企业官网建设流程全解析

简介：Unity AIDemo演示项目面向具备基础Unity操作经验、希望系统学习引擎内AI实现原理的开发者，通过可运行的小型示例，直观展示角色寻路、决策与动画反馈的完整实现路径。压缩包共178个文件，以asset场景资源、cs逻辑脚本和meta资源映射信息为主体，辅以csproj/sln工程配置、dll依赖库及json数据文件，整体仅1.35MB，结构紧凑，适合边读代码边验证。内容覆盖NavMesh导航网格烘焙与Agent调优、行为树节点设计、ML-Agents强化学习接入、Animator状态机驱动动画切换，以及物理碰撞、传感器感知、多智能体协作、粒子特效触发等关键知识点，串联起从环境感知到行为执行的AI开发链路。已有265人学习，开发者可参考脚本注释、场景配置和资源层级，理解Unity AI组件的实际挂载与参数调整方式，并为自主设计NPC决策、自动寻路、战斗策略等系统提供可移植模板与排错参考。

1. 说清楚：Unity AIdemo 到底在解决什么问题

如果你在 Unity 里做过 AI，大概率经历过这种场面：给 NPC 挂上 NavMeshAgent，写几行 SetDestination，角色确实走过去了，但一遇到墙角就开始疯狂抖动，玩家一靠近它要么傻追到底、要么直接穿模。Unity AIdemo 不是某个现成插件，而是把 AI 想法放进 Unity 场景里快速验证的一整套小工程——角色怎么移动、怎么感知敌人、怎么在巡逻和追击之间切换、要不要接大模型。它解决的是「AI 在文档里成立、放进场景就漏洞百出」的尴尬，适合独立开发者、AI 应用工程师和想给团队做原型验证的人。

这个方向真正的价值在于：一个能跑的 demo，胜过十页设计文档。下面按选型、落地、排错、演示的顺序，把一条相对可靠的路走通。

2. 动手前先选型：行为树、NavMesh、ML-Agents 与大模型该用哪个

2.1 状态机和行为树仍然是游戏 AI 的底盘

很多 Unity AIdemo 一上来就找行为树插件，其实没必要。对于巡逻、追击、返回、攻击这类常见行为，一个枚举加 switch 的状态机就够用。状态机的思路很简单：每个时刻 AI 处于一个明确状态，状态之间靠条件和事件切换。比如敌人进入视野范围触发追击，追击超过 N 秒且目标丢失则切回巡逻，血量归零切换到死亡。

状态机适合状态数量少、切换关系清晰、不需要复杂并行逻辑的场景。行为树的优势则体现在可扩展性和可视化上，一个大型 NPC 可能有几十个行为节点，行为树可以在不破坏整体结构的情况下增删分支，也方便策划在界面上调整。Unity 编辑器本身没有内置行为树，常见做法是导入 Behavior Designer 或 Playmaker，也可以自研一个简单的节点执行器——但第一版 demo 真的不需要它。

状态机容易被忽略的细节是「状态退出」也要处理：从追击切回巡逻时，需要把 NavMeshAgent 的自动刹车打开、清空 currentPath，否则 NPC 还会朝着旧目标滑行。这里我习惯先列一张状态转换表再写代码，避免逻辑写完才发现分支缺漏。

2.2 NavMesh 寻路：AI 移动的地基，参数决定手感

Unity 的寻路方案基本集中在 NavMesh 上，它把场景烘焙成一张网格，AI 在这张网格上计算路径。烘焙阶段有三个参数直接影响 AI 能不能「像人一样走路」：Agent Radius（代理半径）、Agent Height（代理高度）、Max Slope（最大坡度）。半径太小会导致 AI 从墙缝里钻过去，半径太大则在窄通道里找不到路；Max Slope 设置过高，AI 会尝试爬上很陡的斜坡，动作看起来非常违和；Step Height 控制能迈上多高的台阶，配合动画使用要额外小心。

运行时真正决定手感的是 NavMeshAgent 组件上的参数：Speed 是移动速度，Angular Speed 是转向速度，Acceleration 是加速度，Stopping Distance 是到达目标点多远就停下来。很多人只调 Speed，结果发现 AI 像台没有助跑直接刹停的卡车。正确做法是把 Angular Speed 控制在 120 到 360 之间，Acceleration 略大于 Speed 的两倍，Stopping Distance 取 0.5 到 1.5 米，这样追击动作才有减速感。

还有一个很多人踩过的点：SetDestination 传入目标点时，如果目标不在 NavMesh 表面，Agent 会一直报错并原地停留。代码里要先判断目标点是否在 NavMesh 上，或者在鼠标点击场景时做一次射线检测，把射线命中点转成可用的目标点，再做一次 NavMesh.SamplePosition 采样确保在网格范围内。

2.3 只有这几种情况才值得上 ML-Agents 或大模型

Unity 官方提供 ML-Agents 工具包，用强化学习训练 AI 角色，适合格斗对抗、群体行为、策略博弈这类难以用规则描述的玩法。代价是训练时间长、调参玄学、对硬件有要求，而且训练出来的表现在 demo 阶段未必稳定。我见过不少团队花了三周训练一个抓取动作，最后效果不如十行状态机写出来的按顺序执行，这个方向要在项目早期就想清楚。

接入大模型是近一年很多 Unity AIdemo 的新方向，典型场景是 NPC 对话、动态任务生成、玩家反馈解析。做法是把玩家输入文本发送给模型 API，得到回复后由 Unity 侧解析并驱动动画和 UI。这里最核心的工程问题是「AI 响应是异步的」，Unity 主线程不能直接阻塞等待，必须用协程或异步方法处理回调，同时要做好超时与重试。demo 阶段可以先保守一点：只在 NPC 对话这类非战斗逻辑里接入大模型，战斗逻辑仍然用状态机，否则一次模型超时就会导致整个演示翻车。

如果要做本地部署，需要额外考虑模型体积和推理速度；如果使用在线模型服务，需要关注延迟和配额限制。我的建议是：demo 期间先用最简单的规则 AI 把核心玩法跑通，再考虑是否引入 ML-Agents 或大模型，不要上来就上重型方案。

3. 从零搭一个最小可跑的 AI Demo：巡逻、追敌、丢失目标回巡逻

3.1 场景搭建与 NavMesh 烘焙

场景可以简化成一块 30×30 的地面、几个散布的立方体做障碍物、一个胶囊体做玩家、一个胶囊体做 AI。先处理地面和障碍物的静态标记：选中地面和所有障碍物，在 Inspector 右上角勾选 Static，并确保 Navigation Static 也被勾选。如果不勾选静态标记，烘焙时 Unity 会忽略这些物体，AI 地面看起来正常，但实际寻路网格是空的。

打开 Window > AI > Navigation 面板，在 Agents 页签里确认参数后点击 Bake。Unity 6 中可以通过添加 NavMeshSurface 组件并烘焙。烘焙完成后，Scene 视图里会出现浅蓝色区域，那就是 AI 可以走动的范围。如果蓝色区域没覆盖到预期位置，先检查是不是没有标记 Static。

参数建议如下表：

烘焙完成后给 AI 胶囊体添加 NavMeshAgent 组件，Radius 和 Height 与烘焙参数保持一致，Speed 设 3.5，Angular Speed 设 240，Stopping Distance 设 1.2。

3.2 写核心 C# 脚本：一个不依赖插件的最小 AI

核心脚本承担三个任务：按巡逻点依次移动；检测玩家是否进入视野范围；追击中目标丢失则返回上一个巡逻点。逻辑全放在一个类里，用枚举区分状态。

using UnityEngine; using UnityEngine.AI; public class SimpleAI : MonoBehaviour { private enum AIState { Patrol, // 巡逻 Chase, // 追击 Return // 返回 } [Header("移动参数")] public float patrolSpeed = 2.5f; // 巡逻速度 public float chaseSpeed = 4.2f; // 追击速度 [Header("感知参数")] public Transform player; // 玩家角色 public float sightRange = 10f; // 感知距离 public float loseSightRange = 14f; // 丢失目标距离，稍大于感知距离 public float sightAngle = 60f; // 视野角度 [Header("巡逻参数")] public Transform[] patrolPoints; // 巡逻点数组 public float arriveDistance = 1f; // 到达判定距离 private NavMeshAgent agent; private AIState state = AIState.Patrol; private int patrolIndex = 0; private Vector3 returnTarget; // 返回时的目标点 private float loseSightTimer = 0f; void Start() { agent = GetComponent<NavMeshAgent>(); returnTarget = transform.position; SetState(AIState.Patrol); } void Update() { switch (state) { case AIState.Patrol: UpdatePatrol(); break; case AIState.Chase: UpdateChase(); break; case AIState.Return: UpdateReturn(); break; } } private void UpdatePatrol() { agent.speed = patrolSpeed; // 没有巡逻点时原地等待 if (patrolPoints == null || patrolPoints.Length == 0) return; // 到达当前巡逻点，切换到下一个 float dist = Vector3.Distance(transform.position, patrolPoints[patrolIndex].position); if (dist < arriveDistance) { patrolIndex = (patrolIndex + 1) % patrolPoints.Length; agent.SetDestination(patrolPoints[patrolIndex].position); } // 发现玩家则追击 if (CanSeePlayer()) SetState(AIState.Chase); } private void UpdateChase() { agent.speed = chaseSpeed; agent.SetDestination(player.position); // 玩家跑出丢失距离并持续一段时间，切换返回状态 float dist = Vector3.Distance(transform.position, player.position); if (dist > loseSightRange) { loseSightTimer += Time.deltaTime; if (loseSightTimer > 3f) { returnTarget = patrolPoints[patrolIndex].position; SetState(AIState.Return); } } else { loseSightTimer = 0f; } } private void UpdateReturn() { agent.speed = patrolSpeed; agent.SetDestination(returnTarget); // 回到目标点附近，恢复巡逻 if (Vector3.Distance(transform.position, returnTarget) < arriveDistance) SetState(AIState.Patrol); // 返回途中若再次看到玩家，立即追击 if (CanSeePlayer()) SetState(AIState.Chase); } private bool CanSeePlayer() { if (player == null) return false; Vector3 toPlayer = player.position - transform.position; float dist = toPlayer.magnitude; if (dist > sightRange) return false; // 视野夹角判定：面向目标方向与自身正前方的夹角小于视野角度一半 float angle = Vector3.Angle(transform.forward, toPlayer.normalized); return angle < sightAngle * 0.5f; } private void SetState(AIState newState) { state = newState; loseSightTimer = 0f; Debug.Log($"AI 切换到 {newState}"); } // 绘制调试信息：在 Scene 视图里显示状态颜色和巡逻点连线 private void OnDrawGizmosSelected() { Gizmos.color = state switch { AIState.Patrol => Color.green, AIState.Chase => Color.red, AIState.Return => Color.yellow, _ => Color.white }; Gizmos.DrawWireSphere(transform.position, sightRange); if (patrolPoints != null) { Gizmos.color = Color.cyan; foreach (Transform point in patrolPoints) { Gizmos.DrawWireSphere(point.position, 0.3f); } } } }

状态机的核心是把行为分成了 Patrol、Chase、Return 三个分支，Update 里只负责按当前状态调用对应逻辑。CanSeePlayer 里做了距离和角度双重校验，距离超过 sightRange 直接返回 false，再比较自身 forward 与目标方向的夹角，防止 AI 背后长眼睛。sightRange 与 loseSightRange 故意拉开差距，形成「发现容易、丢失难」的效果，避免 AI 在边界处反复横跳。

丢失目标后先记录 returnTarget，设置成当前巡逻点，这样 AI 返回的不是出发点而是任务中断的位置，流程上更合理。state 切换统一走 SetState，方便以后挂日志或播放动画。注意 Update 里没有 Stop 之类的调用，因为 NavMeshAgent 收到新目标点后会自动覆盖原来的路径。

3.3 用 Gizmos 和日志验证 AI 状态切换

脚本里已经加了 OnDrawGizmosSelected，在编辑器里选中 AI 胶囊体时，Scene 视图会用颜色区分当前状态，并画出感知范围半径。还有一条更实用的技巧：把 SetState 里的 Debug.Log 打开，然后在 Game 视图里控制玩家角色靠近、远离，观察 Console 窗口里的状态切换是否与预期一致。看不到日志就先点一下 Game 视图右上角的 Console，确认 Log 没有过滤掉。

调试时发现 AI 不移动，先看 Inspector 里 NavMeshAgent 的 Path Status 是否显示 Complete，以及agent.isOnNavMesh是否为 true，这两个是排查移动问题的最短路径。演示时这些调试可视化也不会难看，反而会让观众更清楚 AI 的决策逻辑。

4. Unity AI Demo 的 5 个经典坑：从贴墙抖动到感知失效

4.1 角色在墙角反复抖动

现象：AI 追到墙角后不停抖动，像在高速原地踏步，无法转向。

原因：Stopping Distance 太小、Angular Speed 设置得过高，加上墙角处的 NavMesh 路径点落在障碍物边缘，Agent 每帧都在尝试微调位置。这类问题在窄通道和墙角最容易出现，多数情况下属于 Agent 的邻居避障系统与目标点冲突。

解决：先调大 Stopping Distance 到 1.0 以上，再降 Angular Speed 到 180 左右。如果还抖，检查墙角和地面有没有高度差或重叠的面片，把 NavMesh 重新烘焙一次。抖动问题基本不会只靠调一个参数解决，三个位置同时看才有效果。

4.2 用 LookAt 转向敌人，角色直接躺平

现象：AI 用transform.LookAt(player.position)追逐玩家，结果角色身体旋转 90 度贴在地上。

原因：LookAt 的第二个可选参数是基准上方向，默认用自身 Y 轴。当 AI 与玩家之间存在微小高度差时，LookAt 会尝试让 Y 轴对准目标方向，导致角色倾斜甚至躺平。

解决：锁定 Y 轴，把玩家的 Y 坐标设成与 AI 相同，或者用 Quaternion 封装：

Vector3 direction = player.position - transform.position; direction.y = 0f; if (direction.sqrMagnitude > 0.01f) { Quaternion targetRotation = Quaternion.LookRotation(direction.normalized); transform.rotation = Quaternion.Slerp(transform.rotation, targetRotation, 10f * Time.deltaTime); }

代码先去掉高度差，再用 LookRotation 生成水平朝向，Slerp 做平滑旋转。这段逻辑放进 Update 里，AI 追敌时转身就会自然很多。

4.3 几十个 AI 同时寻路，帧率瞬间掉到 30 以下

现象：demo 里放进 30 个 AI，全部开启 NavMeshAgent 后帧率直线下降，移动画面卡顿。

原因：每个 NavMeshAgent 每帧都会做路径搜索和避障计算，30 个 Agent 同时计算，即使场景简单，在一体机上也会明显拖慢。

解决：错帧更新，让 AI 每隔 0.1 到 0.2 秒才调用一次 SetDestination，而不是每帧都调。另外可以在 NavMeshAgent 上关闭不需要的避障功能，比如将 Obstacle Avoidance Type 换成 None，这对走廊里群组移动效果明显，但对单兵 AI 影响较大，按需求切换。还有一个常用技巧：把距离远的 AI 的 Speed 直接设 0，同时暂停它的寻路计算，玩家靠近再恢复。

4.4 用 OnTriggerStay 做感知，检测逻辑一帧跑了好几次

现象：AI 用 OnTriggerStay 检测玩家是否在范围内，结果在范围内时连续切换了好几次追击状态，日志刷屏。

原因：OnTriggerStay 在一帧内可能被物理引擎调用多次，而状态切换逻辑没有做防重复处理。连续切换不仅消耗性能，还会导致动画重复触发。

解决：在 OnTriggerStay 里只做标记，不在里面直接切换状态。常见写法是设置一个bool playerInRange，Update 里用计时器或帧计数做阈值过滤。更稳妥的做法是用 OnTriggerEnter 设置进入标记，OnTriggerExit 清理标记，把距离判断放到 Update 里执行。这能避免物理回调频率和游戏逻辑频率不一致造成的问题。

4.5 烘焙完 NavMesh，AI 就是不走某块地面

现象：场景大面积是浅蓝色导航区域，但某一块地面颜色没有变蓝，AI 走到边缘就像撞了空气墙。

原因：最常见的是该地面物体没有勾选 Navigation Static，或物体的 Collider 与视觉 Mesh 不匹配。旋转过、缩放过且带 Mesh Collider 的物体，烘焙时还要注意 Collider 是否是凸包，否则数据异常会导致部分网格无法生成。也有一种容易被忽略的情况：地面物体上有多个 Collider，烘焙时 Unity 使用了其中一个。

解决：选中该物体，确认 Inspector 右上角 Static 旁的下拉菜单里 Navigation Static 是勾选状态。重新烘焙一次，或者临时给该物体加一个 Box Collider 后再次烘焙。用这种二分法，能快速定位到底是被忽略的静态标记还是 Collider 形状异常。

5. 把 AIdemo 做到能演示：用 Gizmos 把 AI 状态可视化，顺带压一次性能

演示时观众最想看到的是 AI 的「想法」，不是移动轨迹。一个很实用的做法是在 OnDrawGizmos 里画两条线：一条从 AI 指向当前目标点，颜色表示状态；一条在视野范围内画扇形区域。扇形绘制不复杂，用循环生成 Mesh 三角带即可。这里用 Gizmos.DrawLine 画弧线就足够演示了：

private void OnDrawGizmos() { if (Application.isPlaying == false) return; // 画朝向线，红色代表追击，绿色代表巡逻 Vector3 forward = transform.forward * sightRange; Gizmos.color = state == AIState.Chase ? Color.red : Color.green; Gizmos.DrawRay(transform.position + Vector3.up * 0.5f, forward); // 画目标点连线 if (agent != null && agent.hasPath) { Gizmos.color = Color.yellow; Gizmos.DrawLine(transform.position, agent.destination); } }

画完这条线之后，整个 AI 的决策过程在编辑器里一目了然：看到玩家时红线指向玩家，丢失后黄线指向返回点，巡逻时绿线指向当前巡逻点。有了可视化，调 Stopping Distance、抢视野范围这种参数就不再是玄学。

性能方面不要只靠肉眼感受，可以在 Update 末尾用一个累加器记录 Agent 移动耗时：

float elapsed = UnityEngine.Profiling.Profiler.GetMonoUsedSizeLong() / 1024f / 1024f;

更直接的方式是打开 Window > Analysis > Profiler，跑一分钟演示后看 CPU 曲线里 NavMesh 相关耗时。一个健康的最小 demo 中，30 个 Agent 的寻路耗时应该低于 3ms，如果明显偏高，回到第 4.3 条做错帧处理。

最后留一个个人习惯：我接手的每个 AI demo 都会在第一天就把调试可视化加进去，哪怕只是画一条线，因为等到逻辑堆起来再补，就一定会漏掉关键状态。希望帮到你。

本文还有配套的精品资源，点击获取