软件工程第二次作业
一箭又一箭：Python + Pygame 小游戏开发实践
| 项目内容 | 软件工程第二次个人作业：一箭又一箭小游戏 |
|---|---|
| 这个作业属于哪个课程 | 2026 春季软件工程与软件工程实践（福州大学） |
| 这个作业要求在哪里 | 第二次作业：一箭又一箭 |
| 这个作业的目标 | 使用 Python 和 AIGC 完成 "一箭又一箭" 小游戏，掌握图形界面开发、路径判断、碰撞反馈、关卡状态管理等基础能力 |
| 学号 | 102401119 |
| GitHub 仓库 | Lqh5 / 一箭又一箭 |
一、项目展示
1. 开始界面
2. 游戏过程（第 1 关）
游戏过程中，点击 "前方无阻挡" 的箭头，箭头会沿方向飞出并消失；点击 "前方有阻挡" 的箭头，箭头会变成红色并抖动，同时失误次数减 1：
3. 通关界面
4. 失败界面
二、项目介绍
1. 游戏规则
-
棋盘中有若干带方向的箭头（上、下、左、右）；
-
点击箭头后，程序沿箭头方向检查其到棋盘边界的路径：
-
若路径上没有其他箭头 → 箭头飞出棋盘并被消除；
-
若路径上存在其他箭头 → 箭头不能消除，产生红色高亮 + 抖动的碰撞反馈，并消耗 1 次失误机会；
-
-
消除本关全部箭头 → 通关，进入下一关；
-
失误次数耗尽 → 本关失败，可重新开始。
2. 界面设计
界面采用深色简约风格，共四种场景（状态机管理）：
| 场景 | 内容 |
|---|---|
| 开始界面 | 游戏标题、玩法说明、"开始游戏" 按钮 |
| 游戏界面 | 顶部状态栏（关卡、剩余箭头、失误次数、重新开始按钮）+ 6×6 棋盘 |
| 通关界面 | "恭喜通关" 提示 + "进入下一关" 按钮 |
| 失败界面 | "挑战失败" 提示 + "重新挑战" 按钮 |
3. 主要功能
-
鼠标点击选择箭头；
-
四个方向箭头显示与路径检测；
-
箭头飞出动画、碰撞抖动反馈；
-
失误次数统计与显示；
-
关卡切换（3 个难度递增的关卡，每局随机生成新布局）；
-
重新开始功能；
-
启动时自动校验所有关卡可解。
三、实现思路
1. 关卡与箭头的表示
棋盘是一个 6×6 的二维数组 grid[r][c]：None 表示空格，0/1/2/3 表示上 / 右 / 下 / 左四个方向的箭头。关卡不写死，每局开始时由 random_grid(箭头数) 随机生成，并保证一定有解：
def random_grid(num_arrows):
# 反推法：从空棋盘逐个放箭头
grid = [[None] * 6 for _ in range(6)]
placed = []
for _ in range(num_arrows):
# 找出所有"前方无任何已放箭头"的合法位置+方向
# （这样新箭头按放置倒序消除时一定能飞）
...
# 优先选能挡住某个旧箭头的位置，制造解谜依赖
grid[r][c] = d
placed.append((r, c, d))
return grid
三关的难度通过箭头数量区分（4 / 6 / 8 个），每局重开或进下一关都会重新随机。
方向用数字 0-3 表示，并映射为行列增量（注意 grid[r][c] 中 r 是行、c 是列）：
DIRECTIONS = {
0: (-1, 0), # 上：行减 1
1: (0, 1), # 右：列加 1
2: (1, 0), # 下：行加 1
3: (0, -1), # 左：列减 1
}
2. 路径检测（核心算法）
点击 (r, c) 处的箭头后，从下一格开始沿箭头方向逐格前进：遇到其他箭头说明被阻挡，返回 False；到达棋盘边界返回 True：
def path_clear(self, r, c):
direction = self.grid[r][c]
if direction is None:
return False
dr, dc = DIRECTIONS[direction]
nr, nc = r + dr, c + dc
while 0 <= nr < GRID_ROWS and 0 <= nc < GRID_COLS:
if self.grid[nr][nc] is not None:
return False # 被其他箭头阻挡
nr += dr
nc += dc
return True # 畅通到边界
3. 点击处理与状态切换
def click(self, r, c):
if self.status != "playing":
return "invalid"
if self.grid[r][c] is None:
return "empty"
if self.path_clear(r, c):
self.grid[r][c] = None # 消除
if self.remaining_arrows() == 0:
self.status = "win" # 通关
return "fly"
else:
self.mistakes_left -= 1 # 碰撞：失误 -1
if self.mistakes_left <= 0:
self.status = "lose" # 失败
return "collision"
4. 关卡可解性保障
关卡数据不是写死的。我用了随机生成器 random_grid()：每局开始都从空棋盘逐个放箭头。为了保证生成的棋盘一定有解，我用 "反推法"—— 放新箭头时要求它自己前方没有任何已放箭头，这样 "按放置倒着消除" 就一定能通关；同时优先让新箭头挡住某个旧箭头，制造 "必须先消新箭头" 的解谜依赖。程序启动时还会用 DFS 求解器对生成器做抽检：
def solve_level(grid, max_depth=20):
"""DFS 回溯：枚举所有当前可飞的箭头，逐个尝试消除。
返回 (是否可解, 消除顺序)。"""
g = [row[:] for row in grid]
def dfs(current, order):
if all(cell is None for row in current for cell in row):
return True, order
if len(order) > max_depth:
return False, order
candidates = [(r, c) for r in range(6) for c in range(6)
if current[r][c] is not None and can_fly(current, r, c)]
for r, c in candidates:
saved = current[r][c]
current[r][c] = None
ok, result = dfs(current, order + [(r, c)])
if ok:
return True, result
current[r][c] = saved # 回溯
return False, order
return dfs(g, [])
5. 界面绘制
-
棋盘：双层矩形绘制（背景色 + 边框），鼠标悬停时高亮；
-
箭头：
ArrowButton.points()根据方向计算三角形顶点，pygame.draw.polygon绘制； -
碰撞反馈：碰撞的箭头在 30 帧内显示红色 + 随机抖动偏移；
-
飞出动画：箭头沿方向逐步移动并淡出。
四、AIGC 使用过程
本次开发使用 豆包（Doubao） 作为 AIGC / Coding Agent 工具辅助开发，共记录了 5 次具有代表性的协作过程：
| # | 子任务 | 借助何种 AIGC | AI 实现或提供了什么 | 效果如何 | 人工修改 |
|---|---|---|---|---|---|
| 1 | 路径检测 | 豆包 | 生成四个方向的路径检测代码（path_clear） |
运行时发现方向判断错误："上" 的方向增量写反，导致箭头方向与实际行为不符 | 人工逐格打印网格定位根因，将方向向量从 (0,-1) 修正为 (-1,0)（行 / 列索引搞混），并补充注释 |
| 2 | 关卡设计 | 豆包 | 生成随机关卡的算法（反推法 + 阻挡关系） | 初版随机生成器能保证可解，但偶尔产出"所有箭头都能直接飞"的无聊局 | 人工改进生成器：放新箭头时优先选"能挡住某个旧箭头"的位置，制造顺序依赖；并用 DFS 对每关抽检 20 次验证可解 |
| 3 | 环境搭建 | 豆包 | 建议安装 pygame 并给出命令 | Python 3.14 无 pygame 预编译包，源码编译时下载 SDL 依赖超时 | 人工检查系统 Python 版本，改用 Python 3.13 + 清华镜像成功安装 pygame 2.6.1 |
| 4 | 界面与反馈 | 豆包 | 生成箭头多边形绘制与碰撞抖动动画 | 界面能显示，但状态栏爱心符号 ❤ 无法渲染成方框 | 人工改用中文字体（微软雅黑）加载，并将失误次数改为数字显示 3 / 3 |
| 5 | 界面优化与加难度 | 豆包 | 生成深蓝渐变背景、箭头描边、按钮 hover 高亮、圆角结果卡片 | 视觉明显提升，但按钮上的 ↻、→ 符号又渲染成方框 | 人工把装饰符号全部换成纯文字（"重开""进入下一关"），并把关卡改成每局随机生成（3 关、4/6/8 个箭头难度递增） |
代表性过程 1：路径检测的方向 Bug
我向豆包描述需求：" 棋盘网格用 grid[r][c] 表示，请实现 path_clear(r, c) 判断箭头前方是否畅通。"AI 给出的代码结构基本正确（沿方向逐格前进、遇箭头返回 False、到边界返回 True），但方向映射表定义反了：
\# AI 最初生成的（错误）：
DIRECTIONS = {0: (0, -1), 1: (1, 0), ...} # "上"变成了"列减1"
\# 人工修正后：
DIRECTIONS = {0: (-1, 0), 1: (0, 1), ...} # 上=行减1，右=列加1
这个 bug 很隐蔽：grid 是 "先行后列"，而 AI 按 "先列后行" 的习惯定义了增量。我通过打印解析后的网格逐格对照，才发现是方向增量错误，而不是解析错误。这提醒我：AI 生成代码不能直接信任，尤其是二维坐标、索引这类细节，必须用测试验证。
代表性过程 2：不可解的关卡
我让 AI 设计关卡。最初版本是写死的 5 个固定关卡，但 AI 给的第 2 关是 "两个箭头面对面互相阻挡" 的布局——这类布局永远无法清除。后来我干脆改成随机生成：每局开始都从空棋盘放箭头。AI 给出了"反推法"思路（放新箭头时保证它前方没东西挡，倒着消一定能通关），但初版生成器有时产出"所有箭头互不挡、随便点"的无聊棋盘。我改进了生成器：放新箭头时优先选"恰好挡在某个旧箭头前方"的位置，这样既保证有解，又制造了真正的解谜顺序依赖。
心得：游戏关卡不是"摆几个箭头"就行，必须保证存在可行的消除顺序；而随机生成更要有算法兜底，光靠随机摆必然出死局。
心得：游戏关卡不是 "摆几个箭头" 就行，必须保证存在可行的消除顺序。写一个自动求解器来验证关卡可解性，比人肉试玩更可靠。
代表性过程 3：Python 3.14 装不上 pygame
AI 给的安装命令是 pip install pygame，但在我的环境（Python 3.14.7）下 pip 找不到预编译包，转而从源码编译，编译过程需要从 libsdl.org 下载 SDL 依赖，最终超时失败（WinError 10060）。我检查后发现系统还装有 Python 3.13，用 3.13 创建虚拟环境后从清华镜像直接下载到了 cp313 的 pygame 2.6.1 wheel，10 秒安装完成。
心得：AI 给出的 "标准答案" 不一定适配你的环境。遇到依赖问题时，先检查 Python 版本和镜像源，换版本 / 换源往往比硬编译更快。
五、测试结果
我编写了自动化测试脚本 test_logic.py，对核心逻辑（不依赖图形界面）进行测试，共 24 项断言全部通过。其中 T00 是对随机关卡生成器的专项测试：每关配置各随机生成 20 个棋盘，用 DFS 求解器验证全部可解，结果 60/60 全部通过。
| 编号 | 测试内容 | 预期结果 | 实际结果 | 是否通过 |
|---|---|---|---|---|
| T00 | 随机关卡生成器：3 关各随机 20 个棋盘 | 全部可解（DFS 验证） | 60/60 可解 | ✅ 通过 |
| T01 | 点击前方无阻挡的箭头 | 箭头飞出棋盘并消失 | 箭头消除，失误次数不变 | ✅ 通过 |
| T02 | 点击前方有阻挡的箭头 | 箭头不消失，失误次数减 1 | 箭头保留，失误减 1 | ✅ 通过 |
| T03 | 点击位于边缘且朝向棋盘外的箭头 | 箭头正常消失，不发生越界错误 | 正常消除，全棋盘 path_clear 遍历无越界 |
✅ 通过 |
| T04 | 消除本关全部箭头 | 显示通关并进入下一关 | 状态变为 win，进入第 2 关（重新随机） | ✅ 通过 |
| T05 | 失误次数耗尽 | 显示失败并允许重新开始 | 状态变为 lose，reset() 恢复正常 |
✅ 通过 |
| T06 | 游戏进行中重新开始 | 箭头布局和失误次数恢复 | 箭头数量、失误次数、状态全部恢复 | ✅ 通过 |
运行截图：
结果: 24 通过, 0 失败
六、PSP 表格
| 任务 | 预估耗时（小时） | 实际耗时（小时） | 差异（小时） |
|---|---|---|---|
| 需求分析与游戏设计 | 1.0 | 1.0 | 0 |
| Python 与图形库学习 | 1.0 | 1.5 | +0.5 |
| 游戏界面实现 | 1.5 | 2.5 | +1.0 |
| 路径与碰撞逻辑实现 | 1.0 | 1.5 | +0.5 |
| 关卡设计与加难度 | 0.5 | 1.5 | +1.0 |
| AIGC 辅助开发 | 1.0 | 1.5 | +0.5 |
| 测试与修改 | 1.0 | 2.0 | +1.0 |
| README 与博客撰写 | 1.0 | 1.0 | 0 |
| 合计 | 8.0 | 12.5 | +4.5 |
说明：实际耗时普遍超出预估，主要原因是环境安装（Python 3.14 装 pygame 失败）与方向 bug 定位花掉了额外时间。这也说明 PSP 中的预估能力需要多练习。
七、心得体会
1. AI 带来的帮助
-
写代码提速明显：路径检测、界面绘制、碰撞动画这类 "套路化" 代码，AI 一次就能给出可用版本，节省了大量查文档时间；
-
帮助理解概念：对于 Pygame 的事件循环、surface 绘制等概念，AI 用中文解释得很清楚；
-
关卡设计有新思路：AI 给出的关卡虽然有问题，但启发了我的设计思路。
2. 出现的问题
-
AI 代码不能直接信任：方向向量定义反了这个 bug 极具隐蔽性 —— 代码结构、逻辑流程全对，就错在一个坐标增量上。这类 bug 靠 "读代码" 很难发现，必须靠打印中间数据 + 自动化测试；
-
环境适配比想象中麻烦：Python 版本太新反而装不上第三方库，换版本解决；
-
关卡可解性需要验证：人眼看着 "差不多" 的关卡，实际可能是死局。
3. 收获
-
完整走了一遍 "需求分析 → 数据结构设计 → 算法实现 → 界面开发 → 测试验证 → 文档撰写" 的软件开发流程；
-
学会了用自动化测试验证游戏逻辑（不依赖 GUI 也能测核心规则）；
-
深刻体会到 AIGC 时代的开发模式：AI 生成初稿 + 人工理解验证 + 测试兜底，人仍然是质量的第一负责人。
浙公网安备 33010602011771号