五子棋 AI：算杀层与搜索层怎么分工

五子棋 的 AI 一开始只有一个 alpha-beta 搜索，深度开到 4 层，表现却很糟：对手摆出一个活三它不管，自己有成五的机会有时候也不走。原因是搜索深度不够时，估值函数把「三步之后必输」看成了普通局面。

解决办法不是把深度加上去，而是把可以确定的事情从搜索里拿出来。

三层决策，顺序不能换

每走一步，AI 按固定顺序过三道闸：

顺序	判断	处理
1	我能成五吗	直接走，不搜
2	对手下一步能成五吗	堵，且优先选「堵了之后对手造不出活四」的点
3	我能造活四吗 / 对手能造活四吗	走 / 破，不搜
4	以上都不成立	交给 alpha-beta

前三条叫算杀层。它们的共同点是：结论由棋形唯一确定，跟后面怎么走无关。这类手交给搜索是浪费——搜索还要花节点去「验证」一个已经确定的事实，而且深度不够时验证不了，反而出错。

搜索该用来处理不确定性，不该用来处理已经确定的棋形。

活四为什么必须单独判

「活四」是两头都能成五的四连（.XXXX.）。一旦有一方摆出活四，另一方就输了——对手只有一个子，堵不住两头。

第三层如果只看「我有四连了吗」，会把冲四（一头被堵的四连）也算进去。冲四对手一堵就没了，走它等于白送一手。所以判据是棋形字符串：011110 是活四，011112 或 211110 是冲四。

我对每一条直线（横、竖、两个斜向）取 9 格窗口，转成 0/1/2 的串再匹配：

const PATTERN = {
  FIVE: 1e7,
  OPEN_FOUR: 3e5,
  FOUR: 2.6e4,
  OPEN_THREE: 2e4,
  THREE: 1100,
  OPEN_TWO: 600,
  TWO: 90,
  ONE: 6,
};

这些数字不是随便定的。它们要满足两条：成五压倒一切（1e7 比所有别的加起来还大），以及活四必须高于「两个活三」的和（3e5 大于 2e4 × 2）——否则 AI 会拿一个必杀的活四去换两个活三。

搜索层的三件常规武器

第 4 层才是真正的搜索，用了三个标准件：

• 迭代加深：从深度 1 往上加，每层都留一份结果。时间到就用最后一层搜完的结论，不会半途而废。
• 置换表：局面用 Zobrist 哈希做键，存深度、分值和一个界限标志（精确值 / 只知上界 / 只知下界）。不同路径走到同一个局面时直接取用。
• 候选裁剪：只搜已有棋子附近的位置。棋盘 225 格，真正值得考虑的一手通常不到 20 个。

还有一个容易忽略的细节：时间预算要在搜索内部检查，不是在外面设 setTimeout。我每搜 1024 个节点看一次时钟，超时就置中止标志，逐层原路返回。否则一层搜到一半被打断，拿到的分值是不完整的。

难度就是时间预算

五档难度不是五套代码，是同一个引擎的五组参数：

难度	深度	时间	扰动	候选宽度
1 新手	1	90ms	0.9	8
2 入门	2	200ms	0.5	10
3 进阶	4	450ms	0.18	12
4 困难	6	900ms	0.04	14
5 大师	8	1800ms	0	16

低难度的「扰动」是在靠前的候选里随机挑一个——纯粹的弱化靠减深度效果不好，因为算杀层还在，新手档照样能一步成五。加噪声才有「这档子会犯错」的感觉。

让 AI 把想法说出来

调优时最麻烦的是「它为什么走这一步」。加搜索迹不难：搜完把每层的深度、最佳手、分值记下来，根节点再存前几个候选的明细。

真正花了点功夫的是分值。alpha-beta 返回的大部分是边界值——「不会比 X 好」——直接拿来展示，一排候选会显示成一模一样的数字，看着就像坏了。所以用户主动点开工具树时，根层每个候选改用全窗口搜一遍，换到真实分。代价是慢一截，但只在有人真想看的时候付。

给用户看的数字必须是真数字。用边界值凑出来的「过程」比没有过程更糟。

一点体会

这个 AI 现在的棋力大概到「会把活三当回事」的程度，离真正的强引擎还差得远（没有 VCF/VCT 搜索，没有启发式评估的学习）。但对一个网页小游戏来说，算杀层带来的提升远比把深度从 4 加到 8 明显——因为决定胜负的往往就是那几步一口气。