03技术文
不写教程搬运，只写我踩过的：每个结论背后都有一次被证伪的旧方案。
ALGORITHM
让求解器替我玩自己的游戏
决策段 12 帧、beam 320、启发式排序、0.5 量化去重——以及为什么「有一关没解出来就拒绝写文件」。
QUALITY
1056 关的换皮，9 条断言说了算
海狮还是海豹？外耳叶像素数回答。第一版眼睛判据被模糊负控证伪（真图 176 / 负控 91），阈值形同虚设——后来怎么改的。
AIGC
别再重掷提示词了：角色一致性产线
free 模型每轮细节必漂，提示词永远锁不住脸。正确分工：模型只供一张母版，一致性交给本地确定性合成。
让求解器替我玩自己的游戏：物理谜题的自动可解性验证
H5 · Beam Search · 2026-11
关卡设计有个尴尬问题：「我觉得这关能过」不算证明，人工试玩又覆盖不了全部走法。我的做法是让程序替我玩——而且玩的必须是同一套物理。
前提：物理内核与渲染分离
游戏是单文件 HTML，但核心模拟层包在 __CORE_BEGIN__/__CORE_END__ 标记里，不碰 DOM。测试加载器用 Node 的 vm 沙箱把这段源码原样抽出来跑——浏览器和游戏逻辑之间没有第二套实现，也就没有「仿真过了真机翻车」的缝隙。
搜索设计
- 决策段：每 12 帧（0.2 秒）做一次输入决策，把连续操作离散成关键帧；
- 动作空间：6 个基础动作（推进 × 转向）+ 能量满且冷却结束时的 2 个爆发动作；
- beam=320：连续状态 + 长时程（关卡时限数百秒），BFS 爆内存、A* 没有可采纳的启发式，beam search 用最优性换覆盖率；
- 去重：位置/速度量化到 0.5、加上存活水母数、珍珠数、能量条，拼成状态指纹，同段撞指纹直接丢。
const EPOCH = 12; // 每个决策段 = 12 帧（0.2s）
const BEAM = 320; // 每段保留的候选数
// 排序：离终点越近越好；顶开的水母/吃到的珍珠有加成；帧数微小惩罚
next.sort((a, b) => (a.s.best - b.s.best) * 1
- (b.s.popped + b.s.pearlsGot - a.s.popped - a.s.pearlsGot) * 12
+ (a.s.f - b.s.f) * 0.02);
写回关卡数据：全有或全无
搜到的解会压缩成关键帧序列，写回每关的 solve 字段——它同时是玩家可回放的「标准答案」。写入是 fail-closed 的：找不到关卡锚点就 throw 拒绝改写，有一关没搜出解就整批不写，先改关卡设计或加大搜索预算。
if (!done) throw new Error('一个解都没搜到，不写文件');
// 主流程：有关卡没搜到解 —— 不写入，先改设计或加大搜索预算
结果
7 关全部可解（7/7），每关输出用时、关键帧数、顶开数、气泡收集率、爆发次数。求解脚本和关卡数据同仓库，任何人 node tests/search_solve.js 复跑一遍就能核对这页面上的数字。
1056 关的换皮工程：9 条精灵断言，每条配负控
Godot 4.7 · 内容管线 · 2026-11
《小海狮爱洗澡》从早期鳄鱼皮换成海狮皮，1056 关、美术音频全自产。换皮最大的风险不是画错，而是「512 源图看着挺好，游戏里 60px 一坨糊」——肉眼验收在这个量级上不可靠，得让脚本说了算。
在真实绘制尺寸上量
游戏里精灵只被 GPU 缩小一次（512→约 60px，无 mipmap 的 GL_LINEAR）。审计脚本先用 PIL 逐像素复现这条采样链，然后在「60px 结果图」上做可读性断言，而不是在源图上自欺。
9 条断言
| 断言 | 在测什么 | 阈值 |
|---|
| whisker_outside_body | 胡须必须探出身体轮廓（第一识别特征） | >400 px |
| ear_flaps_present | 外耳叶——「海狮」而非「海豹」的唯一硬证据 | >150 px |
| nose_darkest_block | 鼻镜是脸上最暗成块区（额头区做对照） | 比值 ≥4.0 |
| flipper_span | 前鳍张开到画幅两侧，体型读起来是鳍脚类 | 跨度 ≥0.86 |
| coverage_vs_croc | 替换后体量不变（鳄鱼基线 80.1%） | 78–88% |
| portal_no_croc_green | 传送门贴图里不得残留旧角色 | =0 |
| portal_no_baked_seal | 也不得预烘焙新角色（运行时只画一次） | <50 且正控>1000 |
| disp_eye_structure | 60px 下眼里必须同时有暗块和亮块 | ≥12 且负控不过 |
| disp_pupil_dark | 60px 下瞳孔占得住（不是白饼） | ≥0.20 且负控不过 |
判据自己也要被审计
每条判据配「模糊负控」：把小于 50px 的结构全抹掉后必须不及格——如果糊图也能过阈值，说明判据在空转。第一版眼睛判据用「眼内明暗极差」，实测真图 176、糊负控 91，阈值形同虚设，被负控当场证伪；换成「暗块/亮块成块计数取 min」后真图 22、负控 0，才敢上线。残留检测同理配「正控」：合成一块角色脚印大的色块，同一判据必须看得见，否则「0 像素」只是假绿。
结果
9/9 PASS 才算换皮完成。关卡本体是数据驱动（levels.gd + 23,745 行的 levels_extra.gd 数据），内容与代码分离，加关卡不动逻辑。审计脚本在仓库里：python tools/sprite_audit.py。
别再重掷提示词了：一条角色一致性 AIGC 产线
ComfyUI · 图像处理 · 2026-11
用 AI 出游戏素材最先撞的墙：同一个角色，每轮细节必漂——腮红位置、鼻形、描边粗细全在变。反复重掷提示词永远锁不住脸，这是概率采样的本质，不是你 prompt 写得不够好。
把「生成」和「一致性」拆开
- 模型只干一件事：出一张绿幕背景的角色母版（姿态、表情、配色定稿）；
- 抠图前先验背景：取样四角像素确认是纯绿——模型经常给「看起来是绿」的底色，不验就抠，整张作废；
- 确定性合成：本地 sharp 做 chroma-key 抠成透明精灵，图标、头像、游戏内贴图全部用同一张母版缩放合成。
一致性从「祈祷采样」变成「文件复制」，100% 可复现。云端（ComfyUI / 图像编辑 API）负责产能，本地负责确定性，各干各擅长的。
踩坑清单
- 图像模型直出的 RGBA alpha 常常不是真透明（极值全 255 或残留底色），抠图要用像素级校验，别信「看着是透明」；
- 本机手写 PNG 编解码是坑，交给 sharp 这类库；
- 出图验收要量化的：alpha 极值分布、透明像素占比，不是肉眼扫一眼。
结果
这条产线支撑了合集里多个游戏的图标与角色贴图：一个角色，全场景同一张脸。它也是我对「AIGC 落地」的理解——产线不是会写 prompt，是把不确定的模型框进确定的流程里。
