游戏世界的分层模拟

2026年09月29日星期二

我一直想做一款三国背景的角色扮演游戏。

不是《三国志》那种坐在地图外面点城市，也不是《真三国无双》那种一个人在战场里割草。我想要的是人在三国世界里面：可以是个刚出道的小人物，赶上黄巾之乱，认识刘关张；也可以慢慢有自己的部曲，参与官渡、赤壁；再往后还能做一方诸侯，从个人视角发号施令，让几千人去打仗。

问题也就跟着来了。

玩家还是小人物的时候，游戏需要知道一壶酒多少钱、客栈还有没有空房、街上的县卒认不认识你。玩家成为将军以后，游戏又要知道一万人的粮草还能吃几天、哪支部队正在绕路、哪个县准备倒向敌人。更麻烦的是，这两个尺度不是两个游戏。昨天和你喝酒的县卒，今天可能就在你的军阵里；你烧掉的一片麦田，半年后应该变成某座城里的粮荒。

如果所有东西都精确计算，做出来的东西很像《矮人要塞》。如果远处只留几个数字，又很容易变成一张会刷事件的表格。

我想讨论的是中间那条路：分层世界模拟。

《矮人要塞》到底模拟了什么

《矮人要塞》经常被叫作“全量世界模拟”的代表。这个说法很形象，但是不够严谨。它并不是把全世界每个对象的全部逻辑，在每一个 tick 都重新算一遍。不同系统有自己的更新频率，地图之外的历史活动也会采用更抽象的处理。

《矮人要塞》中的大型要塞

《矮人要塞》Steam 版游戏画面，截图来自官方商店页。画面里同时存在人口、库存、房间、机械装置、水域和大量地形格。

在 Steam 版以前，社区还给经典版做过不少第三方“图壳”。更准确地说，它们是读取游戏状态的可视化器，底层仍然是同一个《矮人要塞》。最有代表性的是 Stonesense：它作为 DFHack 插件打开一个只读窗口，把一层层的二维格子重新画成等距 3D，还可以同时显示多个 Z 层。[13]

Stonesense 显示的 Roadtruss 要塞

Stonesense 显示的 Roadtruss 地上要塞。截图来自 DFHack 官方文档。同一份模拟状态，换一个观察方式，就能看见原界面很难表达的高度和建筑结构。

另一个项目 Armok Vision 更激进。它是单独运行的 Unity 程序，通过 DFHack 的 remotefortressreader 接口读取地图，再生成可以自由观察甚至用第一人称行走的 3D 场景。[14]

Armok Vision 的 3D 森林视角

Armok Vision 读取《矮人要塞》地图后的 3D 视角，右下角仍能看到经典版窗口。截图来自项目官方截图集。

这些工具有个很有意思的启发：模拟的分辨率和画面的分辨率不是一回事。 ASCII、像素图块、等距 3D 和第一人称 3D 可以只是同一世界状态的不同投影。反过来，画面做成 3D 也不会自动增加世界深度。对我想做的三国游戏，这意味着角色视角、战场视角和州郡地图未必需要三套互相打架的世界，只需要三套针对不同尺度的观察与操作方式。

它真正厉害的地方，是把玩家所在地点的许多系统都落到了可交互的对象上：矮人有性格、需求、技能、记忆和身体部位；物品有材质、品质和归属；液体按格流动；战斗会打中具体组织；世界生成时还会生成地形、气候、文明、战争和历史人物。

这些东西不是一叠互相看不见的数值。它们能接起来。

最出名的例子大概是 2015 年的“猫酒精中毒事件”。酒馆里的矮人会把酒洒在地上；原本用来传播血脚印的代码，让走过酒液的猫爪沾上了酒；猫又有舔毛清洁的行为，清洁时会吃下身上的污染物；酒精系统最后再按照体型计算醉酒反应。几套单独看都很合理的规则接在一起，结果就是猫喝醉、呕吐，早期版本里甚至会因酒精中毒死亡。真正的 bug 是清洁时把沾到的酒算成了整整一杯，对猫的体型来说剂量太大。[11][12]

猫酒精中毒事件拟游戏截图

根据猫酒精中毒事件重新绘制的拟游戏截图，并非《矮人要塞》官方画面。底部依次表现酒液洒落、猫爪沾酒、舔爪清洁和醉酒的因果链。

这件事最妙的地方，是代码里根本没有一条“猫走进酒馆以后随机喝醉”的剧情规则。开发者只实现了液体沾染、足迹、清洁、摄入、体型和酒精反应，荒唐的结果由系统之间的接口自己推了出来。修复剂量错误以后，猫仍然可以因为舔到酒而醉，只是不再轻易暴毙。好的涌现不是凭空随机，而是意外结果能够沿着规则一层层倒推回去。

一个矮人失去亲人，情绪变坏，工作效率下降，和别人发生冲突，冲突又影响更多人。一次普通的袭击可以经过身体、物品、心理和社会关系几套系统，最后成为玩家记得很多年的故事。这类故事不是从剧本库里抽出来的，而是从状态和规则的连续作用里长出来的。

Tarn Adams 在《Simulation Principles from Dwarf Fortress》里总结过四条原则：尽早让模型跑起来；把系统拆成基本元素和交互；不要制造没有意义的复杂度；尽量参照现实中的对应物。他还特别提醒，只模拟玩家能看到的层级，或者再往下一层。这个说法很重要，因为《矮人要塞》虽然复杂，开发者也没有把“变量越多”当成美德。[1]

换句话说，《矮人要塞》的关键不是“每个东西都算”，而是：被算的东西有统一的状态，并且不同系统愿意互相负责。

全量模拟的问题不只是慢

假设有 $N$ 个角色，每个角色选择行为时都要检查另外 $N-1$ 个角色，朴素计算量就是：

$$ T(N) = O(N^2) $$

一百个人只有一万级别的关系检查，一万人就变成一亿。寻路、物品搜索、社会关系、战斗目标选择，都可能偷偷长成这种规模。即便每个角色只在附近找人，附近人数随着密度上升，成本还是会迅速增加。

更常见的是大量看起来只有 $O(N)$ 的系统叠在一起：

$$ T_{tick} = \sum_{s=1}^{m} N_s c_s $$

$N_s$ 是参与第 $s$ 个系统的对象数，$c_s$ 是一次更新的成本。人口、物品、温度格、液体格、植物、任务和关系各扫一遍，单个循环都不吓人，加起来就吓人了。《矮人要塞》的开发者也公开谈过物品、搬运、寻路、温度和天气带来的性能压力。[2]

但 CPU 还不是最难的问题。

第一个问题是调试。 系统越多，因果链越长。玩家看到一座城突然饿死，开发者得判断这是运输失败、库存统计错误、道路被占用，还是某个县令的任务卡住了。所谓涌现，有时是精彩故事，有时只是一个很难复现的 bug。

第二个问题是调参。 五十个变量并不会自动产生五十倍的深度。它们也可能互相抵消，制造噪声，让设计者失去对结果的控制。

第三个问题是内容利用率。 玩家一次只能在一个地方。你给千里之外的村民算出了今天早餐吃什么，如果这个状态既不会传到玩家所在区域，也不会影响后来的世界，它就只是烧掉了一点电。

第四个问题是确定性也救不了故事。 全量模拟能够保证因果成立，却不能保证因果有趣。真实世界每天也发生大量无聊的事情。模拟得细，只是给涌现创造条件，并不等于自动拥有叙事。

这不只是我的担心。Michael Mateas 等人研究《矮人要塞》和《模拟人生》这类涌现叙事系统时，把一个老问题重新提了出来：底层模拟明明很丰富，玩家却未必看得见其中的故事。他们把它叫作 Tale-Spin effect。模拟器既不一定能从大量普通事件里识别出哪一段称得上故事，也不一定知道怎样把它呈现给玩家。因此他们把“故事识别”和“故事支持”单独列为设计难题。[4]

这个观点对“全量模拟崇拜”是一盆很有必要的冷水。后台发生一万件事，不等于玩家获得了一万个故事。真正有用的系统还需要发现异常的因果链，把相关人物和前因后果串起来，再用合适的形式送到玩家面前。

2026 年的一次采访里，Tarn Adams 说他们判断一层模拟值不值得加入时，会亲自反复体验；如果过程中能看到一个不错的叙事节拍逐渐形成，才说明它可能有效。[5] 这个标准没有数学味，却很务实：模拟的单位不是变量，而是它最终能不能形成玩家愿意讲出来的事情。

所以我不想复制《矮人要塞》的规模。我更想复制它的因果性。

分层模拟到底在近似什么

“分层模拟”常见的英文叫 Simulation LOD、multiresolution simulation 或者 hierarchical simulation。它和渲染 LOD 很像：近处画完整模型，远处画简化模型。不过渲染 LOD 只要看起来差不多，模拟 LOD 还要保证账能对上。

这套思路并不是游戏开发里的临时偏方。仿真领域把它叫作 Multiple Resolution Modeling，早就用于军事、交通、供应链等大规模系统。相关综述把 resolution 定义为模型描述现实对象时所使用的细节和精度，并指出战役级模型必须快速跑过几十天，工程级模型则可以把很短的过程算得很细，两者本来就在回答不同的问题。[6]

多层 Agent 模拟的研究也把微观到宏观叫作 aggregation，把宏观重新落回个体叫作 disaggregation。Mathieu 等人认为，多层模型不只是为了省计算量，还可以把领域专家真正关心的组织层次显式表示出来，或者让不同尺度的模型互相耦合。[7] 这对三国游戏很有启发：县、军队、家族和势力不应该只是为了优化才临时捏出的缓存，它们本来就是游戏世界里的真实行动者。

三层世界模拟

对三国游戏，我会先分成三层：

角色层：玩家周围的街道、府邸和战场。人物是完整实体，有位置、装备、伤势、关系和当前意图。
群体层：玩家暂时看不到的县、军队和商队。只保存人口分布、粮食、财富、士气、疾病率、派系等统计量。
世界层：州郡和势力。处理税赋、迁徙、战争趋势、外交和演义事件的约束。

设完整微观状态为 $x$，聚合状态为 $z$，把一群具体对象压缩成统计量的操作记作 $A$：

$$ z = A(x) $$

微观模拟器是 $F$，粗粒度模拟器是 $G$。我们不可能要求两个系统在每一个人的每一个动作上相同，但可以要求粗模型推进之后，和微观模型推进之后再聚合的结果接近：

$$ G(A(x)) \approx A(F(x)) $$

这就是分层模拟最核心的一条式子。

左边是“先把一座县城压成统计数据，再模拟一天”；右边是“让县城里所有人真的生活一天，再统计结果”。如果两边的人口、粮食、财富、伤亡和关键事件概率接近，那么玩家不在场时就可以放心走左边。

这里的“接近”也不能只写成一句感觉。可以定义误差：

$$ E = \alpha_p |P_c-P_f| + \alpha_g |G_c-G_f| + \alpha_e D_{JS}(q_c \parallel q_f) $$

$P$ 是人口，$G$ 是粮食，$q$ 是事件分布，$D_{JS}$ 是衡量两个概率分布差异的 Jensen-Shannon 散度。下标 $c$ 表示粗模拟，$f$ 表示细模拟。不同游戏可以用权重 $\alpha$ 决定什么更重要。

玩家不会在意远处县城第 317 个农民昨天走了哪条路，但会在意这座县城不该凭空多出五千石粮食，也会在意号称打了三个月的战争不能一个人都没死。

因此分层模拟追求的不是轨迹相同，而是守恒量相同、分布相近、关键因果不丢。

最大的坑在层级接缝

聚合很容易。两百个士兵可以压成“兵力 200、平均训练 0.63、士气 0.71、弓手占比 25%”。难的是玩家骑马赶到以后，怎么把这几个数字重新变回两百个人。

这个过程通常叫 realization 或 instantiation，也就是具现化。

聚合与具现化

最差的做法是临时随机生成两百个士兵。因为玩家会发现，上次见过的百夫长没了，军队明明挨过饿，所有人却都健康，账面上只有十个伤员，现场躺着的却是二十个。

仿真文献对这个问题的说法更直接：不同分辨率的模型连接时，需要专门的 resolution converter；否则两个模型交换的实体、属性、空间尺度和时间尺度都可能对不上。[6] 游戏里的“玩家进入地图”其实就是一次分辨率转换，只不过转换失败时不会收到论文里的误差报告，而是直接变成穿帮。

更可靠的做法是把状态分成三类：

永不聚合的锚点：玩家见过的人、历史人物、神器、仇恨、誓约、重伤等。它们数量少，但必须永久保留身份。
可以聚合的守恒量：人口、粮食、钱、兵器、伤亡。这些必须严格对账。
可以重采样的分布：普通士兵的年龄、熟练度、小伤、性格。具现化时从保存的分布中采样。

如果具现化函数记作 $R$，至少应满足往返一致性：

$$ A(R(z)) \approx z $$

也就是说，把统计状态展开成个体，再聚合回去，不能变成另一支军队。

我还会给每个区域保存一个随机种子。这样相同的聚合状态在没有新事件时可以稳定地生成相同细节，避免玩家进出地图就“刷新”出不同的人。重要对象固定保存，普通对象用分层种子生成，算是存档容量和世界连续性之间的折中。

一个能实际落地的更新方法

分层不应该只有近、中、远三个固定圆圈。三国世界里，远处的赤壁之战可能比玩家身边一只鸡重要。模拟精度应该由“距离”和“因果重要性”共同决定。

可以给区域或实体定义一个重要度：

$$ I = w_d \frac{1}{1+d} + w_r r + w_e e + w_h h $$

$d$ 是到玩家的距离，$r$ 是与玩家的关系强度，$e$ 是当前事件的重要程度，$h$ 是历史锚点权重。按 $I$ 决定更新方式：

$I \ge \tau_2$：角色层，每个 tick 或固定帧更新。
$\tau_1 \le I < \tau_2$：群体层，每几秒或每个游戏时辰更新。
$I < \tau_1$：世界层，每天或由事件触发更新。

然后再加一个预算调度器。每帧只给模拟固定的时间 $B$，所有待更新任务按重要度与逾期时间排队：

$$ priority_i = I_i + \beta \frac{t_i-t_i^{last}}{\Delta t_i} $$

第二项可以防止低重要度对象永远饿死在队列里。近处对象更新得勤，远处对象更新得慢；战争、饥荒、玩家关系人物等会临时升级。

远处平静的县城也不需要每隔一天轮询一次。它可以计算下一件事情发生的时间，然后睡眠。比如某种事件的发生率是 $\lambda$，下一次事件的等待时间可以从指数分布采样：

$$ \Delta t = -\frac{\ln U}{\lambda}, \quad U \sim Uniform(0,1) $$

人口越多、治安越差，盗匪事件的 $\lambda$ 越高；粮食越少，逃亡和哗变的 $\lambda$ 越高。系统只在事件发生、外部输入到达或者玩家接近时唤醒这个区域。这比每 tick 问一遍“今天造反了吗”干净得多。

实现顺序上，我会这样做：

先做一套唯一的世界账本，人口、物资和人物身份只有一个权威来源。
做角色层的精确模拟，先把一座小县城跑起来。
为每个子系统定义聚合量和守恒量，再写 $A$ 和 $R$。
用角色层离线跑很多次，测出县城在不同输入下的产出、伤亡和事件分布。
写群体层规则，持续比较 $G(A(x))$ 与 $A(F(x))$。
最后才做自动升降级和预算调度。

这条顺序和 Tarn Adams 的思路其实很接近：不要先画一套巨大架构，先让小模型工作，再从运行结果里发现真正需要的抽象。[1]

演义事件怎么放进模拟世界

如果完全按历史时间表硬触发，模拟只是给剧本当背景。如果完全不管历史，刘备可能在黄巾之乱前就摔死，所谓三国背景很快就没了。

我的想法是把演义事件做成约束，不做成录像。

“桃园结义”不是公元某日强制播放一段过场，而是一组条件：三个人在涿郡附近；彼此关系和政治目标达到阈值；黄巾威胁存在；他们还没有加入互斥势力。满足条件以后，系统提高这个事件的发生概率。如果条件被玩家破坏，就允许它失败、变体或者由别的人补上位置。

这样既能保留熟悉的历史引力，也允许个人行动留下痕迹。世界层负责维持大的时代压力，角色层负责决定事情具体怎样发生。

这也解释了为什么分层模拟适合三国题材。演义本来就是多尺度叙事：上一章还在帐中劝降一个人，下一章已经是“起兵五十万”。小说不会交代五十万人每天吃了什么，但关键人物的承诺、背叛和死亡必须连续。它天然知道哪些东西该聚合，哪些东西不能丢。

LLM 应该放在哪一层

LLM 很容易让人产生一个危险的想法：既然模型能编出合理的故事，能不能让它直接负责整个世界？

我认为不行。

LLM 擅长的是“下一段话像什么”，不是“仓库里到底还有多少粮”。它没有天然的守恒约束，也不擅长在几万次更新以后维持同一套精确状态。如果把世界状态直接交给它，迟早会出现死人复活、物资凭空增加、角色知道了不该知道的情报。这不是多写几句提示词就能彻底解决的问题。

但 LLM 放在确定性引擎上面，会非常有用。

斯坦福的 Generative Agents 实验给了一个正面的例子：25 个 Agent 通过观察、记忆检索、反思和计划，在一个类似《模拟人生》的小镇里形成了传播邀请、建立关系、共同赴约等社会行为。消融实验表明，记忆、反思和计划都对“看起来像一个可信的人”有贡献。[8] 这说明 LLM 确实可以补足传统游戏 AI 最弱的社会解释和自然语言层，但这个实验的规模也提醒我们，它离一整个三国世界还有很远。

另一边，研究者把 GPT-4 生成的对白放进《极乐迪斯科》的状态和对白结构里，请 28 名真正的玩家评价。人工对白在逻辑一致性上的偏好比例是 61%，GPT-4 是 28%；有 32% 的生成结果至少被一名玩家判断为接上下一句后不合逻辑。模型虽然很会改写同一句话，也容易顺手添加不符合当前状态的信息。[9] 针对《天外世界》构建的 KNUDGE 数据集，更把“忠实于任务结构、人物背景和世界设定”当成独立问题，而不是默认语言模型自己会做到。[10]

所以 LLM 接进游戏以后，最重要的不是给它更多形容词，而是给它更窄、更可靠的权限。

第一，做叙事翻译器。 引擎给出结构化事实：“建安五年八月，运输队在白马附近损失粮食 320 石，原因是渡口被毁。”LLM 可以把同一事实分别写成军报、酒馆传闻、士兵家书和敌军檄文。事实不由它决定，表达由它完成。

第二，做认知过滤。 每个角色只拿到自己知道的事实。县令看到的是户籍和税粮，斥候看到的是道路和敌军，百姓听到的是带噪声的传闻。LLM 根据角色身份组织语言，但不能越过知识库读取世界真值。

第三，辅助开发粗模型。 用细模拟生成轨迹，让机器学习模型拟合 $G$，这类东西叫 learned surrogate model。它可以学习“一个县在给定人口、土地、治安和税率下，一个月以后大概会变成什么样”。不过输出仍要投影回合法状态：人口不能为负，粮食流入流出必须对账，历史锚点不能被覆盖。

第四，做异常解释和测试。 开发阶段可以让 LLM 阅读事件日志，归纳“这座城为什么饿死”，或者自动生成极端测试情景。但最终判定仍然由代码和断言完成。

如果用神经网络代替部分粗模拟，还会遇到长程漂移。单步预测误差只有 $\epsilon$，反复自回归以后也可能被系统的敏感性放大：

$$ \|e_k\| \lesssim \epsilon \sum_{i=0}^{k-1} L^i $$

$L$ 可以理解为状态转移对误差的放大程度。当 $L>1$，误差会很快增长。所以训练时不能只看下一步，还要做多步 rollout；运行时要定期用精确模拟抽样校正；模型置信度低、遇到战争或罕见事件时，直接升级到显式规则。

最稳妥的分工可以概括为一句话：

代码保存事实，概率模型近似演化，LLM 负责把事实讲给人听。

最后

《矮人要塞》证明了一件事：许多简单系统只要共享同一个世界，确实能长出开发者没有写过的故事。它的代价也同样明显：性能、调试、调参和漫长的开发时间。

对我想做的三国游戏，全量模拟不是目的。玩家相信这个世界，靠的也不是后台悄悄更新了多少对象，而是几件更具体的事：物资不会凭空出现，人物不会无缘无故失忆，远处发生的战争会留下伤亡和难民，昨天结识的人今天仍然是同一个人。

分层模拟牺牲的是不可见的个体轨迹，保住的是可以被追问的因果。

有一天，玩家从一个无名小卒成为统兵将军，回到多年前路过的县城，发现当年救过的小吏已经成了县令；他还能说出那场饥荒，记得玩家烧掉的粮仓，并且因此拒绝提供军粮。我觉得做到这里，这个世界就已经活了。

至于那个县城里其他三千人昨天早上吃了什么，真的可以不算。

参考资料

Tarn Adams, Simulation Principles from Dwarf Fortress, Game AI Pro 2, 2015.
Bay 12 Games, Dwarf Fortress Talk 合集，其中开发者讨论了寻路、搬运、物品、温度和天气的性能问题。
Dwarf Fortress Steam 商店页，游戏对世界、人格、战斗、天气与地质模拟的官方说明。
James Ryan, Michael Mateas, Noah Wardrip-Fruin, Open Design Challenges for Interactive Emergent Narrative, 2015。文章讨论了涌现叙事中的模块化内容、组合表达、故事识别和故事支持。
PC Gamer, Dwarf Fortress creator says we have a natural lean towards human-made stories, 2026。包含 Tarn Adams 对模拟系统、叙事节拍和生成式 AI 的看法。
Mario Marin, Gene Lee, Jaeho Kim, Multiple Resolution Modeling: A Particular Case of Distributed Simulation, Information, 2020。
Philippe Mathieu, Gildas Morvan, Sébastien Picault, Multi-level agent-based simulations: Four design patterns, Simulation Modelling Practice and Theory, 2018。
Joon Sung Park 等, Generative Agents: Interactive Simulacra of Human Behavior, UIST 2023。
Nader Akoury, Qian Yang, Mohit Iyyer, A Framework for Exploring Player Perceptions of LLM-Generated Dialogue in Commercial Video Games, Findings of EMNLP 2023。研究使用《极乐迪斯科》对白和 Lua 游戏状态评估生成文本。
Nathaniel Weir 等, Ontologically Faithful Generation of Non-Player Character Dialogues, EMNLP 2024。
PC Gamer, How cats get drunk in Dwarf Fortress, and why its creators haven't figured out time travel yet, 2016。Tarn Adams 解释了酒液、足迹、清洁、摄入剂量和体型计算形成的因果链。
Dwarf Fortress Bug Tracker, 0009270 Tavern Keepers Serve Drinks to Animals potentially causing inebriation and death, 2015。原始问题记录及对猫自我清洁机制的排查。
DFHack Documentation, Stonesense。该工具是具有游戏状态只读访问权的等距 3D 可视化器。
RosaryMala, Armok Vision。基于 Unity、DFHack 与 protobuf 远程接口的实时 3D 可视化器。

funcman's blog