用 TypeScript + Phaser 写一个三路实时策略打字战场：键盘小鹿〈王国对决〉兵种克制与 AI 态势感知

一、 为什么少儿打字需要 RTS 策略？——认知心流第一性原理

在儿童人机交互与教育心理学研究中，打字训练最难跨越的障碍是“单调感与注意力涣散”： - 传统的“字符雨下落”只有反应速度单一维度，缺乏策略思考空间； - 孩子如果只是被动敲击屏幕上的提示，极易产生机械性疲劳与厌烦感。

键盘小鹿研发团队提出“打字手速即士气，策略认知定胜负”的核心理念： 将用户的盲打准确率与击键速度直接转化为战场的“士气能量”，配合上、中、下三路出兵抉择与兵种克制链条。孩子为了守住城堡、突破敌军防线，会产生极其强烈的“主动求快、主动求准”的求胜心流。

• TypingInput["盲打输入单词 (小学/初中课标词库)"] -> MoraleEngine["士气积攒引擎 (连击加成 + 准确率奖励)"]
• MoraleEngine -> PlayerDecision{"玩家实时战术决策"}
• PlayerDecision -> |消耗 2 点士气| Unit1["轻步兵 (快速推进填线)"]
• PlayerDecision -> |消耗 4 点士气| Unit2["长枪兵 (精准拦截敌方骑兵)"]
• PlayerDecision -> |消耗 4 点士气| Unit3["长弓手 (超视距远程压制)"]
• PlayerDecision -> |消耗 6 点士气| Unit4["重甲剑士 (高防御推进肉盾)"]
• PlayerDecision -> |消耗 12 点士气| Unit5["超级骑兵 (开局高速破阵冲锋)"]
• Unit1 & Unit2 & Unit3 & Unit4 & Unit5 -> ThreeLanes["上 / 中 / 下 三路横向推进动态战场"]

二、 兵种克制矩阵与平衡性数值设计

为了确保战术博弈的深度，《王国对决》严格确立了相生相克的循环克制链，杜绝单一兵种无脑通关的漏洞：

生产级兵种详细数值平衡表：

• Spear["长枪手 (Spearman)"] -> |强制断冲/4倍伤害| Cav["超级骑兵 (Cavalry)"]
• Cav -> |高速突脸/秒杀后排| Arch["长弓手 (Archer)"]
• Arch -> |风筝放血/超远射程| Knight["重甲兵 (Knight)"]
• Knight -> |范围横扫/高额护甲| Inf["轻步兵 (Infantry)"]
• Inf -> |人数围殴/快速破防| Spear

三、 纯 TypeScript 无头战斗状态机架构

键盘小鹿坚持将核心战斗规则与 Phaser 游戏渲染彻底物理分离。文件 src/features/games/kingdomBattle.ts 是一个没有任何 DOM 或 Phaser 依赖的纯逻辑状态机，可独立运行在 Node.js 环境下进行每秒 1000 次的高性能单测回归：

// src/features/games/kingdomBattle.ts: 无头战斗状态机核心实现
export type UnitType = 'infantry' | 'spearman' | 'archer' | 'knight' | 'cavalry'
export type LaneIndex = 0 | 1 | 2 // 上、中、下三路

export interface BattleUnit {
  id: string
  type: UnitType
  side: 'player' | 'enemy'
  lane: LaneIndex
  hp: number
  maxHp: number
  x: number
  isCharging: boolean
  lastAttackTime: number
}

export interface BattleState {
  playerBaseHp: number
  enemyBaseHp: number
  playerMorale: number
  enemyMorale: number
  units: BattleUnit[]
  activeLane: LaneIndex
  isGameOver: boolean
  winner: 'player' | 'enemy' | null
}

// 推进一帧战斗物理与攻击判定 (delta 秒)
export function tickBattleSimulation(state: BattleState, delta: number, now: number): void {
  if (state.isGameOver) return

  // 1. 三路独立推进各兵种坐标
  for (const unit of state.units) {
    const config = UNIT_CONFIGS[unit.type]
    const dir = unit.side === 'player' ? 1 : -1
    const speed = unit.isCharging ? config.chargeSpeed : config.speed

    // 寻路与前方阻挡检测 (Line-of-Sight Check)
    const targetUnit = findFirstTargetInLane(state.units, unit)
    if (targetUnit) {
      // 进入射程，停下脚步开始攻击
      if (now - unit.lastAttackTime >= config.attackInterval) {
        executeUnitAttack(unit, targetUnit, now)
      }
    } else {
      // 前方无敌军，继续向前推进
      unit.x += dir * speed * delta
      // 检查是否抵达敌方堡垒 (X <= 0 或 X >= 1600)
      if (unit.side === 'player' && unit.x >= 1550) {
        state.enemyBaseHp = Math.max(0, state.enemyBaseHp - config.damage)
        unit.hp = 0 // 撞城自爆
      } else if (unit.side === 'enemy' && unit.x <= 50) {
        state.playerBaseHp = Math.max(0, state.playerBaseHp - config.damage)
        unit.hp = 0
      }
    }
  }

  // 2. 清除阵亡单位
  state.units = state.units.filter(u => u.hp > 0)

  // 3. 胜负终态判定
  if (state.playerBaseHp <= 0) {
    state.isGameOver = true
    state.winner = 'enemy'
  } else if (state.enemyBaseHp <= 0) {
    state.isGameOver = true
    state.winner = 'player'
  }
}

四、 电脑敌军态势感知 AI（Utility-Based Threat Evaluation）

为了避免电脑只会死板出兵，我们为 AI 设计了一套基于效用评估（Utility-Based）的态势感知决策树：

AI 不再是单纯的作弊数值怪，而是像一个棋手一样，会观察哪一路被突破、哪一路玩家缺乏防空防骑能力，并进行机动反制，促使孩子在打字过程中眼疾手快，根据战局灵活调整策略。

• ScanLanes -> ThreatEval
• ThreatEval -> MoraleCheck
• MoraleCheck -- 士气不足 -> SaveMorale["按兵不动，继续积攒士气"]
• MoraleCheck -- 士气充足 -> CounterPick["4. 针对性克制兵种决策"]
• CounterPick -> CheckCav{"危急路有玩家超级骑兵?"}
• CheckCav -- 是 -> SpawnSpear["在同路果断部署长枪兵拦截断冲"]
• CheckCav -- 否 -> CheckSwarm{"危急路有大量轻步兵群?"}
• CheckSwarm -- 是 -> SpawnKnight["在同路部署重甲剑士横扫清场"]
• CheckSwarm -- 否 -> FlankPush["玩家防守薄弱路部署骑兵反偷袭"]

五、 Phaser 渲染层极致优化：保障 60FPS 满帧运行

在激烈的三路交火中，场上可能同时存在 40+ 士兵、不断飞行的抛物线箭羽与伤害跳字。键盘小鹿在渲染层实施了严格的性能保活措施：

• 1. 对象池（Object Pooling）与 GC 零抖动： 所有士兵精灵、箭矢物理体与飘字动画全部放入预分配的池子（Pool）中。单位阵亡时仅仅调用 setActive(false).setVisible(false) 归还对象池，坚决不在运行期反复调用 new Phaser.GameObjects.Sprite()，彻底消除了 V8 引擎垃圾回收引起的偶发卡顿。
• 2. 一维区间投影碰撞（1D Segment Sweep）： 三条路线相互隔离，单位只能与同一条线路（Same Lane）上的敌人发生交互。因此，碰撞检测无需昂贵的 2D 物理刚体四叉树（Quadtree），而是直接将同一线路上的单位按照 X 轴坐标做一维有序插入排序。碰撞判定计算复杂度从传统物理引擎的 O(N^2) 直接骤降至接近 O(1)，即使在 10 年前的低配集成显卡电脑上也能稳定跑满 60 帧。