遊戲難度探測裝置詳解 - 我的世界遊戲難度探測裝置怎麼使用

我的世界裡有各種各樣的地方，平時閒著的時候到處逛逛，路上會遇到很多的突發情況，這個時候如果你的準備不充分，那很有可能會受傷。下面和大家分享一款遊戲難度探測裝置，知己知彼，就能從容應對突發狀況了.......

今天呢，我看到一個很巧妙的遊戲難度探測裝置，覺得有必要讓更多地圖製作者所知，在這裡介紹一下分享給大家。

這裡是地圖資訊。我看了一下覺得這個裝置雖然應用面不廣但是實際上是非常有意思的裝置。值得推廣，這個可以作為模組應用到一些小遊戲中。

那麼廢話不多說，這裡放一下裝置的截圖，這個裝置我去掉了許多不需要的方塊，所以我們能夠很直接的看到這個原型的結構。這裡的原理很明顯是使用的殭屍的尋路AI，由於我並沒有怎麼接觸過MC的原始碼，所以不能從原始碼層面進行剖析。但是我們可以通過側面認知的方法來解開其中的具體原因。

那麼我們來看一下，這個模組的功能是進行遊戲難度的探測。而應用了AI就說明尋路演算法在不同的難度下是不同的。我們這裡可以做一下統計。

一般的尋路演算法是計算最短的路徑，但是由於殭屍是一個“生物”，所以這個演算法要做到的是找出在承受一定的傷害內通過最短的路徑。也就是說越少傷害走越短的路。

那麼我們這裡統計一下，首先殭屍會摔落11格控制一下血量，然後，簡單難度路線走28格，摔落3格，普通難度路線走20格，摔落4格，困難難度路線走10格，摔落7格。那麼這裡就是很有意思的一個計算了。通過一個通俗的說法來講的話，就是難度越高，AI越莽，也就是攻擊慾望越大於求生慾望。

那麼這裡通過分析我們的需求，首先我們必須將村民放在殭屍的視野裡，這點不用多說很容易做到，其次在不阻擋尋路的情況下困住殭屍和村民，這一點的話諸多生存類裝置也都有用到，這裡作者用柵欄困住殭屍，用地毯困住村民，這二者都不會阻擋AI的計算，也不必多說。然後由於殭屍的移動會被柵欄堵住，所以這裡的話在柵欄上放一個壓力板就可以探測殭屍選擇了哪一條路。這樣難度切換的時候殭屍選擇的路線自然也是不一樣的。

那麼現在仍然有一個問題，大家可以看到我的截圖裡面實際上是有一個高頻CB的，那麼這個方塊實際上是必要的嗎？是的。

通過嘗試自己搭建這樣的模組，我們會發現殭屍不會在修改難度的同時更換自己的路線，而需要周圍的方塊進行更新才能重新計算。我不知道原作者使用的是何種方法使殭屍重新計算，我做了一點自己的調整。我們可以通過cb來不停的clone某個方塊至原位置來實現更新這一點。

/clone ~ ~ ~ ~ ~ ~ ~ ~ ~ masked move

這便是圖中cb的指令。

原理差不多到這裡，希望能幫助你們做出更好的小遊戲地圖。