snowy-yang
fcd4cb4649
配置见 pyproject.toml：
- line-length=100：贴着现有代码定。若用默认的 88 会重排 122 行，
噪音淹没真正有价值的修复。
- 启用 E/W/F/I/UP/B/C4/SIM/RET/PERF/RUF；**不**启用 PTH。因为本项目的路径
多是"字符串身份"——要塞进 subprocess 命令行、写进 JSON 存档、打印给用户，
全换 pathlib 只是包一层再拆一层，换来 70 处纯风格改动。
- 忽略 RUF001/002/003：中文全角标点是正确写法，不是"歧义字符"。
- 忽略 PERF203：剩下两处都是"逐项容错"语义（逐个牧场存档要立刻上报失败、
收获全部要跳过失败地块）。把 try 提到循环外会毁掉"一项失败不影响其它项"
这个行为，是错的优化。
自动修复 358 项：Dict/List/Optional 换成 PEP 585/604 写法、导入排序、
失效的 noqa、空占位 f-string 等。
手工修复的（这些是真问题，不是风格偏好）：
- B904 x9：except 中 raise 补异常链。刻意区分——网络/IO 失败用 from exc 保留
根因；参数解析失败用 from None，因为底层 ValueError 对玩家只是噪音。
- RUF012 x2：StateView 的 plots/animals 原本是**类级共享可变列表**，
改成在 __init__ 里初始化（apply({}) 会提前返回，所以必须显式摆好）。
- F841：TUI 里一个赋值后再没用过的死变量。
- SIM105 x11：try/except/pass 统一改成 contextlib.suppress。
- SIM115：日志句柄改用 with。Popen 已把 fd 复制给子进程，父进程可安全关闭。
- E501 x7：拆超长行；main.py 那处顺手提取变量，避免超长嵌套表达式。
- E741：把 l/r 改成 left_line/right_line。
- 其余：RUF046 / PERF401 / RET504 / RUF005 / UP031 / B007。
ruff format 重排 24 个文件。
验证：97 项测试全绿。
225 lines
8.1 KiB
Python
225 lines
8.1 KiB
Python
"""规则机器人玩家——"AI 也能玩"的最小可用示例。
|
||
|
||
它的意义不在于"内置了 AI"，而在于证明一件事：
|
||
**服务器把状态和合法动作都摊开了，外面是谁在决策根本不重要。**
|
||
这个机器人做决策的方式是"给候选动作打分"，而一个 LLM 做决策的方式是
|
||
"读同一份 ``/api/actions``，用语言模型选一个"。两者的接口调用序列一模一样。
|
||
|
||
所以：
|
||
|
||
* :meth:`RuleBot.choose` 里那段打分逻辑 = 可以整体替换成 LLM 的"策略函数"；
|
||
* :meth:`RuleBot.step` 的执行路径 = LLM 将来要走的那条路（读动作 → 执行 → 看回执）。
|
||
|
||
它只依赖 :mod:`farm.client`，因此既能在本机跑，也能从别处连上服务器跑——
|
||
换个 ``--url`` 就是一个独立的外挂玩家。
|
||
"""
|
||
|
||
from __future__ import annotations
|
||
|
||
import random
|
||
import threading
|
||
import time
|
||
from typing import Any
|
||
|
||
from .engine import GameError
|
||
|
||
|
||
class RuleBot:
|
||
"""一个会种地、会养殖、会投资的规则机器人。"""
|
||
|
||
def __init__(
|
||
self, client, verbose: bool = True, pause: float = 0.25, name: str = "bot"
|
||
) -> None:
|
||
self.client = client # 任何与 RemoteFarm 接口一致的对象
|
||
self.verbose = verbose
|
||
self.pause = pause
|
||
self.name = name
|
||
self.done: list[str] = []
|
||
self.failures = 0
|
||
self.actions_executed = 0
|
||
self._stop = threading.Event()
|
||
|
||
# ------------------------------------------------------------ 输出
|
||
def say(self, text: str) -> None:
|
||
if self.verbose:
|
||
print(f"[{time.strftime('%H:%M:%S')}] {text}", flush=True)
|
||
|
||
def stop(self) -> None:
|
||
self._stop.set()
|
||
|
||
@property
|
||
def stopped(self) -> bool:
|
||
return self._stop.is_set()
|
||
|
||
# ------------------------------------------------------------ 打分
|
||
def score(
|
||
self, action: dict[str, Any], state: dict[str, Any], catalog: dict[str, Any]
|
||
) -> float:
|
||
"""给一个候选动作打分。分数越高越先执行。
|
||
|
||
这张表就是整个"策略"：先做免费的，再喂饱牲畜，再补水，再扩张。
|
||
换成 LLM 时，把这里换成一次模型调用即可，其余代码不用动。
|
||
"""
|
||
name = action.get("action")
|
||
params = action.get("params") or {}
|
||
gold = state.get("gold", 0)
|
||
feed = state.get("feed", 0)
|
||
ap = state.get("ap", 0)
|
||
|
||
if name == "harvest":
|
||
return 100.0
|
||
if name == "collect":
|
||
return 96.0
|
||
if name == "feed":
|
||
return 92.0
|
||
if name == "water":
|
||
return 84.0
|
||
if name == "plant":
|
||
# 优先种"每天净收益"最高的作物
|
||
crop = params.get("crop")
|
||
entry = next((c for c in catalog.get("crops", []) if c["key"] == crop), None)
|
||
per_day = entry["profit_per_day"] if entry else 0.0
|
||
return 60.0 + max(0.0, per_day)
|
||
if name == "buy_feed":
|
||
# 饲料快见底才补，且别把钱花光
|
||
if feed <= 2 and gold >= 200:
|
||
return 40.0
|
||
return 5.0
|
||
if name == "buy_plot":
|
||
price = state.get("next_plot_price") or 0
|
||
# 地太贵就别买，留下周转资金
|
||
if price > 0 and gold >= price * 3:
|
||
return 34.0
|
||
return 4.0
|
||
if name == "buy_animal":
|
||
info = next(
|
||
(a for a in catalog.get("animals", []) if a["key"] == params.get("kind")), None
|
||
)
|
||
cost = info["cost"] if info else 0
|
||
if cost and gold >= cost * 3 and ap >= 1:
|
||
return 30.0 + (info.get("profit_per_day", 0) if info else 0)
|
||
return 3.0
|
||
return 1.0
|
||
|
||
def choose(self) -> dict[str, Any] | None:
|
||
"""在服务器给出的合法动作里挑一个最优的。"""
|
||
actions = self.client.available_actions()
|
||
if not actions:
|
||
return None
|
||
state = self.client.snapshot()
|
||
catalog = self.client.catalog()
|
||
best = max(actions, key=lambda item: self.score(item, state, catalog))
|
||
if self.score(best, state, catalog) <= 1.0:
|
||
return None
|
||
return best
|
||
|
||
# ------------------------------------------------------------ 单步
|
||
def step(self) -> str | None:
|
||
"""执行一个动作，返回动作名；没得做或做不了返回 None。"""
|
||
action = self.choose()
|
||
if action is None:
|
||
return None
|
||
name = action["action"]
|
||
params = action.get("params") or {}
|
||
try:
|
||
result = self.client._action(name, params) # 走通用动作入口
|
||
except GameError as exc:
|
||
self.failures += 1
|
||
if exc.code == "cooldown":
|
||
# 休息有冷却；这是正常节奏，不该记成失败
|
||
self.failures -= 1
|
||
self.say(f"冷却中… {exc.message}")
|
||
time.sleep(1.0)
|
||
return None
|
||
self.say(f"✗ {name} 失败（{exc.code}）：{exc.message}")
|
||
return None
|
||
self.actions_executed += 1
|
||
self.done.append(name)
|
||
self.say(f"✓ {name} {params} → {result.get('message', '')}")
|
||
if self.pause:
|
||
time.sleep(self.pause)
|
||
return name
|
||
|
||
def rest(self) -> bool:
|
||
"""行动点用完时推进一天。"""
|
||
try:
|
||
result = self.client.sleep()
|
||
except GameError as exc:
|
||
if exc.code == "cooldown":
|
||
time.sleep(1.0)
|
||
return True
|
||
self.say(f"✗ sleep 失败：{exc.message}")
|
||
return False
|
||
self.say(f"— {result.get('message', '进入下一天')}")
|
||
return True
|
||
|
||
# ------------------------------------------------------------ 主循环
|
||
def run(self, rounds: int = 0, max_minutes: float = 0.0, idle_limit: int = 8) -> dict[str, Any]:
|
||
"""跑机器人。
|
||
|
||
``rounds`` 为 0 表示不限轮数；``max_minutes`` 为 0 表示不限时间。
|
||
"""
|
||
deadline = (time.time() + max_minutes * 60) if max_minutes > 0 else None
|
||
start_day = self.client.snapshot().get("day", 1)
|
||
idle = 0
|
||
round_no = 0
|
||
self.say(f"机器人 {self.name} 上线（第 {start_day} 天，{self.client.transport_label()}）")
|
||
|
||
while not self._stop.is_set():
|
||
round_no += 1
|
||
if rounds and round_no > rounds:
|
||
break
|
||
if deadline and time.time() > deadline:
|
||
self.say("到时间了，收工。")
|
||
break
|
||
|
||
state = self.client.snapshot()
|
||
if state.get("ap", 0) <= 0:
|
||
# 行动点用完：休息推进一天，顺便等冷却
|
||
self.rest()
|
||
continue
|
||
|
||
did = self.step()
|
||
if did is None:
|
||
idle += 1
|
||
if idle >= idle_limit:
|
||
self.say("暂时没有可做的事，休息一天再看。")
|
||
self.rest()
|
||
idle = 0
|
||
else:
|
||
time.sleep(0.4)
|
||
else:
|
||
idle = 0
|
||
|
||
end_day = self.client.snapshot().get("day", start_day)
|
||
summary = {
|
||
"name": self.name,
|
||
"days": end_day - start_day,
|
||
"actions": self.actions_executed,
|
||
"failures": self.failures,
|
||
"net_worth": self.client.snapshot().get("net_worth"),
|
||
"gold": self.client.snapshot().get("gold"),
|
||
}
|
||
self.say(
|
||
f"机器人 {self.name} 下线：跑了 {summary['days']} 天、"
|
||
f"执行 {summary['actions']} 个动作、净资产 {summary['net_worth']}"
|
||
)
|
||
return summary
|
||
|
||
|
||
def random_bot(client, **kwargs) -> RuleBot:
|
||
"""随机策略机器人：用来做对照实验（证明"有策略"确实比乱按强）。"""
|
||
bot = RuleBot(client, **kwargs)
|
||
original = bot.choose
|
||
|
||
def choose() -> dict[str, Any] | None:
|
||
actions = client.available_actions()
|
||
if not actions:
|
||
return None
|
||
return random.choice(actions)
|
||
|
||
bot.choose = choose # type: ignore[assignment]
|
||
bot.name = kwargs.get("name", "random")
|
||
del original
|
||
return bot
|