1. 项目概述为什么选择Unity3d做五子棋如果你对Unity3d的印象还停留在制作3A大作或者炫酷的AR/VR应用那今天这个项目可能会让你有点意外。没错我们就是要用这个“重型”引擎来做一个规则简单、界面朴素的五子棋。很多人第一反应可能是“杀鸡用牛刀”但恰恰是这种“小题大做”才能让我们把Unity3d里那些看似基础实则至关重要的模块——UI系统、输入交互、游戏逻辑、状态管理——给彻底摸透。这比跟着教程做一个花里胡哨但逻辑混乱的Demo要有价值得多。五子棋规则人人皆知这让我们可以抛开繁琐的规则解释把100%的精力聚焦在“如何用代码优雅地实现它”上。你会遇到的核心问题包括如何用UGUI高效构建可交互的棋盘与棋子如何设计一个清晰、健壮的游戏逻辑状态机来判断胜负如何实现一个哪怕很“笨”但逻辑完整的人机对战AI以及如何让整个项目的代码结构清晰、易于维护和扩展这个项目就是一个绝佳的“麻雀虽小五脏俱全”的实战练兵场。无论你是Unity新手想找一个有完整闭环的入门项目还是有一定经验的开发者想深化对游戏架构的理解这个五子棋项目都能让你收获颇丰。2. 核心模块设计与架构思路一个完整的五子棋游戏我们可以将其自上而下拆解为几个核心层这种分层思想对于任何规模的项目都至关重要。2.1 表现层UGUI的灵活运用表现层负责一切玩家能看到和交互的内容。在Unity中UGUI是我们的不二之选。对于五子棋棋盘常见的做法有两种一是使用一张完整的棋盘图片作为背景二是用代码动态生成网格。对于实战学习而言我强烈推荐第二种。你可以使用Horizontal Layout Group和Vertical Layout Group来快速排布按钮Button作为棋格这样既能自动处理间距和对齐又能为每个棋格绑定点击事件。棋子的表现则更有讲究。简单的做法是准备黑白两色的精灵Sprite在玩家或AI落子时在对应的棋格位置实例化出来。但更优的做法是使用一个棋子预制体Prefab这个预制体上挂载一个脚本用于控制其显示黑或白以及可能的动画效果比如使用Dotween实现一个棋子从无到有、轻轻弹跳的落子动画。将表现逻辑封装在独立的预制体或脚本中能让你的核心游戏逻辑代码更加干净。注意不要试图用一个Image组件通过切换Sprite来同时表示棋盘格和棋子。这会给后续的点击检测和状态管理带来混乱。坚持“一个功能实体对应一个游戏对象”的原则棋盘格负责交互棋子对象负责展示。2.2 逻辑层数据模型与状态机这是项目的“大脑”它完全独立于表现层只关心数据和处理规则。我们需要定义几个核心的数据结构棋盘数据模型一个二维数组如int[15,15]是最直观的选择。0表示空位1表示黑子2表示白子。这个数组是游戏状态的唯一真相来源。游戏状态使用枚举enum GameState来清晰定义游戏的各个阶段例如WaitingForPlayer等待玩家落子、AITThinkingAI思考中、GameOver游戏结束并包含胜负信息。状态机控制着游戏的流程流转。回合管理记录当前是该黑方下还是白方下。这通常与游戏状态关联。逻辑层的核心函数包括MakeMove(int x, int y)在指定坐标落子。它需要验证该位置是否为空、更新棋盘数组、切换当前回合并立即调用CheckWinner(int x, int y)检查是否有五子连珠。CheckWinner(int x, int y)这是算法的核心。为了提高效率我们不需要每次检查整个棋盘只需以最新落子点(x, y)为中心向四个方向水平、垂直、左上右下、右上左下进行扫描统计连续的同色棋子数量。任何方向达到5即判定胜利。IsBoardFull()检查棋盘是否已满用于判断平局。2.3 AI层从“随机”到“策略”人机对战的AI是项目的亮点也是难点。我们可以实现一个由浅入深的AI体系随机AI在所有空位中随机选择一个落子。这是最简单的实现用于验证游戏逻辑是否通畅。基于规则的初级AI这是实战中非常有价值的练习。AI会按优先级尝试以下操作进攻检查自己是否有形成“活四”两头无阻挡的四子连线或“冲四”一头被堵的四子的局面有则直接取胜或迫使对方防守。防守检查玩家是否形成了上述威胁有则必须在关键位置落子阻挡。创建优势如果以上都没有则尝试在能同时创造多个“活三”或“冲四”的位置落子。随机落子如果以上规则均未触发则退化为随机AI。高级AI如Minimax算法这是一个巨大的跨越。AI会模拟未来几步棋所有可能的发展构建一棵博弈树并采用评估函数给棋局打分通过Minimax算法通常配合Alpha-Beta剪枝优化来选择对自己最有利、对对手最不利的落子点。这对于理解搜索算法和博弈论非常有帮助但计算复杂度较高可能需要设置搜索深度限制。在项目初期我建议先实现随机AI确保链路跑通再挑战基于规则的AI。Minimax可以作为后续的扩展目标。2.4 控制层粘合一切的胶水控制层通常是一个或多个管理器Manager单例负责协调表现层、逻辑层和AI层的运作。例如一个GameManager在Start方法中初始化棋盘数据模型和UI。监听棋盘格按钮的点击事件事件触发后调用逻辑层的MakeMove。根据MakeMove的结果和返回的游戏状态更新UI显示棋子、显示胜负信息、禁用交互等。如果是AI回合则在玩家落子后启动一个协程Coroutine或异步任务调用AI的思考方法模拟思考延迟后再执行AI的落子操作。清晰的架构能让你的代码在面对“我想加一个悔棋功能”或“我想换一种棋盘样式”的需求时从容不迫只需要修改或扩展对应的层而不会牵一发而动全身。3. 关键实现细节与源码解析接下来我们深入到代码层面看看几个核心功能如何具体实现。3.1 棋盘与棋子的动态生成我们不依赖外部图片完全用UGUI动态构建一个15x15的棋盘。// ChessboardManager.cs 部分代码 public class ChessboardManager : MonoBehaviour { public GameObject gridPrefab; // 一个简单的Button预制体 public GameObject piecePrefab; // 棋子预制体 public Transform boardParent; // 棋盘的父物体 public float gridSize 40f; public float spacing 5f; private GameObject[,] gridObjects new GameObject[15, 15]; // 记录每个格子对象 private GameObject[,] pieceObjects new GameObject[15, 15]; // 记录每个棋子对象 void Start() { GenerateBoard(); } void GenerateBoard() { for (int i 0; i 15; i) { for (int j 0; j 15; j) { // 实例化格子 GameObject grid Instantiate(gridPrefab, boardParent); gridObjects[i, j] grid; // 计算位置 float posX j * (gridSize spacing); float posY -i * (gridSize spacing); // Y轴向下为负符合UI坐标系 grid.GetComponentRectTransform().anchoredPosition new Vector2(posX, posY); // 为格子按钮添加监听传入坐标 int x i, y j; // 闭包问题需要缓存变量 grid.GetComponentButton().onClick.AddListener(() OnGridClicked(x, y)); } } } public void PlacePiece(int x, int y, PieceType type) { if (pieceObjects[x, y] ! null) return; // 该位置已有棋子 GameObject piece Instantiate(piecePrefab, boardParent); pieceObjects[x, y] piece; // 设置棋子位置与对应格子对齐 piece.GetComponentRectTransform().anchoredPosition gridObjects[x, y].GetComponentRectTransform().anchoredPosition; // 根据棋子类型设置颜色或Sprite PieceRenderer renderer piece.GetComponentPieceRenderer(); renderer.SetPiece(type); // 可以在这里添加Dotween动画 // piece.transform.localScale Vector3.zero; // piece.transform.DOScale(Vector3.one, 0.3f).SetEase(Ease.OutBack); } void OnGridClicked(int x, int y) { // 将点击事件传递给GameManager处理 GameManager.Instance.OnPlayerClickGrid(x, y); } }实操心得这里有一个初学者常踩的坑——循环中的闭包问题。在AddListener中直接使用循环变量i和j所有监听器最终捕获的都是循环结束后的值都是14。必须像上面代码一样在循环内部创建局部变量x和y来保存当前坐标才能正确绑定。3.2 胜负判定算法详解CheckWinner函数是逻辑核心其效率直接影响游戏体验。以下是基于最新落子点的四方向扫描实现// GameLogic.cs 部分代码 public enum PieceType { Empty, Black, White } public class GameLogic { private PieceType[,] board new PieceType[15, 15]; public bool MakeMove(int x, int y, PieceType currentPlayer) { if (board[x, y] ! PieceType.Empty) return false; board[x, y] currentPlayer; if (CheckWinner(x, y)) { // 游戏结束当前玩家获胜 return true; } // 检查平局... return false; } private bool CheckWinner(int x, int y) { PieceType target board[x, y]; if (target PieceType.Empty) return false; // 四个方向向量(1,0)水平, (0,1)垂直, (1,1)左上到右下, (1,-1)右上到左下 Vector2Int[] directions { new Vector2Int(1, 0), new Vector2Int(0, 1), new Vector2Int(1, 1), new Vector2Int(1, -1) }; foreach (var dir in directions) { int count 1; // 计数包括当前落子 // 向正方向检查 count CountDirection(x, y, dir, target); // 向反方向检查 count CountDirection(x, y, -dir, target); if (count 5) { return true; } } return false; } private int CountDirection(int startX, int startY, Vector2Int direction, PieceType target) { int count 0; int curX startX direction.x; int curY startY direction.y; while (curX 0 curX 15 curY 0 curY 15 board[curX, curY] target) { count; curX direction.x; curY direction.y; } return count; } }这个算法的优点是高效无论棋盘多大它只检查最多8个方向上的连续棋子。CountDirection函数是一个可复用的工具函数代码非常清晰。3.3 基于规则的初级AI实现下面实现一个具备进攻和防守意识的规则AI。我们首先需要一个评估函数用来给一个特定的空位打分分数越高AI越可能在此落子。// SimpleRuleBasedAI.cs public class SimpleRuleBasedAI { private GameLogic gameLogic; private PieceType aiPiece; public SimpleRuleBasedAI(GameLogic logic, PieceType aiColor) { gameLogic logic; aiPiece aiColor; } public Vector2Int FindBestMove() { ListVector2Int emptyPositions GetAllEmptyPositions(); if (emptyPositions.Count 0) return new Vector2Int(-1, -1); Vector2Int bestMove emptyPositions[0]; int highestScore -1; foreach (var pos in emptyPositions) { int score EvaluatePosition(pos, aiPiece); // 评估AI在此落子的价值 score EvaluatePosition(pos, GetOpponentPiece(aiPiece)) * 0.8f; // 评估对手在此落子的威胁并赋予权重 // 可以加入位置权重比如中心位置基础分更高 int centerX 7, centerY 7; int distanceFromCenter Mathf.Abs(pos.x - centerX) Mathf.Abs(pos.y - centerY); score (14 - distanceFromCenter); // 越靠近中心加分越多 if (score highestScore) { highestScore score; bestMove pos; } } return bestMove; } private int EvaluatePosition(Vector2Int pos, PieceType player) { // 这是一个简化的评估模拟在此位置下一颗子然后检查形成的棋型 // 在实际项目中这里应该调用一个更复杂的棋型识别函数 // 例如识别出“活四”、“冲四”、“活三”、“眠三”等并赋予不同的分数 // 这里用伪代码表示 int score 0; // 假设我们有一个函数可以获取此位置在八个方向上的棋型 // ListChessPattern patterns IdentifyPatternsAt(pos, player); // foreach(var pattern in patterns) { score pattern.GetScore(); } return score; } private ListVector2Int GetAllEmptyPositions() { ListVector2Int list new ListVector2Int(); for (int i 0; i 15; i) { for (int j 0; j 15; j) { if (gameLogic.GetBoardPiece(i, j) PieceType.Empty) { list.Add(new Vector2Int(i, j)); } } } return list; } }注意事项EvaluatePosition函数是规则AI的“灵魂”。一个强大的规则AI需要一套完善的棋型库和评估体系。你可以预先定义好“活四”10000分、“冲四”1000分、“活三”500分、“眠三”100分等模式然后在EvaluatePosition中模拟落子后扫描四个方向匹配这些模式并累加分数。这比简单的连续子计数要强大得多。3.4 游戏状态管理与流程控制GameManager作为总控使用状态机来管理游戏流程是最清晰的做法。// GameManager.cs (单例模式简化版) public class GameManager : MonoBehaviour { public static GameManager Instance; public enum State { PlayerTurn, AITurn, GameOver } private State currentState; private GameLogic gameLogic; private ChessboardManager boardManager; private SimpleRuleBasedAI ai; private PieceType currentPlayer PieceType.Black; // 黑先 void Awake() { Instance this; } void Start() { gameLogic new GameLogic(); boardManager FindObjectOfTypeChessboardManager(); ai new SimpleRuleBasedAI(gameLogic, PieceType.White); // 假设AI执白 currentState State.PlayerTurn; UIManager.Instance.UpdateStatus(黑方玩家回合); } public void OnPlayerClickGrid(int x, int y) { if (currentState ! State.PlayerTurn) return; bool moveSuccess gameLogic.MakeMove(x, y, currentPlayer); if (!moveSuccess) return; // 落子无效 // 更新表现层 boardManager.PlacePiece(x, y, currentPlayer); // 检查游戏是否结束 if (gameLogic.IsGameOver) { currentState State.GameOver; UIManager.Instance.ShowGameOver(currentPlayer); return; } // 切换回合 SwitchTurn(); } private void SwitchTurn() { currentPlayer (currentPlayer PieceType.Black) ? PieceType.White : PieceType.Black; if (currentPlayer ai.aiPiece) { currentState State.AITurn; UIManager.Instance.UpdateStatus(白方AI思考中...); // 使用协程模拟AI思考延迟避免卡住主线程 StartCoroutine(AIMoveCoroutine()); } else { currentState State.PlayerTurn; UIManager.Instance.UpdateStatus(黑方玩家回合); } } IEnumerator AIMoveCoroutine() { // 模拟思考时间让游戏体验更自然 yield return new WaitForSeconds(0.5f - 1.5f); Vector2Int aiMove ai.FindBestMove(); if (aiMove.x 0) { gameLogic.MakeMove(aiMove.x, aiMove.y, currentPlayer); boardManager.PlacePiece(aiMove.x, aiMove.y, currentPlayer); if (gameLogic.IsGameOver) { currentState State.GameOver; UIManager.Instance.ShowGameOver(currentPlayer); yield break; } SwitchTurn(); } } }使用协程来处理AI回合是一个好习惯它让你可以方便地加入延迟、动画或者中途取消的操作保持游戏主线程的响应性。4. 性能优化与扩展思考当基础功能完成后我们可以从工程角度思考如何让项目变得更专业。4.1 对象池优化棋子生成频繁地Instantiate和Destroy棋子预制体会产生GC垃圾回收压力影响性能。对于棋子这种频繁创建销毁的对象使用对象池是标准做法。// 一个简单的棋子对象池 public class PieceObjectPool : MonoBehaviour { public GameObject piecePrefab; public int initialPoolSize 50; private QueueGameObject pool new QueueGameObject(); void Start() { for (int i 0; i initialPoolSize; i) { CreateNewPiece(); } } private void CreateNewPiece() { GameObject obj Instantiate(piecePrefab, this.transform); obj.SetActive(false); pool.Enqueue(obj); } public GameObject GetPiece() { if (pool.Count 0) { CreateNewPiece(); } GameObject obj pool.Dequeue(); obj.SetActive(true); return obj; } public void ReturnPiece(GameObject obj) { obj.SetActive(false); obj.transform.SetParent(this.transform); // 放回池子根节点下 pool.Enqueue(obj); } }在ChessboardManager中我们不再直接Instantiate而是从对象池GetPiece。当游戏重置或需要清除棋盘时将所有棋子ReturnPiece即可。这能极大减少运行时内存分配。4.2 引入事件系统解耦模块在当前的GameManager中UI更新、音效播放等逻辑可能被直接写在游戏状态变化的代码后面导致模块间耦合过紧。引入一个简单的事件系统可以优雅地解决这个问题。// 定义事件 public static class GameEvents { public static ActionPieceType, int, int OnPiecePlaced; // 棋子落下事件 public static ActionPieceType OnGameOver; // 游戏结束事件 public static ActionPieceType OnTurnSwitched; // 回合切换事件 } // 在GameManager中触发事件 // 当棋子落下时 GameEvents.OnPiecePlaced?.Invoke(currentPlayer, x, y); // 在UIManager、SoundManager等地方监听事件 void OnEnable() { GameEvents.OnPiecePlaced HandlePiecePlaced; GameEvents.OnGameOver HandleGameOver; } void OnDisable() { GameEvents.OnPiecePlaced - HandlePiecePlaced; GameEvents.OnGameOver - HandleGameOver; } void HandlePiecePlaced(PieceType type, int x, int y) { // 更新UI状态比如高亮最后落子点 // 播放落子音效 }这样GameManager只负责核心逻辑和触发事件其他模块各司其职代码的可维护性和可测试性大大提升。4.3 项目扩展方向这个五子棋项目是一个完美的起点你可以在此基础上尝试许多有趣的扩展网络对战使用Netcode for GameObjects或Photon等网络库将GameLogic的状态同步作为权威状态实现双人在线对战。这涉及到网络同步、延迟补偿等更深的话题。更强大的AI实现前面提到的Minimax算法并加入Alpha-Beta剪枝。你还可以尝试蒙特卡洛树搜索MCTS这是许多现代棋类AI的基础。游戏功能丰富化增加悔棋需要记录每一步的棋盘状态、游戏回放、多种棋盘尺寸15x15, 19x19、禁手规则等。美术与动画升级为棋盘和棋子寻找或制作更精美的素材为落子、胜利等时刻添加更炫酷的粒子特效和UI动画。数据持久化使用PlayerPrefs或Json文件保存玩家的胜负记录、AI难度设置等。5. 常见问题排查与调试技巧在开发过程中你肯定会遇到各种问题。这里记录几个典型问题及其解决方法。5.1 棋子点击无响应或坐标错误症状点击棋盘格子没有棋子出现或者棋子出现在错误的位置。排查步骤检查事件绑定在ChessboardManager的GenerateBoard方法中使用Debug.Log输出每个格子的坐标确认OnGridClicked被正确调用且参数正确。检查坐标传递确保GameManager.Instance.OnPlayerClickGrid(x, y)中的x, y是你期望的棋盘数组索引。注意UI坐标与数组索引的对应关系通常左上角为(0,0)。检查逻辑层验证在GameLogic.MakeMove中第一行添加日志查看传入的坐标和当前棋盘状态确认是否因为位置非空而直接返回了false。5.2 胜负判定逻辑异常症状五子连珠了没判赢或者没连成五子却判赢了。排查步骤单元测试为CheckWinner函数编写独立的单元测试。创建一些特定的棋盘局面例如水平五连、垂直五连、各种边界情况断言函数返回正确的结果。Unity可以通过UnityEngine.TestTools来编写和运行测试。可视化调试在CheckWinner函数内部当统计count时将检查过的棋子坐标临时记录下来并在编辑器中通过Debug.DrawLine或在UI上高亮显示直观地看到AI检查了哪些位置。检查方向向量仔细核对directions数组中的四个向量是否正确。一个常见的错误是向量定义错误导致斜向检查不准。5.3 AI表现“太傻”或思考过慢症状规则AI总是下出莫名其妙的棋或者Minimax AI思考时间过长。排查步骤评估函数输出在SimpleRuleBasedAI.FindBestMove中将每个空位的评估分数打印出来。观察AI认为的“最佳位置”是否合理。这能帮你定位是棋型识别错误还是分数权重设置不合理。规则优先级确保你的进攻自己成五和防守阻止对方成五规则拥有最高的优先级。检查你的EvaluatePosition函数是否真的能识别出“冲四”、“活三”等关键棋型。Minimax性能如果使用Minimax思考慢是正常的。你需要限制搜索深度不要超过4-5层否则分支爆炸。实现Alpha-Beta剪枝这是必须的优化可以剪掉大量无用分支。优化评估函数评估函数应尽可能快避免复杂的循环和计算。可以考虑预计算棋盘上的所有潜在棋型并缓存。使用协程分帧将AI的思考过程放在协程中每评估一定数量的节点就yield return null一帧避免游戏卡死。5.4 游戏流程状态混乱症状玩家可以连续下棋或者AI下棋时玩家也能点击。排查步骤状态机验证在GameManager的每个可能改变状态的地方如OnPlayerClickGrid开头、SwitchTurn内部、游戏结束时打印当前的currentState。确保在任何时刻状态转换都是符合预期的。UI交互控制在State.AITurn时除了在逻辑上OnPlayerClickGrid直接返回是否也应该在表现层禁用棋盘按钮的交互可以通过ChessboardManager提供一个SetBoardInteractable(bool)方法来实现。协程竞争条件确保AIMoveCoroutine协程在开始新一轮思考前旧的协程已经被正确停止使用StopCoroutine。特别是在快速重新开始游戏时容易出问题。这个项目虽然基础但涉及了游戏开发从界面到逻辑到架构的完整链条。把它做扎实你对Unity的理解会上一个坚实的台阶。我最深的体会是前期在架构上多花一小时后期在调试和扩展上能省下十小时。从最开始就理清ChessboardManager、GameLogic、AI、GameManager之间的职责边界用事件代替硬编码的调用你会发现在加“悔棋”或者“网络同步”功能时事情会变得简单很多。
Unity3D五子棋实战：从UGUI到AI算法完整开发指南
1. 项目概述为什么选择Unity3d做五子棋如果你对Unity3d的印象还停留在制作3A大作或者炫酷的AR/VR应用那今天这个项目可能会让你有点意外。没错我们就是要用这个“重型”引擎来做一个规则简单、界面朴素的五子棋。很多人第一反应可能是“杀鸡用牛刀”但恰恰是这种“小题大做”才能让我们把Unity3d里那些看似基础实则至关重要的模块——UI系统、输入交互、游戏逻辑、状态管理——给彻底摸透。这比跟着教程做一个花里胡哨但逻辑混乱的Demo要有价值得多。五子棋规则人人皆知这让我们可以抛开繁琐的规则解释把100%的精力聚焦在“如何用代码优雅地实现它”上。你会遇到的核心问题包括如何用UGUI高效构建可交互的棋盘与棋子如何设计一个清晰、健壮的游戏逻辑状态机来判断胜负如何实现一个哪怕很“笨”但逻辑完整的人机对战AI以及如何让整个项目的代码结构清晰、易于维护和扩展这个项目就是一个绝佳的“麻雀虽小五脏俱全”的实战练兵场。无论你是Unity新手想找一个有完整闭环的入门项目还是有一定经验的开发者想深化对游戏架构的理解这个五子棋项目都能让你收获颇丰。2. 核心模块设计与架构思路一个完整的五子棋游戏我们可以将其自上而下拆解为几个核心层这种分层思想对于任何规模的项目都至关重要。2.1 表现层UGUI的灵活运用表现层负责一切玩家能看到和交互的内容。在Unity中UGUI是我们的不二之选。对于五子棋棋盘常见的做法有两种一是使用一张完整的棋盘图片作为背景二是用代码动态生成网格。对于实战学习而言我强烈推荐第二种。你可以使用Horizontal Layout Group和Vertical Layout Group来快速排布按钮Button作为棋格这样既能自动处理间距和对齐又能为每个棋格绑定点击事件。棋子的表现则更有讲究。简单的做法是准备黑白两色的精灵Sprite在玩家或AI落子时在对应的棋格位置实例化出来。但更优的做法是使用一个棋子预制体Prefab这个预制体上挂载一个脚本用于控制其显示黑或白以及可能的动画效果比如使用Dotween实现一个棋子从无到有、轻轻弹跳的落子动画。将表现逻辑封装在独立的预制体或脚本中能让你的核心游戏逻辑代码更加干净。注意不要试图用一个Image组件通过切换Sprite来同时表示棋盘格和棋子。这会给后续的点击检测和状态管理带来混乱。坚持“一个功能实体对应一个游戏对象”的原则棋盘格负责交互棋子对象负责展示。2.2 逻辑层数据模型与状态机这是项目的“大脑”它完全独立于表现层只关心数据和处理规则。我们需要定义几个核心的数据结构棋盘数据模型一个二维数组如int[15,15]是最直观的选择。0表示空位1表示黑子2表示白子。这个数组是游戏状态的唯一真相来源。游戏状态使用枚举enum GameState来清晰定义游戏的各个阶段例如WaitingForPlayer等待玩家落子、AITThinkingAI思考中、GameOver游戏结束并包含胜负信息。状态机控制着游戏的流程流转。回合管理记录当前是该黑方下还是白方下。这通常与游戏状态关联。逻辑层的核心函数包括MakeMove(int x, int y)在指定坐标落子。它需要验证该位置是否为空、更新棋盘数组、切换当前回合并立即调用CheckWinner(int x, int y)检查是否有五子连珠。CheckWinner(int x, int y)这是算法的核心。为了提高效率我们不需要每次检查整个棋盘只需以最新落子点(x, y)为中心向四个方向水平、垂直、左上右下、右上左下进行扫描统计连续的同色棋子数量。任何方向达到5即判定胜利。IsBoardFull()检查棋盘是否已满用于判断平局。2.3 AI层从“随机”到“策略”人机对战的AI是项目的亮点也是难点。我们可以实现一个由浅入深的AI体系随机AI在所有空位中随机选择一个落子。这是最简单的实现用于验证游戏逻辑是否通畅。基于规则的初级AI这是实战中非常有价值的练习。AI会按优先级尝试以下操作进攻检查自己是否有形成“活四”两头无阻挡的四子连线或“冲四”一头被堵的四子的局面有则直接取胜或迫使对方防守。防守检查玩家是否形成了上述威胁有则必须在关键位置落子阻挡。创建优势如果以上都没有则尝试在能同时创造多个“活三”或“冲四”的位置落子。随机落子如果以上规则均未触发则退化为随机AI。高级AI如Minimax算法这是一个巨大的跨越。AI会模拟未来几步棋所有可能的发展构建一棵博弈树并采用评估函数给棋局打分通过Minimax算法通常配合Alpha-Beta剪枝优化来选择对自己最有利、对对手最不利的落子点。这对于理解搜索算法和博弈论非常有帮助但计算复杂度较高可能需要设置搜索深度限制。在项目初期我建议先实现随机AI确保链路跑通再挑战基于规则的AI。Minimax可以作为后续的扩展目标。2.4 控制层粘合一切的胶水控制层通常是一个或多个管理器Manager单例负责协调表现层、逻辑层和AI层的运作。例如一个GameManager在Start方法中初始化棋盘数据模型和UI。监听棋盘格按钮的点击事件事件触发后调用逻辑层的MakeMove。根据MakeMove的结果和返回的游戏状态更新UI显示棋子、显示胜负信息、禁用交互等。如果是AI回合则在玩家落子后启动一个协程Coroutine或异步任务调用AI的思考方法模拟思考延迟后再执行AI的落子操作。清晰的架构能让你的代码在面对“我想加一个悔棋功能”或“我想换一种棋盘样式”的需求时从容不迫只需要修改或扩展对应的层而不会牵一发而动全身。3. 关键实现细节与源码解析接下来我们深入到代码层面看看几个核心功能如何具体实现。3.1 棋盘与棋子的动态生成我们不依赖外部图片完全用UGUI动态构建一个15x15的棋盘。// ChessboardManager.cs 部分代码 public class ChessboardManager : MonoBehaviour { public GameObject gridPrefab; // 一个简单的Button预制体 public GameObject piecePrefab; // 棋子预制体 public Transform boardParent; // 棋盘的父物体 public float gridSize 40f; public float spacing 5f; private GameObject[,] gridObjects new GameObject[15, 15]; // 记录每个格子对象 private GameObject[,] pieceObjects new GameObject[15, 15]; // 记录每个棋子对象 void Start() { GenerateBoard(); } void GenerateBoard() { for (int i 0; i 15; i) { for (int j 0; j 15; j) { // 实例化格子 GameObject grid Instantiate(gridPrefab, boardParent); gridObjects[i, j] grid; // 计算位置 float posX j * (gridSize spacing); float posY -i * (gridSize spacing); // Y轴向下为负符合UI坐标系 grid.GetComponentRectTransform().anchoredPosition new Vector2(posX, posY); // 为格子按钮添加监听传入坐标 int x i, y j; // 闭包问题需要缓存变量 grid.GetComponentButton().onClick.AddListener(() OnGridClicked(x, y)); } } } public void PlacePiece(int x, int y, PieceType type) { if (pieceObjects[x, y] ! null) return; // 该位置已有棋子 GameObject piece Instantiate(piecePrefab, boardParent); pieceObjects[x, y] piece; // 设置棋子位置与对应格子对齐 piece.GetComponentRectTransform().anchoredPosition gridObjects[x, y].GetComponentRectTransform().anchoredPosition; // 根据棋子类型设置颜色或Sprite PieceRenderer renderer piece.GetComponentPieceRenderer(); renderer.SetPiece(type); // 可以在这里添加Dotween动画 // piece.transform.localScale Vector3.zero; // piece.transform.DOScale(Vector3.one, 0.3f).SetEase(Ease.OutBack); } void OnGridClicked(int x, int y) { // 将点击事件传递给GameManager处理 GameManager.Instance.OnPlayerClickGrid(x, y); } }实操心得这里有一个初学者常踩的坑——循环中的闭包问题。在AddListener中直接使用循环变量i和j所有监听器最终捕获的都是循环结束后的值都是14。必须像上面代码一样在循环内部创建局部变量x和y来保存当前坐标才能正确绑定。3.2 胜负判定算法详解CheckWinner函数是逻辑核心其效率直接影响游戏体验。以下是基于最新落子点的四方向扫描实现// GameLogic.cs 部分代码 public enum PieceType { Empty, Black, White } public class GameLogic { private PieceType[,] board new PieceType[15, 15]; public bool MakeMove(int x, int y, PieceType currentPlayer) { if (board[x, y] ! PieceType.Empty) return false; board[x, y] currentPlayer; if (CheckWinner(x, y)) { // 游戏结束当前玩家获胜 return true; } // 检查平局... return false; } private bool CheckWinner(int x, int y) { PieceType target board[x, y]; if (target PieceType.Empty) return false; // 四个方向向量(1,0)水平, (0,1)垂直, (1,1)左上到右下, (1,-1)右上到左下 Vector2Int[] directions { new Vector2Int(1, 0), new Vector2Int(0, 1), new Vector2Int(1, 1), new Vector2Int(1, -1) }; foreach (var dir in directions) { int count 1; // 计数包括当前落子 // 向正方向检查 count CountDirection(x, y, dir, target); // 向反方向检查 count CountDirection(x, y, -dir, target); if (count 5) { return true; } } return false; } private int CountDirection(int startX, int startY, Vector2Int direction, PieceType target) { int count 0; int curX startX direction.x; int curY startY direction.y; while (curX 0 curX 15 curY 0 curY 15 board[curX, curY] target) { count; curX direction.x; curY direction.y; } return count; } }这个算法的优点是高效无论棋盘多大它只检查最多8个方向上的连续棋子。CountDirection函数是一个可复用的工具函数代码非常清晰。3.3 基于规则的初级AI实现下面实现一个具备进攻和防守意识的规则AI。我们首先需要一个评估函数用来给一个特定的空位打分分数越高AI越可能在此落子。// SimpleRuleBasedAI.cs public class SimpleRuleBasedAI { private GameLogic gameLogic; private PieceType aiPiece; public SimpleRuleBasedAI(GameLogic logic, PieceType aiColor) { gameLogic logic; aiPiece aiColor; } public Vector2Int FindBestMove() { ListVector2Int emptyPositions GetAllEmptyPositions(); if (emptyPositions.Count 0) return new Vector2Int(-1, -1); Vector2Int bestMove emptyPositions[0]; int highestScore -1; foreach (var pos in emptyPositions) { int score EvaluatePosition(pos, aiPiece); // 评估AI在此落子的价值 score EvaluatePosition(pos, GetOpponentPiece(aiPiece)) * 0.8f; // 评估对手在此落子的威胁并赋予权重 // 可以加入位置权重比如中心位置基础分更高 int centerX 7, centerY 7; int distanceFromCenter Mathf.Abs(pos.x - centerX) Mathf.Abs(pos.y - centerY); score (14 - distanceFromCenter); // 越靠近中心加分越多 if (score highestScore) { highestScore score; bestMove pos; } } return bestMove; } private int EvaluatePosition(Vector2Int pos, PieceType player) { // 这是一个简化的评估模拟在此位置下一颗子然后检查形成的棋型 // 在实际项目中这里应该调用一个更复杂的棋型识别函数 // 例如识别出“活四”、“冲四”、“活三”、“眠三”等并赋予不同的分数 // 这里用伪代码表示 int score 0; // 假设我们有一个函数可以获取此位置在八个方向上的棋型 // ListChessPattern patterns IdentifyPatternsAt(pos, player); // foreach(var pattern in patterns) { score pattern.GetScore(); } return score; } private ListVector2Int GetAllEmptyPositions() { ListVector2Int list new ListVector2Int(); for (int i 0; i 15; i) { for (int j 0; j 15; j) { if (gameLogic.GetBoardPiece(i, j) PieceType.Empty) { list.Add(new Vector2Int(i, j)); } } } return list; } }注意事项EvaluatePosition函数是规则AI的“灵魂”。一个强大的规则AI需要一套完善的棋型库和评估体系。你可以预先定义好“活四”10000分、“冲四”1000分、“活三”500分、“眠三”100分等模式然后在EvaluatePosition中模拟落子后扫描四个方向匹配这些模式并累加分数。这比简单的连续子计数要强大得多。3.4 游戏状态管理与流程控制GameManager作为总控使用状态机来管理游戏流程是最清晰的做法。// GameManager.cs (单例模式简化版) public class GameManager : MonoBehaviour { public static GameManager Instance; public enum State { PlayerTurn, AITurn, GameOver } private State currentState; private GameLogic gameLogic; private ChessboardManager boardManager; private SimpleRuleBasedAI ai; private PieceType currentPlayer PieceType.Black; // 黑先 void Awake() { Instance this; } void Start() { gameLogic new GameLogic(); boardManager FindObjectOfTypeChessboardManager(); ai new SimpleRuleBasedAI(gameLogic, PieceType.White); // 假设AI执白 currentState State.PlayerTurn; UIManager.Instance.UpdateStatus(黑方玩家回合); } public void OnPlayerClickGrid(int x, int y) { if (currentState ! State.PlayerTurn) return; bool moveSuccess gameLogic.MakeMove(x, y, currentPlayer); if (!moveSuccess) return; // 落子无效 // 更新表现层 boardManager.PlacePiece(x, y, currentPlayer); // 检查游戏是否结束 if (gameLogic.IsGameOver) { currentState State.GameOver; UIManager.Instance.ShowGameOver(currentPlayer); return; } // 切换回合 SwitchTurn(); } private void SwitchTurn() { currentPlayer (currentPlayer PieceType.Black) ? PieceType.White : PieceType.Black; if (currentPlayer ai.aiPiece) { currentState State.AITurn; UIManager.Instance.UpdateStatus(白方AI思考中...); // 使用协程模拟AI思考延迟避免卡住主线程 StartCoroutine(AIMoveCoroutine()); } else { currentState State.PlayerTurn; UIManager.Instance.UpdateStatus(黑方玩家回合); } } IEnumerator AIMoveCoroutine() { // 模拟思考时间让游戏体验更自然 yield return new WaitForSeconds(0.5f - 1.5f); Vector2Int aiMove ai.FindBestMove(); if (aiMove.x 0) { gameLogic.MakeMove(aiMove.x, aiMove.y, currentPlayer); boardManager.PlacePiece(aiMove.x, aiMove.y, currentPlayer); if (gameLogic.IsGameOver) { currentState State.GameOver; UIManager.Instance.ShowGameOver(currentPlayer); yield break; } SwitchTurn(); } } }使用协程来处理AI回合是一个好习惯它让你可以方便地加入延迟、动画或者中途取消的操作保持游戏主线程的响应性。4. 性能优化与扩展思考当基础功能完成后我们可以从工程角度思考如何让项目变得更专业。4.1 对象池优化棋子生成频繁地Instantiate和Destroy棋子预制体会产生GC垃圾回收压力影响性能。对于棋子这种频繁创建销毁的对象使用对象池是标准做法。// 一个简单的棋子对象池 public class PieceObjectPool : MonoBehaviour { public GameObject piecePrefab; public int initialPoolSize 50; private QueueGameObject pool new QueueGameObject(); void Start() { for (int i 0; i initialPoolSize; i) { CreateNewPiece(); } } private void CreateNewPiece() { GameObject obj Instantiate(piecePrefab, this.transform); obj.SetActive(false); pool.Enqueue(obj); } public GameObject GetPiece() { if (pool.Count 0) { CreateNewPiece(); } GameObject obj pool.Dequeue(); obj.SetActive(true); return obj; } public void ReturnPiece(GameObject obj) { obj.SetActive(false); obj.transform.SetParent(this.transform); // 放回池子根节点下 pool.Enqueue(obj); } }在ChessboardManager中我们不再直接Instantiate而是从对象池GetPiece。当游戏重置或需要清除棋盘时将所有棋子ReturnPiece即可。这能极大减少运行时内存分配。4.2 引入事件系统解耦模块在当前的GameManager中UI更新、音效播放等逻辑可能被直接写在游戏状态变化的代码后面导致模块间耦合过紧。引入一个简单的事件系统可以优雅地解决这个问题。// 定义事件 public static class GameEvents { public static ActionPieceType, int, int OnPiecePlaced; // 棋子落下事件 public static ActionPieceType OnGameOver; // 游戏结束事件 public static ActionPieceType OnTurnSwitched; // 回合切换事件 } // 在GameManager中触发事件 // 当棋子落下时 GameEvents.OnPiecePlaced?.Invoke(currentPlayer, x, y); // 在UIManager、SoundManager等地方监听事件 void OnEnable() { GameEvents.OnPiecePlaced HandlePiecePlaced; GameEvents.OnGameOver HandleGameOver; } void OnDisable() { GameEvents.OnPiecePlaced - HandlePiecePlaced; GameEvents.OnGameOver - HandleGameOver; } void HandlePiecePlaced(PieceType type, int x, int y) { // 更新UI状态比如高亮最后落子点 // 播放落子音效 }这样GameManager只负责核心逻辑和触发事件其他模块各司其职代码的可维护性和可测试性大大提升。4.3 项目扩展方向这个五子棋项目是一个完美的起点你可以在此基础上尝试许多有趣的扩展网络对战使用Netcode for GameObjects或Photon等网络库将GameLogic的状态同步作为权威状态实现双人在线对战。这涉及到网络同步、延迟补偿等更深的话题。更强大的AI实现前面提到的Minimax算法并加入Alpha-Beta剪枝。你还可以尝试蒙特卡洛树搜索MCTS这是许多现代棋类AI的基础。游戏功能丰富化增加悔棋需要记录每一步的棋盘状态、游戏回放、多种棋盘尺寸15x15, 19x19、禁手规则等。美术与动画升级为棋盘和棋子寻找或制作更精美的素材为落子、胜利等时刻添加更炫酷的粒子特效和UI动画。数据持久化使用PlayerPrefs或Json文件保存玩家的胜负记录、AI难度设置等。5. 常见问题排查与调试技巧在开发过程中你肯定会遇到各种问题。这里记录几个典型问题及其解决方法。5.1 棋子点击无响应或坐标错误症状点击棋盘格子没有棋子出现或者棋子出现在错误的位置。排查步骤检查事件绑定在ChessboardManager的GenerateBoard方法中使用Debug.Log输出每个格子的坐标确认OnGridClicked被正确调用且参数正确。检查坐标传递确保GameManager.Instance.OnPlayerClickGrid(x, y)中的x, y是你期望的棋盘数组索引。注意UI坐标与数组索引的对应关系通常左上角为(0,0)。检查逻辑层验证在GameLogic.MakeMove中第一行添加日志查看传入的坐标和当前棋盘状态确认是否因为位置非空而直接返回了false。5.2 胜负判定逻辑异常症状五子连珠了没判赢或者没连成五子却判赢了。排查步骤单元测试为CheckWinner函数编写独立的单元测试。创建一些特定的棋盘局面例如水平五连、垂直五连、各种边界情况断言函数返回正确的结果。Unity可以通过UnityEngine.TestTools来编写和运行测试。可视化调试在CheckWinner函数内部当统计count时将检查过的棋子坐标临时记录下来并在编辑器中通过Debug.DrawLine或在UI上高亮显示直观地看到AI检查了哪些位置。检查方向向量仔细核对directions数组中的四个向量是否正确。一个常见的错误是向量定义错误导致斜向检查不准。5.3 AI表现“太傻”或思考过慢症状规则AI总是下出莫名其妙的棋或者Minimax AI思考时间过长。排查步骤评估函数输出在SimpleRuleBasedAI.FindBestMove中将每个空位的评估分数打印出来。观察AI认为的“最佳位置”是否合理。这能帮你定位是棋型识别错误还是分数权重设置不合理。规则优先级确保你的进攻自己成五和防守阻止对方成五规则拥有最高的优先级。检查你的EvaluatePosition函数是否真的能识别出“冲四”、“活三”等关键棋型。Minimax性能如果使用Minimax思考慢是正常的。你需要限制搜索深度不要超过4-5层否则分支爆炸。实现Alpha-Beta剪枝这是必须的优化可以剪掉大量无用分支。优化评估函数评估函数应尽可能快避免复杂的循环和计算。可以考虑预计算棋盘上的所有潜在棋型并缓存。使用协程分帧将AI的思考过程放在协程中每评估一定数量的节点就yield return null一帧避免游戏卡死。5.4 游戏流程状态混乱症状玩家可以连续下棋或者AI下棋时玩家也能点击。排查步骤状态机验证在GameManager的每个可能改变状态的地方如OnPlayerClickGrid开头、SwitchTurn内部、游戏结束时打印当前的currentState。确保在任何时刻状态转换都是符合预期的。UI交互控制在State.AITurn时除了在逻辑上OnPlayerClickGrid直接返回是否也应该在表现层禁用棋盘按钮的交互可以通过ChessboardManager提供一个SetBoardInteractable(bool)方法来实现。协程竞争条件确保AIMoveCoroutine协程在开始新一轮思考前旧的协程已经被正确停止使用StopCoroutine。特别是在快速重新开始游戏时容易出问题。这个项目虽然基础但涉及了游戏开发从界面到逻辑到架构的完整链条。把它做扎实你对Unity的理解会上一个坚实的台阶。我最深的体会是前期在架构上多花一小时后期在调试和扩展上能省下十小时。从最开始就理清ChessboardManager、GameLogic、AI、GameManager之间的职责边界用事件代替硬编码的调用你会发现在加“悔棋”或者“网络同步”功能时事情会变得简单很多。
