游戏需要制定明确的机制，只有这样才能让玩家知道该如何一步步升级；同时，游戏也需要“意外”，如果玩家在游戏里的行为结果太过有迹可循，很容易让玩家失去兴趣。

在本文中，资深技术游戏设计师 Christo Nobbs 将以例子深入说明怎样给游戏添加随机元素，从而让玩家保持兴趣和期待。

用户可以借助显眼的图像元素来吸引玩家进一步探索游戏系统，催生独特的游戏体验。上一篇文章中（点击‍回看），着重介绍了一个由大量树木组成的沙盒世界，这些木头在特定条件下可能会着火并让火势蔓延。游戏设计师在此基础上再给玩家一把斧子，让玩家可以砍树。

假设玩家所在之处完全平整，那他们将难以预测树倒下的方向。如果有些树是那种已经“死了”但还矗立着的枯树呢？这些枯树说不定什么时候就会倒下。这种不确定元素可以为游戏体验带来刺激和紧张感。 

你可以用画面来告诉玩家这些倒下的树十分危险，让他们保持警觉。玩家则能通过图像细节来分辨危险的枯木和健康的普通树木，然后自行权衡利弊。没准儿玩家会因此思考：如果直接在已经倒地的树上收集柴火，从而避免被危险的枯木伤到，这样会不会更明智点？

作为一名游戏设计师，我们一定要罗列出这些可能的连锁反应，再围绕着它设计，保证它能顺利发生，比如树木向随机的方向倒下、甚至偶尔着火，这些元素都可以引发混乱但有趣的状况。

Unity 的 Random 脚本类是一种生成随机数据的静态类。它与 .NET 框架下的 System.Random 有着同样的名称与相似的功能，但两者之间有着几种关键的不同——比如前者要比后者快 20%-40%。

Random 类所包含的静态属性和方法如下：

 insideUnitCircle：返回圆半径1.0以内或边缘上的某一点（只读）

 insideUnitSphere：返回球半径1.0以内或边缘上的某一点（只读）

 onUnitSphere：返回球半径为1.0的球面上的某一点（只读）

 Rotation：返回一个随机旋转角（只读）

 rotationUniform：返回一个均匀分布的随机旋转角（只读）

 state：取得或设定随机数字生成器的内部状态

 value：返回一个（包括）0.0到1.0之间的随机浮点数（只读）

 ColorHSV：从HSV和alpha数值范围中生成一种随机色彩

 InitState：以一串种子值初始化随机数字生成器

 Range：返回一个（包括）[minInclusive..maxInclusive]之间的随机浮点数

我们在上一篇博文里探讨了“操纵杆”（调试键）的作用，以及如何使用 ScriptableObjects 来储存调试数值。你可以用 Unity 的 Random.Range 设定一个数值范围，用随机生成的浮点数来取代固定的调试数值。此时，包括最大最小值在内的任意浮点数会在每 1 千万个随机样本中出现一次。

你可以使用这种方法从数值范围中抽取出一个用于游戏的值。只要多实验几次，你就能找到最适合游戏的范围，然后再围绕着这个范围进行设计。

随机元素能让游戏更吸引人。

打个比方，假设树有着 100 点的固定血量，而玩家每次挥砍斧子可造成 25 点伤害。那砍树这件事很快会变得可预测且无聊。即便树木的血量在 76 到 100 点间浮动，每棵树仍是砍四下就倒。不过若血量设在了 75 到 76 之间，则游戏玩法会非常不同，这时每棵树需要被砍三到四下才会倒。

另一种给砍树添加趣味的方法是隐藏血条，用视觉线索来暗示血量变化。这样一来，玩家将从游戏过程中逐渐学习到砍倒一棵树要多久。视觉线索可以增添有限的不确定性，这些不确定性可根据游戏玩法进行平衡和调整。而放弃固定数值、善用 Random 类可让原本单调的任务变成一种有趣的体验。

要想更进一步，你可以让每次挥砍减少 15 到 25 点的伤害。这样一来玩家将很难准确判断砍倒一棵树要多久。他们只得依靠视觉线索来揣测这棵树何时会被砍倒；这些线索可以是砍飞的碎块大小、树桩的切口大小、掉落的树枝多少、树干断裂的音效等等。

玩家不能准确预测树木倒下的时机，但砍得越多，玩家就能猜得越准，并最终提高自己的生存几率。

随机的目的是给玩家带来意料之外的挑战，促使他们权衡风险、争取最好的结果。

接下来我们再来看看几个使用 Random 类的例子。

假设某款卡牌游戏里的 AI 对手只会针对玩家的操作而出牌。如果没有随机性，对手每次出牌都会是固定的，因而也变得容易预测。即便变成了二选一，这样的随机还是太简单，玩家会很快总结出一套规律。

因此，我们可以试着在 AI 的每一步反击上增添一层随机性。如此一来，AI 不会仅仅只从卡池里选两张牌之一打出，或一直优先打出某张牌而放弃其他牌，让整个系统更加复杂、游戏更具动态。

你可以设定几种难度，让不同难度下的对手优先出特定几张牌；比方说，根据预设的值或攻击前的手牌来预测出需要出的牌。如果有一张王牌和其他强力卡牌搭配时可以造成数倍伤害，那对手就可以等到手牌中凑齐了这些卡牌后再打出，给玩家增加难度。你可以通过提高或减少某张王牌与其他强力卡牌一起打出的可能性，来给这种出牌组合设置“权重”。

随机性能以不同的形式出现在游戏中。比如，柏林噪声（Perlin noise）就能根据一串种子值来生成自然的递进噪声，它可以在 Cinemachine中产生更加自然的第三人称跟随镜头。

要想尝试 Perlin noise，可以在资源商店上打开 Starter Assets - Third-person Character Controller 或 Gaia 资源包，或参考 M‍athf.PerlinNoise 文档。

在一次采访中，《光环2》的首席工程师 Chris Butcher 在讨论游戏的 AI 时表示：“我们的目标并不是创造出那种不可预测的东西。这里的人工智能必须有高度的连贯性，可以识别特定的玩家输入。让玩家在做出某些动作后可以预测到 AI 的反应。“

在这个前提下，我们该怎样建立 AI 代理同时保持游戏的不确定性和活力呢？

一种方法是用资源商店的 Starter Assets 和 AI 工具进行实验，比如能让 AI 代理向某个位置移动的 A* Pathfinding Project Pro。

当 AI 代理走向玩家时，玩家觉得自己马上会遭到攻击。但如果它走过来只是为了对话呢？如果我们想要加入更多四处走动、融入环境的 NPC，让周围的环境更有活力呢？这些 NPC 应该线性地收到可以前往的地点，或者根据一套规则并用 Random 类来选取符合逻辑的地点。

假设有一个 AI 代理能用一张较弱的弓向玩家射箭。不幸的是，代理必须站在一定的距离内才能射击，因为它的最大射程是十米。当 AI 站到了玩家面前 10 米处时，便会开火。这样的安排算不上理想，尤其是有第二个弓箭手也想在 NavMesh 上争夺同一个位置时。

要让这个情景更为有趣，我们可以划定一块区域让敌人来靠近玩家。我们能用 Random.insideUnitCircle 实现这点，将输出的 vector2 传入到 vector3 空间坐标的 X 和 Z 轴上，然后利用 RandomRange 在玩家周围划出一块最小与最大值之间的圆。

AI代理选取攻击位置的脚本

AI 代理应该在玩家附近选取一个位置再射击，而不是过于靠近玩家。为了用最少的代码带来更多的刺激，所有 AI 代理都能应用这个脚本，并从多个角度攻击玩家。AI 的行为在一定程度上是可以预判的，代理会在一个固定的距离展开攻击，但你并不能预测攻击的角度。

红点代表了代理将前往的位置

你也可以在此基础上为代理添加近战攻击的能力。用同样的方法在玩家的近身距离内随机取得地点，让代理能在适当的时机选择自己的攻击方式。

玩家知道自己有可能会遭受近战攻击，但从哪个方向来呢？会不会有举过头顶的高位攻击？或者从左到右的横扫攻击？玩家只能通过观察动画上的文字来确定即将来临的攻击。

这时如果有多个敌对 NPC 意图攻击玩家，则整个状况会立即变得复杂。不过在育碧的《Far Cry 2》里，玩家并不会同时遭受所有敌人的进攻。不同的敌人有着各自的攻击时机与方式。

如果你希望在游戏中真实地还原现实动作所产生的结果，你就必须应用复杂、多方面的等式或一个训练好的 ML 代理。最终，这种效果很可能仍然无法契合游戏，并且实行的耗时长、技术要求高，且如果架构得差，要理解、平衡或控制起来会非常困难。

不过在 Unity Random 类的帮助下，游戏设计师们也可以为场景创造逼真的效果、控制游戏的刺激程度，相比于其他方法，这样也能节省不少时间。当然，随机性不一定处处适用，确定性仍然十分重要。但只要在合适的地方、合适的时机善加利用，你就能给玩家带去非常独特的游戏体验，吸引玩家一次又一次地进入游戏。

长按关注

第一时间了解Unity引擎动向，学习最新开发技巧