游戏AI关卡生成实验：可玩性校验与难度曲线

在《游戏AI实验室》，我们把关卡生成拆成「生成—校验—回写」三段。生成端用模板加约束搜索产出布局骨架，再由语言模型补充主题化装饰与叙事标注；校验端不依赖人工试玩，而是用一组固定策略的轻量代理（速通、保守、探索）在无渲染模式下跑通关模拟，采集通关率、平均步数、死亡点位与资源消耗四条曲线，对齐预设的难度目标。

要点一：首轮 200 个实验关卡中约 34% 因难度曲线断裂被退回（前段过平、末段陡增），其中多数并非生成逻辑出错，而是装饰性改动带来的碰撞体积偏移。
要点二：下一步把代理策略池扩到 8 组，并对 10% 的关卡做人工盲评，用来校准仿真指标与真人体感的偏差。

阶段性结论：生成模型的自由度不是瓶颈，校验回路的成本才是。把校验做成可复用的服务，比追求一次生成完美关卡更实际。