软件工程第二次作业-AIGC辅助下的“一箭又一箭”解谜游戏开发

镖飞哪算哪：AIGC辅助下的“一箭又一箭”解谜游戏开发

一、作业基本信息

项目	内容
这个作业属于哪个课程	https://edu.cnblogs.com/campus/fzu/2026-01SoftwareEngineeringandSoftwareEngineeringPractice
这个作业要求在哪里	https://edu.cnblogs.com/campus/fzu/2026-01SoftwareEngineeringandSoftwareEngineeringPractice/homework/16718
这个作业的目标	使用 Python 和 AIGC 完成“一箭又一箭”小游戏
学号	052403108
GitHub 仓库	https://github.com/wang-wang06/one-arrow-game

一、项目展示

1.1 开始界面

图1：极光主题的开始界面，包含游戏规则说明和进入游戏按钮。

1.2 游戏过程

图2：游戏主界面，左侧显示得分、时间、飞镖数量与失误次数，右侧为棋盘。

1.3 通关与失败界面

图3：通关界面（显示星级评价与得分）和失败界面（失误次数耗尽）。

二、项目介绍

2.1 游戏规则

“镖飞哪算哪”是一款点击式解谜游戏。棋盘上随机分布着上、下、左、右四个方向的飞镖。

🎯玩家点击飞镖，系统会检测飞镖前进方向到棋盘边界之间是否有其他飞镖阻挡。
💯若前方畅通，飞镖飞出棋盘并消失，得 100 分。
🚨若前方有阻挡，飞镖无法消失，产生碰撞晃动反馈，扣除 50 分并消耗一次失误机会。
🚩 撤销机制：游戏过程中，玩家每执行一次操作（成功消除或碰撞），系统都会自动记录状态。点击“撤销上一步”按钮，可以撤回上次操作，最多支持连续撤销10步。
👉 重新开始：玩家可随时点击“重新开始”按钮，将当前关卡的棋盘布局和失误次数重置为初始状态，方便快速重新挑战。
🏆清空全部飞镖即可通关；失误次数耗尽则游戏失败。

2.2 界面设计与功能特色

视觉风格：采用了“极光（Aurora）”主题，深空靛蓝背景搭配霓虹青、星云紫、极光绿等色彩，棋盘为冰蓝玻璃质感，带有透视网格和光晕效果。
核心功能：包含开始界面、关卡选择、游戏界面、通关界面和失败界面。支持进度自动解锁（最高 6 关）。
拓展功能：实现了提示功能（高亮可消除的飞镖）、撤销上一步（最多可撤销 10 步）、动态计分与计时、星级评价系统（根据通关时间和失误次数评定 1-3 星），以及程序化音效（通过代码合成正弦波生成飞镖射出、碰撞和胜利音效，无需外部音频文件）。
动态与反馈：飞镖消除时有流畅的飞出动画、消除涟漪效果和得分飘字；发生碰撞时飞镖会左右晃动，屏幕下方会弹出“前方有阻挡！”的提示，并产生涟漪反馈。

2.3 开发环境

操作系统： Windows 11
编程语言：Python 3.10 及以上
图形库：Pygame 2.5.x
开发工具：PyCharm
第三方依赖：pygame（可通过 pip install pygame 安装）
运行依赖资源：assets/dart.png（飞镖素材）、assets/shiweiyongchunheicuti.ttf（中文字体）
跨平台兼容性：项目使用相对路径加载资源，并内置了系统字体备用链，支持在 Windows、macOS 和 Linux 环境下运行。

环境配置步骤：

安装 Python 3.x（安装时建议勾选“Add Python to PATH”）。
打开终端（CMD 或 PowerShell），执行 pip install pygame 安装图形库。
确保项目根目录包含 assets 文件夹及内部资源文件。
在项目根目录执行 python main.py 即可启动游戏。

三、实现思路

3.1 箭头、方向与关卡表示

箭头表示：使用字典

{"row": r, "col": c, "direction": d, "index": index}

表示每个飞镖。direction 为字符串 "up", "down", "left", "right"。

方向映射：通过 get_arrow_angle 函数将方向映射为图像的旋转角度（例如 "right": 135, "up": -135），用于加载和旋转 dart.png。
关卡表示：关卡由元组列表 (row, col, direction) 组成。为了保证关卡一定可通关，我编写了 is_generated_level_solvable 函数，利用“逆推法”验证：每次尝试从当前剩余飞镖中找出一个“前方无阻挡”的飞镖并将其移除，如果最后能全部移除，则该关卡可解。

3.2 核心路径检测方法

路径检测是游戏最核心的逻辑。实现思路是：根据方向设定行/列的步进（dr, dc），从当前飞镖位置向该方向逐步遍历，直到走出棋盘边界。如果途中遇到任何其他飞镖，则判定为有阻挡。

# 核心路径检测代码
def is_path_clear_for_arrows(arrow_list, row, col, direction):
    dr = dc = 0
    if direction == "up": dr = -1
    elif direction == "down": dr = 1
    elif direction == "left": dc = -1
    elif direction == "right": dc = 1
    
    cr, cc = row + dr, col + dc
    # 逐步向边界遍历
    while 0 <= cr < ROWS and 0 <= cc < COLS:
        for a in arrow_list:
            if a["row"] == cr and a["col"] == cc:
                return False  # 途中遇到其他飞镖，阻挡
        cr += dr
        cc += dc
    return True  # 安全到达边界，无阻挡

3.3 关卡生成与可解性验证

为了让游戏更有趣，我没有写死关卡，而是实现了随机生成可解关卡的算法。每次开局随机分配飞镖位置和方向后，会调用 is_generated_level_solvable 进行逆向推演：不断尝试从现有飞镖中找出一个“前方无阻挡”的飞镖并将其移除，如果最终能全部移除，说明该关卡一定有解。

# 逆向推演验证关卡是否可解
def is_generated_level_solvable(level_data):
    remaining = [{"row": r, "col": c, "direction": d} for r, c, d in level_data]
    while remaining:
        removable = None
        for a in remaining:
            if is_path_clear_for_arrows(remaining, a["row"], a["col"], a["direction"]):
                removable = a
                break
        if removable is None:
            return False  # 没有可消除的，说明死局
        remaining.remove(removable)
    return True

3.4 飞出与碰撞动画（交互反馈）

作业要求“箭头成功飞出和发生碰撞时，应有基本的动画或视觉反馈”。我在 update_flying_arrows 中引入了缓动函数（Easing Function），让飞镖先加速后减速地飞出，而不是生硬地线性移动。碰撞反馈则利用 math.sin 函数生成左右震动的偏移量。

# 飞行动画缓动函数（先加速后减速）
if t < 0.5:
    eased = 4 * t * t * t
else:
    eased = 1 - pow(-2 * t + 2, 3) / 2
a["x"] = a["start_x"] + (a["target_x"] - a["start_x"]) * eased
a["y"] = a["start_y"] + (a["target_y"] - a["start_y"]) * eased

3.5 状态管理与撤销机制（工程完整性）

游戏涉及得分、失误、布局等多个状态。每次点击操作前，通过 save_undo_state 利用 copy.deepcopy 保存当前快照，存入历史栈（最多 10 步）。当玩家点击“撤销上一步”时，undo_last_move 弹出最近一次快照并恢复状态。

# 保存状态快照，用于撤销
def save_undo_state():
    undo_history.append({
        "arrows": copy.deepcopy(arrows),
        "score": score,
        "mistakes": mistakes,
        "moving_arrows": copy.deepcopy(moving_arrows),
    })
    if len(undo_history) > MAX_UNDO: # 最多保留10步
        undo_history.pop(0)

3.6 点击处理与胜负判定

handle_arrow_click 函数是玩家交互的入口。它负责坐标转换、路径判断、得分扣除、触发动画和音效，并在每次操作后检查是否清空棋盘（通关）或失误归零（失败）。

# 点击处理（核心逻辑汇总）
def handle_arrow_click(mouse_pos):
    # ... 坐标检测 ...
    if is_path_clear(r, c, d):
        save_undo_state()
        score += SCORE_PER_ARROW
        create_flying_arrow(r, c, d, clicked["index"]) # 触发飞出动画
        arrows.remove(clicked)
        if not arrows:
            finish_level() # 通关判定
    else:
        save_undo_state()
        trigger_collision(r, c) # 触发失误与碰撞反馈

3.7 星级评价与时间管理

为了增加游戏的复玩性，我设计了基于“通关时间”和“失误次数”的星级评价系统。calculate_stars 函数根据玩家的表现动态计算1至3星，这促使玩家不仅要通关，还要追求更完美的解法。配合 format_time 函数，时间可以直观地以 MM:SS 形式显示在界面上。

# 星级评价算法
def calculate_stars(elapsed_time, mistakes_used):
    if elapsed_time <= 20 and mistakes_used <= 1:
        return 3
    if elapsed_time <= 35 and mistakes_used <= 3:
        return 2
    return 1

# 时间格式化（MM:SS）
def format_time(seconds):
    seconds = max(0, int(seconds))
    return f"{seconds // 60:02d}:{seconds % 60:02d}"

四、测试结果

4.1 测试环境与方法

测试环境：Windows 10/11，Python 3.x，Pygame 库。
测试方法：手工测试为主，针对游戏的核心规则和边界情况进行反复试玩验证，并观察控制台是否有报错。

4.2 测试用例与结果

编号	测试内容	预期结果	实际结果	是否通过
T01	点击前方无阻挡的箭头	箭头飞出棋盘并消失	飞镖播放平滑的减速飞出动画，随后消失，得分增加 100 分，伴有射出音效	通过
T02	点击前方有阻挡的箭头	箭头不消失，失误次数减 1	飞镖原地左右晃动，屏幕下方弹出“前方有阻挡！”提示，得分扣除 50 分，失误次数减 1，伴有碰撞音效	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	箭头顺利飞出棋盘，路径检测中的 `while` 循环在边界处安全结束，程序无报错或卡顿	通过
T04	消除本关全部箭头	显示通关并进入下一关	触发通关界面，播放胜利音效，显示星级评价，点击“进入下一关”按钮后正常加载新关卡	通过
T05	失误次数耗尽	显示失败并允许重新开始	触发失败界面并播放失败音效，点击“重新挑战”后，当前关卡重置，失误次数恢复为初始值	通过
T06	游戏进行中重新开始	箭头布局和失误次数恢复	点击“重新开始”按钮，棋盘重新随机生成布局，失误次数重置，得分清零，撤销历史清空	通过

4.3 额外边界测试（附加验证）

除了作业要求的 6 项必测内容，我还在测试过程中额外验证了以下场景：

连续撤销：连续点击“撤销上一步”按钮，最多可回退 10 步，超过 10 步后按钮变为“暂无可撤销”状态，逻辑正常。
提示功能：点击“提示”按钮，正确的可消除飞镖高亮显示，提示音效播放，高亮闪烁约 2 秒后自动消失，不影响正常游戏。
跨平台字体：将项目复制到不同分辨率的环境下运行，中文字体通过相对路径加载成功，未出现乱码或报错。
快速连点：在极短时间内连续点击同一个飞镖，程序未出现状态冲突、越界或卡死崩溃。

五、 AIGC 使用过程

在本次开发中，我主要使用了 ChatGPT 和 DeepSeek 辅助开发。以下是 3 次具有代表性的 AIGC 使用过程，涵盖核心算法、动画反馈和跨平台兼容性：

5.1 AIGC 使用记录表

子任务	借助何种 AIGC 技术	AI 实现或提供了什么	效果如何	人工修改
路径检测	ChatGPT	生成四个方向的网格路径检测代码，使用 `while` 循环逐步遍历	向上判断时出现数组越界错误（`IndexError`）	修改边界条件，确保先判断行列是否越界再访问数组，修复后正常
关卡设计	DeepSeek	建议使用随机生成关卡数组，并给出了正向生成逻辑	生成的布局存在无法通关的死局，玩家可能无解可走	手工实现“逆向推演”算法（`is_generated_level_solvable`），从满盘反推消除，确保关卡一定可解
碰撞动画	ChatGPT	补全了箭头碰撞后的晃动代码，使用 `math.sin` 配合计时器生成偏移量	基本可用，但晃动幅度和节奏偏僵硬	调整动画速度与衰减系数，修正晃动帧数，使其反馈更自然

5.2 详细协作过程

过程一：路径检测逻辑与边界处理

我的要求：“请帮我用 Python 写一个函数，判断二维网格中某一行列的箭头，沿指定方向到边界是否被其他箭头阻挡。”
AI 实现或提供了什么：AI 快速给出了基于 while 循环的代码框架，并使用了方向步进 dr 和 dc。
效果如何：初始代码在向上检测时出现了数组越界错误（IndexError）。
人工修改：我分析了 AI 的代码，发现边界条件 while 0 <= cr < ROWS 写成了先访问数组再判断。我修改了循环条件，确保先进行边界判断，再进行同行同列的坐标比对，修复了越界问题。

过程二：关卡生成与可解性验证

我的要求：“如何随机生成一箭又一箭的关卡，并且保证每个关卡都是绝对可以通关的？”
AI 实现或提供了什么：AI 提供了随机排列箭头位置和方向的代码，并建议通过正向模拟来验证。
效果如何：正向生成非常容易出现“死局”（所有箭头都被互相阻挡），导致玩家无法通关。
人工修改：我放弃了 AI 的正向思路，自己编写了 is_generated_level_solvable 函数，利用“逆向推演”来验证——每次从现有箭头中找出一个“前方无阻挡”的移除，直到全部移除，从而确保生成的关卡百分百可解。

过程三：中文字体跨平台兼容与 UI 设计

我的要求：“写一个 Pygame 加载中文字体的代码，要求 Windows 下能正常显示。”
AI 实现或提供了什么：AI 给出了 C:/Windows/Fonts/msyh.ttc 这种写死绝对路径的写法，并使用了大量硬编码的 Rect 坐标绘制面板。
效果如何：能在本地运行，但我意识到如果助教用 Mac 或 Linux 拉取代码会直接报错或乱码。
人工修改：我进行了重构，将字体文件放进 assets 文件夹，改为相对路径 os.path.join("assets", "shihu.ttf") 加载，并增加了系统字体作为备用容错。同时，我将 AI 写死的坐标进行了参数化封装（如 draw_button、draw_text_centered_with_glow），使 UI 更具可维护性。

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	1.5	2.0	+0.5
Python 与图形库学习	2.0	3.0	+1.0
游戏界面实现	3.0	4.5	+1.5
路径与碰撞逻辑实现	2.0	2.5	+0.5
关卡设计	2.0	2.5	+0.5
AIGC 辅助开发	1.5	1.5	0
测试与修改	1.5	2.0	+0.5
README 与博客撰写	1.5	2.0	+0.5
合计	15.0	20.0	+5.0

6.1 耗时偏差分析

Python 与图形库学习：实际耗时比预估多出 1 小时，主要因为 Pygame 的缓动动画和程序化音效生成需要额外的学习和调试时间。
游戏界面实现：实际耗时超出较多（+1.5 小时），因为“极光主题”的渐变背景、光晕面板和霓虹按钮需要手写大量的自定义绘制代码，比预想的复杂。
路径与关卡逻辑：基本符合预估，AI 在算法思路上提供了帮助，但人工修改逆向推演算法多花了一些时间。
整体偏差：总耗时超出预估约 33%，主要投入在界面美化和动画调试上。这让我认识到，UI/UX 的打磨往往比核心逻辑更耗费时间。

七、心得体会

本次“一箭又一箭”小游戏开发，是我第一次深度结合 AIGC 工具完成一个完整的软件项目。在这个过程中，我既体会到了 AI 带来的效率飞跃，也踩了不少 AI 生成代码的“坑”，更在实践中加深了对软件开发的理解。

7.1 AI 带来的帮助

快速构建代码框架：在项目初期，AI 很快帮我理清了 Pygame 的事件循环、坐标系统与绘制逻辑，生成了基础的游戏框架，省去了大量查文档的时间。
提供算法思路：在核心的“路径检测”和“缓动动画”上，AI 提供了清晰的实现思路（如使用 dr、dc 步进配合 while 循环进行遍历，以及利用三次贝塞尔公式实现平滑动画），极大降低了学习成本。
拓展功能边界：在实现撤销、提示和星级评价等拓展功能时，AI 提供了状态快照和数学评价模型的代码片段，让我可以把更多精力放在游戏机制的设计上，而不是纠结于语法细节。

7.2 出现的问题

边界处理不严谨：AI 生成的路径检测代码在向上（up）方向判断时，出现了数组越界（IndexError）。AI 写出的 while 循环是先访问数组再判断边界，这在边界情况下非常危险。
算法存在逻辑漏洞：在关卡生成上，AI 最初给出的“正向随机生成”方案极易生成死局（所有箭头互相阻挡，玩家无解可走），如果直接使用，会导致关卡实际上无法通关。
代码可维护性低：AI 生成的 UI 代码存在大量硬编码的 Rect 坐标和魔法数字，导致后期调整界面和优化布局时非常费力。

7.3 个人的收获与成长

学会判断与审查 AI 代码：这次经历让我明白，AI 是强大的助手，但开发者必须是代码的最终负责人。不能盲目复制粘贴 AI 生成的代码，必须逐行理解，尤其是边界条件和路径加载这类容易出错的逻辑。
算法思维与工程能力的提升：为了解决 AI 的死局问题，我自研了“逆向推演”算法来验证关卡可解性；为了解决跨平台问题，我学会了使用相对路径和容错机制；为了保证项目完整性，我封装了统一的按钮绘制和文字渲染函数。
理解了“以 AI 为伴”的开发模式：AI 可以迅速提供 60 分的代码，但剩下 40 分的优化、边界处理、业务逻辑和用户体验，必须由开发者来完成。会提问、会 Debug、会重构，才是 AIGC 时代开发者的核心竞争力。
体会到完整软件开发的成就感：从零开始设计界面、编写逻辑、调试动画、测试边界，直到最后看到游戏流畅运行、成功上传 GitHub，这个过程让我对软件工程有了更深刻的体会，也更有信心迎接未来的开发挑战。

posted @ 2026-09-21 23:45 王凯凤阅读(6) 评论(0) 收藏举报

刷新页面返回顶部