[文本格式已更新]让ai分析了游戏源码的比赛引擎，大家感受下，小有收获

darbra

这是用ai对cm0304的比赛引擎进行了逆向分析，后续对fm2027等进行分析，先试试水

【 8. 种子定了以后，游戏到底怎么“踢”一场球？（以阿森纳 vs 切尔西为例）】

[注]：本节内容全部源自反编译代码（涵盖主循环、持球决策、动作结算、球轨迹、门将以及进球处理等模块）。
注有“读代码证实”的，代表直接查阅了源码；注有“推断”的，代表看懂了代码大意但未逐行验证。
文中所举例子里的具体数值（如射手射术、距离、抽到的牌等）仅为示意，但核心公式和运转流程是完全真实的。


--- 8.1 先打消一个误会：游戏并不是在“算比分” ---

很多人以为游戏会预先算出“阿森纳控球 58%、射门 14 次、进 2 球”这种数据，或者有一个决定“强队有 70% 胜率”的总骰子——这其实是错的。
实际上，游戏是在后台跑一个真实的 2D 小世界：球场有精确坐标，场上有 22 个球员和 1 个球，全场大约会运行 96000 个逻辑帧（Tick）。
每一个逻辑帧，每个球员都会“思考并执行”一步动作：传球、盘带、射门、逼抢或是跑位。
所谓的最终比分，仅仅是这个小世界跑完 90 分钟后，球到底进了几次门的“计数结果”。
那么“种子”决定了什么？它只决定一件事：每次游戏遇到需要“碰运气”的判定时，从牌堆里翻出来的那张随机牌是什么。


--- 8.2 一个逻辑帧（Tick）里会发生什么？【读代码证实】 ---

每个 Tick 会依次执行以下步骤：
1. 球的轨迹：从球的“轨迹数组”里调出这一帧的位置。球一旦被踢出，整条飞行轨迹（每一帧的 x、y 坐标和高度）就会被引擎一次性算好并存起来。
2. 边界判定：判断球是否出界或进门。
3. 球员 AI 思考：
   - 有球的球员 ➔ 决定是传、带还是射门。
   - 没球的球员 ➔ 决定跑位、盯人或压上。
   - 门将 ➔ 决定站位、出击或扑救。
4. 动作结算：执行上述决定的动作，并结算结果。
5. 命令检查：检查玩家的“战术命令队列”（比如换人、改战术）是否到点生效。

在第 3 和第 4 步的几乎每一次判断中，系统都会从“同一副牌”里抽牌（整个工程约有 2000 个抽牌点）。


--- 8.3 一脚射门是怎么发生的？（以阿森纳 9 号面对切尔西门将为例） ---

第 1 步：想射还是不射？（持球人的思考）
持球人会同时评估传球、盘带和射门的收益。引擎会计算：他离球门多远、球门在他视角的张角、身体朝向、防守压迫力度、传球线路是否被挡等。
选择“射门”需要跨过几道带有抽牌判定的门槛。距离越远、压迫越大，门槛就越高越难过。战术设置里如果开启了“远射（Long Shots）”，能让他在更远距离依然强行选择射门。

第 2 步：选择哪种射门方式？
代码里内置了大约 16 种射门动作（普通劲射、推射死角、弧线球、凌空、头球等）。具体选哪种，取决于是否是头球/定位球、距离、角度、防守压迫，同时还要加上一些随机数值门槛来做最终决定。

第 3 步：瞄准哪里？
瞄准点基本在球门范围内：横向大约限制在“球门中心 ±30 个坐标单位”内，高度默认随机（0~19）。
举个例子：“推角度球”会比较球门左右两个角，看哪个角相对门将的夹角更大，从而选择更远的那一边。这就是为什么门将的站位会直接影响前锋“射哪个角”。

第 4 步：射术判定与误差计算（决定射得准不准）
1. 射术抽牌 (s)：
   如果是脚射且距离较近（约禁区内），引擎用 Finishing（射门）属性来抽牌；距离适中则混用 Finishing 和 LongShots（远射）；更远则纯看 LongShots。头球看 Heading，定位球看对应属性。
   【注意】：Finishing 的有效数值其实被压缩在 42~54 之间。可见属性 5 和 20 的射手，抽牌范围大约是 0~43 对比 0~49，差距并没有直觉上那么悬殊。
2. 弱脚惩罚：如果射门方向超出了球员“顺脚的范围”，会根据弱脚属性扣分。双脚均衡的球员不扣分，纯单脚球员最多扣 40 分。
3. 误差预算：引擎根据距离、防守压迫、以及刚才抽出的“射术牌 s”，算出一个 0~35 的“误差预算”。距离远、压迫大、抽牌差，误差预算就大。
   这笔预算会先分给“高度偏差”（可能打飞），剩下的预算才是“水平偏角”（打偏）。
   如果你的射术牌抽得极高，水平方向几乎不会偏；但高度偏差在前面已经分配好了，所以好射手也依然可能打高。
4. 力量判定：以劲射为例，力量 = 随机基础值 + 20 × 射术牌，封顶 600。射术好的人更容易踢出力量上限。

第 5 步：球飞出去
引擎把“瞄准点 + 力量 + 旋转 + 误差”合并，生成一条精确到每一帧的完整飞行轨迹，存进数组。
同时，它还会抽一张范围到 10000 的牌存起来，作为这脚球的“运气号”，用于打破极个别的平局判定。


--- 8.4 门将和防守人怎么起作用？ ---

门将扑救：在球飞行期间，门将每一帧都会预测球的位置。
他的“触及范围”大致等于 Agility（灵活）的随机判定 + Reflexes（反应）的随机判定。
拿着这个范围去对比“门将距离球轨迹有多远”。如果够不着，直接判定扑空；如果够得着，进入扑救质量判定阶段。
扑救质量不仅看 Handling（手型），还要扣除球速、距离带来的难度分。最终划分为：常规扑救（抱住或化解）、好扑救、神扑。

防守人挡射：防守球员会触发“封堵射门”或“人墙封堵”等判定，具体细节依然是由动作结算模块根据碰撞规则来计算。


--- 8.5 球是怎么“进”的？【读代码证实+部分推断】 ---

1. 引擎在计算球轨迹时，如果提前模拟出球越过了球门线，且在门框范围之内，就会把这条轨迹标记为“进门轨迹”，并记录越线的是哪一帧、进了哪边的门。擦柱入网等特殊情况也在此时算好。
2. 随着时间流逝，当小世界运行到“越线的这一帧”时，主循环发现球在门里，且还没结算过。
3. 开始进球结算：给进球方和进球球员 +1，给双方发“士气/评分”变动事件（进球方涨，失球方降），接着触发解说事件（比如帽子戏法、绝杀、越位无效等），最后延迟几十帧重新开球。


--- 8.6 “种子”在这一连串动作里到底做了什么？ ---

把上述流程串起来，你会发现每一处“碰运气”都是在按顺序抽同一副牌：
* 想射不射 ➔ 门槛判定抽牌
* 选射法 ➔ 抽牌决定细节
* 瞄准 ➔ 抽牌决定高度和偏移
* 射术 ➔ 根据能力值上限抽牌
* 误差 ➔ 抽牌决定高了还是偏了
* 力量 ➔ 抽牌浮动
* 门将 ➔ 根据反应、灵活抽牌
* 运气号 ➔ 抽一张留作备用

这意味着，同一个“种子”+ 同样的操作顺序，一定会得出完全一样的射门结果。
但如果你中途换人或改变战术，引擎就会多抽几张牌，导致后面的牌序全部错位——原本能抽出“满分射门”的那脚球，可能因为牌序变了，抽到烂牌直接打飞。
结论：游戏的“随机性”并不作用于宏观的比分，而是作用于每一脚球、每一个动作的微观细节，最终的比分只是这些细节累积出的结果。



【 9. CA / PA 和比赛到底有关系吗？（源码解密结论） 】

先说核心结论：CA 有关系，但影响比很多人想象的要小得多；PA 在实际比赛过程里基本没有作用。


--- 9.1 CA、PA 是真实参与计算的数据吗？ ---

是的。开赛时引擎会把球员的 CA (0-200) 换算成引擎内部使用的 CA' (150-250)。
计算公式：CA' = (CA + 100) / 2 + 100


--- 9.2 CA 到底干了什么？（最重要的一点） ---

对于 25 个“技术类与判断类”属性（如射门、传球、盘带、视野、预判、门将手型等），引擎会先用 CA 算一个基础值：
基础公式：(CA' + 2 × 可见属性) / 10

用人话解释：CA 先给每个球员铺了一个“属性地板”，而面板上的可见属性只是在这个地板上加一点分。
举个直观的例子，同样是 CA 100 的球员：
* 射门属性只有 1 ➔ 内部有效值为 42
* 射门属性拉满到 20 ➔ 内部有效值为 50
你会发现，属性最差的人，其核心有效值依然是最好的人的 84%！

对比实战对抗（满状态下）：
* 前锋A：CA 140，射门 8 ➔ 有效值 46
* 前锋B：CA 80，射门 18 ➔ 有效值 48
结论：这俩人的实际射门准度几乎一样，“高 CA 但面板低”的球员在技术对抗上并不吃亏。

但是，物理身体属性（如速度 Pace、强壮、弹跳）完全不吃 CA 加成！
* 球员A 速度 8，球员B 速度 18。在赛跑对位上，B 会取得压倒性优势，无论他们的 CA 差多少。
总结规律：1 点可见面板属性，大约相当于 4~8 点 CA。


--- 9.3 CA 还在哪些边角料地方有作用？ ---

1. 动作质量闸门：传球、传中等动作会有个判定，CA 越高，越容易踢出高质量球，但最高和最低的触发率平均只差 2% 左右。
2. 状态低迷惩罚：如果球员今天“拉跨”，CA 越高的人，保底的下限会稍微高一丁点（差距极小，肉眼不可见）。
3. 后台快速模拟（跳过比赛直接出结果时）：此时 CA 是决定球员表现和赛后评分的明显权重。


--- 9.4 PA 有作用吗？ ---

在比赛实际踢的过程中，PA 有且只有一个微小的作用：给球员“临场心理状态爆发”时的加成设置一个天花板。
PA 高的小妖和 PA 低的老将，如果当前 CA 一样，在比赛里最多也就差“状态爆棚时多出 0~2 点的有效属性上限”。
PA 的真正作用全都在比赛之外：决定球员成长潜力、转会费估价等。


--- 9.5 一句话总结 ---

比赛靠的是：“面板可见属性 + 由 CA 垫起来的地板”。
CA 是地板，不是天赋加成；PA 则只是一个非常宽松的天花板；身体属性完全脱离 CA 独立计算。
因此，看一个球员在场上强不强，速度、强壮、弹跳等身体属性比 CA 更能决定对位胜负；而传控射等技术类环节，CA 和面板属性的影响力大概各占一半。

小灰灰

真的是完美验证了夏洛特的那个属性影响力，田径经理2027

crushw

很好很好 建议再多拷打一下ai 特别是豆包 豆包最喜欢瞎编

0304阿森纳他就没有9号的 8号永贝里 10号博格坎普

而且现代引擎一个tick是250ms 就是1秒4帧 这就不好平账了 一场是两万多帧

其他流程上的部分 我认为还是相当可靠的 很值得参考

中式年华

现在有ai了，弄这个有点意思

iverson1211

能不能直接上结论

speed0811

iverson1211 发表于 2026-11-8 17:38
能不能直接上结论

楼主贴的就是结论， 耐心点看完吧。

1084873243

iverson1211 发表于 2026-11-8 17:38
能不能直接上结论

你可以把楼主的话再发给豆包精简一下,

iamderossi

目前玩家社区的看法是先根据各种数据、概率等计算出阶段性的比赛事件，再反推比赛动画。楼主用AI的这个分析，可以说是很震撼了，希望能把fm27也拆解出来。

darbra

speed0811 发表于 2026-11-8 17:55
楼主贴的就是结论， 耐心点看完吧。

又加了ca pa对比赛的影响 看看咯

darbra

iamderossi 发表于 2026-11-8 18:56
目前玩家社区的看法是先根据各种数据、概率等计算出阶段性的比赛事件，再反推比赛动画。楼主用AI的这个分析 ...

又加了ca pa对比赛的影响 看看咯

永濑丽子

感谢楼主细致分析，很有收获

harvestgreen22

感谢分析，太详细了

wangdalv

要不说跑狗吃香呢

ldc11614

这么多帧，每次处理差百分之一，一连串运行之后，差距应该是天差地别吧

vanmakaay

这分析了为什么跑狗牛逼，

helicdark

还是数值设计因素吧，不用编辑器修改，再怎么低ca，球员右边身体那一栏也没有1的，甚至正常5以下都少；但是左边中间精神和技术真的会有一大片1，引擎又不能让技术部分的1真100%倍率作用到比赛（不然底层联赛根本没法看了），那最后自然就是现在反编译出来的这种比赛引擎

helicdark

说起来一直看有人说决断预判之类完全没有用，那么解包支不支持这个说法呢

heyide

但是，物理身体属性（如速度 Pace、强壮、弹跳）完全不吃 CA 加成！
* 球员A 速度 8，球员B 速度 18。在赛跑对位上，B 会取得压倒性优势，无论他们的 CA 差多少。
总结规律：1 点可见面板属性，大约相当于 4~8 点 CA。


笑死 田径经理27   我原先一直这么多代的猜想是“属性是参数加算，速度是倍率乘算” ，原来居然是属性被CA拖后腿，身体无视CA直接对比，这套屎山代码能跑这么多年也真就是没有竞品.....

mike74102

看来之前b站大神测出来的跑狗无敌结论，也是和这几个属性和总CA无关是能应证的，所以不管总CA多低的球员，身体属性好就是好，其他技术属性的加成敏感性太低了

mike74102

看来之前b站大神测出来的跑狗无敌结论，也是和这几个属性和总CA无关是能应证的，所以不管总CA多低的球员，身体属性好就是好，其他技术属性的加成敏感性太低了