制台，毫无用处。

再往下滚，就到了诊断部分。模拟对手在一眨眼之间就能思考完毕——它是个既强又即时的玩家，这让"一小时内与它对战一万一千次"变得可信。然后是那份令人心痛的清单：开局即注定的配对，也就是一个角色对阵另一个会输掉所有对局的对抗。十二场，零胜。用国际象棋的行话说，这是一种 hard counter：开局即败的局面，无论你走哪一步。这些是最严重的病例，因为——正如我们将在专讲 Doctor 的那一幕看到的——它们没法靠微调一个数字来解决。它们必须被重新设计。

最后是那条给人希望的曲线：距离平衡一次次迭代地下降，指向那条虚线靶心。这是病人正在退去的体温。下方，绿色的柱统计着每一轮提出的修改——在这个阶段几乎全是增强：系统在设法先把弱者拉起来，再去压低强者。

那张网格：谁能打赢谁

排行榜说明每个人赢多少。但它藏起了一个更深的问题：它赢的是谁？一个 50% 的角色可能确实很平衡——也可能碾压半个阵容、又被另外半个碾压，平均值掩盖了这场灾难。要看清它，需要完整的地图：就是你在开篇遇到的那张全身 X 光片，涵盖所有配对的 24×24 网格。

一双有经验的眼睛会把它当作一张 X 光片来读。glacius 那一行是一条鲜绿色的长条——他就是最强的那个病号，是让游戏变得不公平的那个。umbral 那一行恰恰相反，星星点点布满红色和零：它到处都输。再看那些极端的格子，散落各处的干脆利落的 100 和 0：开局即注定的配对，开局即败的判决。网格把它们全部放在一张图里、一齐呈现。这正是人类设计师要花上几周才能手工汇编出来的东西——而在这里，它每次迭代都自行重新生成。

每个人的性格：不只是是否赢，还有怎么赢

还有最后一个问题，最微妙的一个，而对一款游戏而言它或许是最重要的。一个角色可以在 50% 上完美平衡，却依然无聊：如果它总是靠无脑重复同一个招式取胜，数字是没问题，但乐趣已经死了。统计上的平衡还不够。还需要深度。

这正是为什么我们在胜率旁边放了三个指标，它们讲述的是游戏的质量，而不只是结果：

选择多样性（H）衡量一个角色是否真正用上了它的全部武器库。高值（趋近 1,0）意味着它像一个变换出拳的拳手那样交替使用四个技能；低值则暴露出一个单调的玩家。Seraph 和 tessara 在这里闪光（0,95、0,94）：它们打得很丰富。Umbral 除了输，还只依赖少数几招，多样性仅为 0,71。

致命一击的集中度（kb）：有多少胜利是由同一个、一模一样的收尾招式终结的。超过 70% 就会触发红色的 1-trick 标签——那种只学会了一套制胜连招、然后不断重复的角色。系统把它明明白白地标在 theron、zephyr、seraph 身上。它们在数字上是平衡的，但需要变得更多样。

失效技能（dead ab）：角色在可以选择时、却从不选择的招式。一个失效技能既是被浪费的代码，也是对玩家未能兑现的承诺。几乎每一份卡片都会标出一两个。名单顶端又是那些老面孔——glacius 带着它的 77,2% 和那个警示的小三角，然后是 umbral、solaris；而在最下方、精准居中的，是 raiden。

为什么那个沙盒就是一切

让我们在那个让这套系统站得住脚、而非危险的要点上停一下。你所看到的一切——数千场对局、逐渐填满的网格、不断累积的修改提案——都发生在那个密封病区里、在一份副本上。当机器碾过一万一千场对决时，已发布的游戏一个标点都不会变。团队可以去做美术、菜单、一个新模式，而没有人会看到数字在自己脚下移动。

而实验室与病房之间的那扇门，只有凭一个人的签字才会打开。那个提升到真实游戏的按钮，熄灭着、由锁保护着，是唯一的通道。机器想提多少方案都可以；把它应用到真实产品上却是一个决定，而非自动化。这就是一个帮你做出诊断的助手，和一个独自给你动手术的机器人之间的区别。我们刻意造的是前者。

这就是那台与自己对战的机器：测量起来不知疲倦，暴露缺陷时毫不留情，并且从设计上就无法在没有人拍板的情况下破坏真实游戏。它用四种不同的工具测量平衡在哪里坏掉了。但有一种情况——那些开局即被判死刑的角色，那些任何数值微调都救不回来的 0%——即便是最好的测量也会止步。那里需要的不是一支更精确的体温计。需要的是一位重新设计病人的医生。

第三幕Balance Doctor：从药剂师到外科医生

我们为平衡问题造了一位医生。它叫 Balance Doctor，活在一张控制台里。像一位真正的医生一样，它在两个层面上工作。第一层调整剂量。第二层——全新的那层，本章的新意所在——在诊断结果是病人的解剖结构本身就错了、任何剂量都无法把它扳正时才出手。

诊断控制台

Doctor 以一份诊断报告开场。然后是报告的主体：每个病号一张卡片，带着已选定的疗法（"chosen patch"）和预期效果。这不是一份意见清单。它是一份干预措施清单，每一条旁边都有一个数字，就像一份治疗方案：

• umbral → 暗影之爪的消耗从 80 降到 68（让它更省）：预估影响 +5.3 点。
• eclisse → 虚空之箭的威力从 4.2 降到 3.78：约 3.5 点从高处回落至区间内。
• theron → 分叉之刃状态效果的持续时间从 3 回合增至 4 回合：+5.8 点。
• aurora → 强效治疗的消耗从 100 降到 85：+5.3 点。

第一层：转动旋钮

Doctor 手上有一整块旋钮面板——一个技能的消耗、它的伤害随角色属性增长多少、一次冰冻的持续时间、一击造成眩晕的概率——它每次只拧动一格。没有任何技能被彻底推翻：调一调剂量，再重新测量。而在它的限度之内，这管用：靠转动旋钮，医生把大多数角色带进了健康区间。

但极限就在这里浮现。五个最顽固病例的轨迹讲述了两个不同的故事：有的有反应，有的则原地不动。在某些角色身上，校准已经不够用了。

当旋钮不够用时

有一类病人，校准在他们身上不仅不够用——还让情况变得更糟。让我们看清这一点的病例叫 boreus，一个冰之守护者，设计初衷是吸收攻击、再将它回敬。纸面上是个优雅的概念。实际上，它长期低于基准线，而且——这是最反常的部分——我们每次强化它，它反而赢得更少。降低它技能的消耗？更糟。提高威力？还是更糟。

当每一种疗法都让病情加重时，诊断的性质就变了。boreus 的问题不在剂量。而在概念：它的技能、被动和战斗身份彼此咬合的方式，内在就是自相矛盾的。没有哪个旋钮能扳正一副扭曲的解剖结构。需要的是一位外科医生，而不是一位药剂师。

可验证的部分：diff

在谈外科医生之前，先来一次诚实的证明。系统提出的一切最终都汇入同一个地方，而那个地方会在任何东西进入生产环境之前，展示真实的代码，逐行呈现。

而在这里，boreus 的重新设计变得具体可见。它的被动被加上了一个新区块：

data/abilities.json  vs  overlay/abilities.json      +6 · −0      "flatValue": 15,      "multiplier": 1,      "type": "counter"+    },+    {+      "affectsSelf": true,+      "flatValue": 8,+      "trigger": "cantAct",+      "type": "auraDamage"     }   ],   "element": "gel",

翻译过来就是：一圈始终生效的"尖刺"。谁攻击 boreus，谁就承受一份恒定的反伤，而它自己什么都不用做——这与它作为一个惩罚攻击者的防御者身份相吻合。这次干预既精准又局限，一个人在碰生产环境之前十秒内就能读懂。这就是证明：系统的产出不是一张幻灯片，而是真实、可验证的代码。

3.0 的跃迁：重新设计，而非微调

boreus 的那些"尖刺"并不是把旋钮拧动一格：它们是一块被重新设计的套件。这就是这位医生的 3.0 层级——不再校准数字，而是开始重新思考角色的结构。

外科医生的推理建立在我们交到它手里的两套知识库上。第一套是每个角色的背景设定（lore）：它是谁、由什么元素构成、性格如何、怎么战斗。第二套是引擎的机制百科全书：一个技能可以用来搭建的全部积木——光环伤害、生命偷取、反击、控制、护盾。翻开这两本书，Doctor 3.0 就能提出此前力所不及的干预：增加或移除一个效果、替换一个技能、改变触发它的条件、从头重新设计被动、更换原型，或是锻造一个独一无二的签名（signature）。

这些都是强有力的操作——也正因如此而危险。一个错的数字毁掉一个角色；一个错的概念毁掉这个角色的整个构想。因此，重新设计始终伴随着两条不容商量的保证：

1. 逐字引用背景设定。每一条提案都必须挂靠到角色叙事卡片中的一句原文——不是转述，而是精确的引用。这是我们对抗凭空捏造的抗体：如果系统在背景设定里找不到一处字面上的依据，提案就会在到达我们面前之前，先被校验器驳回。
2. 最后拍板的永远是人。没有任何结构性的重新设计会自行应用，从来不会。提案会带着两个按钮出现在控制台里——批准 / 驳回——并停在那里、暂停着，直到有一个人去点击。没有捷径，没有自动模式。它的作用范围太大了，大到不能交给一台机器。

这一切都不是纸上谈兵。下面就是那道人类否决权在真刀真枪地起作用——而机器也因此变得更敏锐——发生在一个名叫 neve 的角色身上：

诚实的教训："设计"对上"选择"

有一个错误值得一讲，因为它很有教益。外科医生的第一个版本是最雄心勃勃的：给人工智能一张白纸，对它说"你从零开始设计这个角色吧"。理论上很优雅。实践中，却是慢得一塌糊涂：一次生成要花四分半钟以上，而且多数时候什么提案都产不出来——直接卡死。一个在敞开的病人面前沉思这么久的外科医生，不是一个有用的外科医生。

诊断很精确：问题既不在问题的规模，也不在环境。是任务本身太重了——"从零设计"是一种开放式的推理行为，无处着力。修正颠覆了整个设定，我们称之为 "design → curate"：现在改由代码生成一系列本就有效的选项——全部挂靠背景设定，全部兼容引擎——而人工智能只需挑出最好的那个，并用自然语言把它讲清楚。从发明者变成策展人。在 boreus 上实测的结果：从"四分多钟、几乎从不给出答案"变为约 50 秒给出一条有效提案，还有一张安全网，保证提案永远存在。普适的教训：当你让一个 AI 在真空里推理，你会在时间和可靠性上付出代价；当你给它具体的选项去挑，它就会起飞。

五个阶段，一句话说清

在引擎盖之下，3.0 版医生是一连五步：(1) 把所有角色的背景设定收集进一个有序的档案库；(2) 把引擎的每一项机制编入一部可查询的百科全书；(3) 打造外科医生的工具——那些重新设计的招式，加上校验它们的校验器；(4) 接入那个负责选择并说明理由的人工智能；(5) 把这一切缝合进控制台，配上"批准 / 驳回"按钮，以及为人工签字而设的强制暂停。

第四幕与大脑的连接：为什么这位医生在训练冠军

到这一步，一位细心的投资者会问一个问题：那又如何？一个平衡的阵容很好，但它是目的，还是手段？

是手段。平衡医生所做的一切——测量胜率、绘制谁能打赢谁的矩阵、计算阵容距离平衡有多远、开出疗法——本身都不是终点。它是我们在其上构建真正病人的手术台：一个游戏神经网络。

我们真正在构建的东西

在 Sigilwake 的引擎里，今天的对手由一个"暴力"思考的人工智能驱动：它向前推演许多步，然后挑出最好的一步。稳健，却对复合策略视而不见——那些在十个回合里徐徐展开的策略。下一步，是一个与击败过围棋和国际象棋世界冠军的系统同族的网络：一部分负责提出招式，一部分负责估计谁在赢，还有一个规划器向前探索十二到二十五步。

围绕这个内核，是极少有工作室敢做的三项扩展。一个习得的世界模型：网络学会想象对局如何一步步演进，而无需重新计算这场交锋的每一个细节——它梦见 rollout，而不是去模拟它们。为 boss 准备的不同人格：同一个大脑，配上一小段"风格码"，就能像一个咄咄逼人的莽夫、或像一个耐心编织控制的织工那样去打。八种人格来自同一个模型，而不是八个各自独立的模型。还有对局中的自适应：一个精巧的薄层，会在单场对局的进程中自我微调，于是终局 boss 在两三个回合里就摸清你的风格，随即改变步调。

最冒险的那块集成——让网络跑在游戏服务器内部，而不是一个单独的服务里——已经验证并交付：每次决策二十微秒，即便在 99 百分位，延迟也在一毫秒以下。

确切的关联：两个方向，同一个大脑

这正是为什么平衡不是一项并行的工作，而是同一段阶梯的第一级。这层关联是双向的。

方向一——平衡的阵容是训练网络的前提。神经网络从数据中学习。如果你把在一个坏掉的阵容上打出的对局喂给它——某个角色因为设计缺陷、而非玩家的选择，只在 5% 的情况下取胜——它学不会好好打：它学会的是利用那个缺陷。而且即便在修正之后，也需要海量的重新训练才能消化掉学到的坏习惯。在我们内部的进度表上，这就是字面意义上的头号前提。战斗物理也一样：网络基于一个内部模拟器做预测，而那个模拟器必须与真实引擎相符。今天我们持续测量它——偏差已经降到 11,64%，目标是把它压到 5% 以下。外科医生不会对着一张模糊的 X 光片动刀。而平衡医生，正是让那张片子对上焦的东西。

方向二——到成熟阶段，这同一个网络会自己平衡自己。一旦网络打到职业水准，就不再需要一位外部医生用手校准数字：网络与自己对战，为每一组配对测量胜率，并提出修正。设计师签字，或者拒绝。你在前几幕里看到的全部机器——控制台、正面交锋矩阵、每个角色的轨迹、做诊断的 Doctor——都是一个流程的手工版本，而这个流程终有一天将由网络自己完成。同一个大脑里的两种能力：以职业水准去玩，以及让它所玩的游戏保持平衡。

而这里就是那个站得住脚的竞争壁垒，不加夸张地说：极少有独立工作室拥有一个能打到冠军水准的人工智能。拥有一个还会自己平衡自己游戏的，则更是凤毛麟角。这两件事凑在一起，出现在一个由小工作室打造的产品里，实属罕见。

这不是一张幻灯片：它跑在真实的基础设施上

值得用一段务实的话收尾，因为在这个行业里，人们很容易把一张路线图误当成一段渲染动画。这一切——平衡闭环、战斗服务器、将要到来的大脑——都活在支撑着游戏的同一套生产基础设施之上。

这些数字描绘出一台节俭的机器。数十个容器，每个都只消耗自身容量的一小部分，在最近的采样窗口里全都零错误。