Unity五子棋期末大作业：棋盘绘制、判胜算法与AI实现全解析-北京尧图网络

简介一份面向Unity初学者的五子棋游戏期末项目完整实现双人对弈及基于蒙特卡洛树搜索MCTS的AI对战功能。项目涵盖Unity场景搭建、C#游戏逻辑棋盘表示、落子判定、胜负检测、鼠标交互反馈并深入展示MCTS的选择、扩展、模拟、回溯流程同时介绍Alpha-Beta剪枝等优化思路。压缩包整体约46.87MB以zip格式打包便于直接解压导入Unity工程或参考学习适合需要完成课程设计、期末大作业或入门游戏AI的开发者。已有1016人学习下载项目结构清晰可直接运行体验也能作为二次开发与算法研究的基础。1. Unity 期末大作业挑五子棋图的是“小而全”用 Unity 做五子棋期末大作业是很多人在课程设计、结课项目里选的方向。原因很直接它把数组、坐标换算、输入检测、状态管理一次全占了又不至于像动作游戏那样要处理一堆物理和动画。五子棋的交互收敛成一枚棋子一次点击正好把精力留给棋盘逻辑和 AI 判定。这篇笔记按一个能完整运行的 Unity 五子棋项目来拆——从棋盘绘制、落子、判胜到一个能陪你下完一局的 AI每段都给出可抄的代码和参数。对第一次用 Unity 交作业的人友好对后面想自己加禁手、悔棋规则的熟手也不碍事。如果你还在犹豫要不要选五子棋当作业可以用一个标准判断你需要在几天内拿出一个能演示、能讲清楚逻辑的东西五子棋是少数能把“玩法闭环”和“数据结构”同时展示出来的题目。它没有联网、没有存档、没有复杂资源难度上限由一个 AI 模块决定做浅做深都拿得出手。2. 先搭棋盘和棋子UGUI、数据模型和坐标换算五子棋的第一屏不是代码是棋盘。棋盘长什么样、棋子位置怎么摆直接决定后面所有坐标换算代码的写法。这一章先把选型说清楚再落到一个最小能跑的工程里。2.1 棋盘用 UGUI 还是 3D 物体期末答辩里怎么选先看两套方案在期末作业里的实际差异。用 UGUI就是 Canvas 下放一张棋盘 Image棋子也作为 Image 实例化进去。好处是分割分辨率和 Canvas Scaler 联动答辩现场换电脑、切窗口棋盘不会散架。用 3D 物体常见做法是建一个平面当棋盘、Sphere 当棋子摄像机固定成俯视角甚至加一点点旋转让棋盘更有立体感好处是以后想要镜头环绕、加上 VR/AR 扩展时有基础。我一般建议期末作业默认 UGUI理由有三个。第一你不需要维护摄像机屏幕坐标和 UI 坐标之间的换算 Unity 已经封装好了。第二棋子放大缩小、换贴图、做落子动画在 UI 层比 3D 层简单。第三答辩时老师大概率只看你窗口里的画面UI 方案在任意分辨率下都是同一个观感。如果你坚持用 3D 方案摄像机不需要做跟随——棋盘的拍摄范围是固定的网上常见的那种“摄像机跟随”脚本在这个项目里属于多余功能加了反而要处理边界限制。资源方面棋盘贴图不用自己做。Unity 资源商店里搜 “Gomoku” 或 “五子棋” 能找到免费的棋盘棋子素材不想联网就自己用一张 800×800 的图片画 15 条横竖线导出 PNG 拖进工程。注意导入时把 Texture Type 设为 Sprite(2D and UI)不然 UGUI 的 Image 不认。这一步对新手很友好连 3D 建模都省了。2.2 用二维数组记录棋盘状态一段能跑通的最小模型无论界面怎么画核心数据模型最好是一张二维表。我习惯用一个 Board 类把棋盘数组包起来而不是在 GameController 里到处写 int[,]。这样做的好处是后面 AI 要读棋盘、悔棋要回滚状态都只跟这个类打交道不会出现“三个脚本各存一份棋盘副本”这种坑。using UnityEngine; public class Board { public int size 15; public int[,] cells; public Board(int size) { this.size size; cells new int[size, size]; } public bool IsEmpty(int x, int y) { if (x 0 || x size || y 0 || y size) return false; return cells[x, y] 0; } public bool Place(int x, int y, int player) { if (!IsEmpty(x, y)) return false; cells[x, y] player; return true; } }cells 的值约定为 0 空、1 黑、2 白。IsEmpty 先做了越界判断这很重要——AI 在遍历候选点时经常扫到边界外如果这里不拦后面会冒出一堆数组越界把你 debug 到怀疑人生。Place 返回 bool调用方拿这个返回值决定要不要生成棋子 GameObject。如果你是 15 路棋盘size 填 15想做人机对战但棋盘小一点方便测试可以改成 9 或者 11。改这一个变量就够了后续坐标换算、判胜循环都读这个 size。注意 15 路是 15×15 的格点不是 15 条线所以要画 15 条横线和 15 条竖线最外侧两条贴近棋盘边缘。2.3 点击坐标换算成格点坐标数学和代码这一步是五子棋项目里最容易翻车的点也是答辩时最容易被问的地方。先定一个规则棋盘的左下角格点是 (0,0)x 向右y 向上。棋盘 Image 的 RectTransform 宽度设为 cellSize * (size - 1)高度同样pivot 设为 (0,0)。这样 Image 的左下角就是第一个格子的坐标原点换算不用做偏移。using UnityEngine; public class InputHandler : MonoBehaviour { public RectTransform boardRect; public float cellSize 50f; void Update() { if (!Input.GetMouseButtonDown(0)) return; Vector2 localPoint; if (!RectTransformUtility.ScreenPointToLocalPointInRectangle( boardRect, Input.mousePosition, null, out localPoint)) return; int x Mathf.RoundToInt(localPoint.x / cellSize); int y Mathf.RoundToInt(localPoint.y / cellSize); Debug.Log($点击格点: ({x}, {y})); } }ScreenPointToLocalPointInRectangle 的第三个参数传 null表示用屏幕坐标直接换算适合 Canvas 的 Screen Space - Overlay 模式如果你的 Canvas 改成了 Camera 模式这里要传 UICamera。换算完的 localPoint 是相对棋盘左下角的二维坐标单位是逻辑像素。Mathf.RoundToInt 是关键一步四舍五入把连续坐标变成格子索引如果你用了 Mathf.FloorToInt点击格子右半边时会错误地落到左边那格。cellSize 一般取 40 到 60。取值太小棋子容易贴在一起点起来费劲取值太大屏幕只能放下半张棋盘。我用 50 比较多15 路棋盘总宽 700 像素在 1080p 窗口里占中间偏上的一块观感正好。这个值后续 AI 落子生成棋子也要用建议放在 GameSettings 静态类里别在多个脚本里各写一个。写完这两块你已经有了“棋盘图像棋盘数据鼠标点格”的最小闭环。暂停一下做一次验证运行工程点击棋盘每个边缘格点Console 里输出的坐标必须落在 0 到 14 之间如果点最左边出现 -1说明棋盘 Image 左边贴了一条“无效边”——这不是 bug是 Image 比有效格子区多出了半个格子的空白。解决方式是回到 2.3 开头把 Image 尺寸改回 cellSize * (size - 1)。3. 落子交互与回合控制鼠标点下去那一刻发生了什么棋盘能响应坐标了接下来要把它变成真正的对弈流程点击方格、生成棋子、切换玩家、检查游戏是否结束。这一章的代码量不大但顺序错了会出各种怪现象。3.1 点击后先问三件事空位、回合、游戏是否结束很多新手写五子棋直接在 Update 里检测到点击就开始落子结果出现“游戏已经结束还能继续下”“轮到 AI 时玩家还能抢着下”“同一个位置放了两颗子”三个经典问题。解决方式是把点击的响应收拢到一个入口所有条件在入口处一次性校验。我习惯在 GameController 里维护 currentPlayer1 或 2、isGameOverbool和一个落子历史栈。TryPlacePiece 函数的开头就集中处理这三件事任何一颗棋子要落到棋盘上都必须从这个函数走。public class GameController : MonoBehaviour { public Board board; public GameObject blackPiecePrefab; public GameObject whitePiecePrefab; public Transform pieceRoot; public RectTransform boardRect; public float cellSize 50f; private int currentPlayer 1; private bool isGameOver false; private StackVector2Int history new StackVector2Int(); public void TryPlacePiece(int x, int y) { if (isGameOver) return; if (!board.Place(x, y, currentPlayer)) return; SpawnPiece(x, y, currentPlayer); history.Push(new Vector2Int(x, y)); if (CheckWin(x, y, currentPlayer)) { isGameOver true; Debug.Log($玩家 {currentPlayer} 获胜); return; } currentPlayer currentPlayer 1 ? 2 : 1; } private void SpawnPiece(int x, int y, int player) { GameObject prefab player 1 ? blackPiecePrefab : whitePiecePrefab; Vector3 worldPos boardRect.anchoredPosition new Vector3(x * cellSize, y * cellSize, 0); Instantiate(prefab, worldPos, Quaternion.identity, pieceRoot); } }这里把“数据落子”和“显示落子”分成两步board.Place 先写数组成功后才生成 GameObject。这颗棋子的生成位置由 x、y 乘以 cellSize 得到与 2.3 的换算正好互逆如果位置对不上先检查棋盘 Image pivot 是否还是 (0,0)。判胜那行 CheckWin 是下一章的主角这里先留一个接口占位。history 栈现在只是压栈后面悔棋功能会用到。一个容易被忽略的细节是currentPlayer 的切换放在判胜之后而不是落子之后立刻切否则“落子即胜利”的那一瞬UI 会显示错误回合的提示。这套 TryPlacePiece 结构也方便以后扩展。如果你要给作业加“同房间双人联机”或者“局域网对战”不需要改这函数不管是鼠标点击还是网络消息最终都汇聚到这个入口数据层和表现层天然分离。3.2 从 Update 到 EventSystem两种输入处理怎么选2.3 的 InputHandler 用了 Update 里轮询 GetMouseButtonDown。这个做法在五子棋里没问题但你要知道它的边界Unity 的 UI 按钮也会响应点击如果棋盘上方还叠着“重新开始”按钮轮询方式不会帮你过滤这些点击——你在按钮上点一下棋盘同时落了一颗子。想省心挂一个 EventSystem 的 IPointerClickHandler。using UnityEngine; using UnityEngine.EventSystems; public class BoardClickHandler : MonoBehaviour, IPointerClickHandler { public GameController gameController; public void OnPointerClick(PointerEventData eventData) { Vector2 localPoint; if (!RectTransformUtility.ScreenPointToLocalPointInRectangle( GetComponentRectTransform(), eventData.position, eventData.pressEventCamera, out localPoint)) return; int x Mathf.RoundToInt(localPoint.x / GameSettings.CellSize); int y Mathf.RoundToInt(localPoint.y / GameSettings.CellSize); if (x 0 || x GameSettings.BoardSize || y 0 || y GameSettings.BoardSize) return; gameController.TryPlacePiece(x, y); } }OnPointerClick 比 Update 的好处是自带 UI 事件冒泡按钮上点一下不会误触棋盘代价是棋盘 Image 必须开 Raycast Target否则收不到事件。第二行把 eventData.position 和 pressEventCamera 传给换算函数在 Screen Space - Camera 模式下也能准确换算。如果 Canvas 上有全屏的半透明遮罩层它会吃掉所有点击棋盘 Image 收不到事件这种问题排查起来很玄学基本只能一层层看 Raycast Target。提示UGUI 的 Image 组件默认 Raycast Target 是开启的别为了“省资源”随手关掉否则棋盘点击会静默失效。两种输入方案都试过之后期末作业我更倾向 OnPointerClick。理由很简单你不用自己关心鼠标是不是在窗口外、是不是误点了别的 UI事件系统都帮你挡掉了。缺点只有一个如果你将来要做“落子特效”需要额外处理事件回调里不能直接拿鼠标屏幕坐标的问题这不算大麻烦。3.3 悔棋用 Stack 回滚数据和棋子悔棋是五子棋期末作业里性价比很高的加分项实现量很小答辩时却能展示你对数据结构的理解。前面代码已经在落子时把坐标压进了 history悔棋只需要把它弹出来。单人本地对战的悔棋规则很简单每悔一次棋撤销最后一步。人机对战里通常要悔两步——玩家悔一手AI 那一手也要一起撤不然回合就会错乱。下面这段按“人机悔两步”来写。public void Undo() { if (history.Count 0) return; if (isGameOver) isGameOver false; UndoOneMove(); if (history.Count 0 currentPlayer 1) UndoOneMove(); } private void UndoOneMove() { Vector2Int pos history.Pop(); board.cells[pos.x, pos.y] 0; Transform lastChild pieceRoot.GetChild(pieceRoot.childCount - 1); Destroy(lastChild.gameObject); currentPlayer currentPlayer 1 ? 2 : 1; }UndoOneMove 里的“销毁最后生成的棋子”有一个前提棋子生成顺序和落子顺序完全一致中间不能有额外实例化。如果你加了落子动画或特效粒子这部分可能对不上那就不要在 pieceRoot 里按顺序取子物体而是在落子时把生成的 GameObject 也压进同一个栈里。悔棋的边界有几个游戏结束时 isGameOver 要复位不然悔完棋还是不能落子只悔到第一步时第二次 UndoOneMove 会因 history.Count 0 被拦截不会越界。一个常见误用是很多人用 List 记录棋子悔棋时 RemoveAt 再 Destroy。List 也能用但 Stack 天然契合“后进先出”的语义读代码的人一眼就能明白。答辩时老师问“悔棋怎么实现的”你只需要说“每步压栈悔棋弹出同时把二维数组写回 0”就够了。这里有一个Destroy 的延时坑Destroy 在帧末才真正移除物体如果你悔棋后立刻又下了一步pieceRoot 的 childCount 可能还没减一取子物体时容易取错。解决方式是改用 DontDestroyImmediate或者用对象池复用棋子期末版本里直接用 Destroy 然后不去依赖 childCount 顺序改成把生成的 GameObject 引用也入栈是最稳的。4. 胜负判定和基础 AI从最后一手棋往外数五个这一步是五子棋的核心算法也是期末作业分数的分水岭。判胜写不好会出现横竖能赢斜线不赢的怪事AI 写得太复杂又会把自己绕进去。这一章给一套能稳定工作的组合基于最后一手的判胜配一个会堵人的打分 AI。4.1 五子连珠判定为什么从刚落下的那颗棋开始查一个常见的判胜写法是每下一步棋就全盘扫描找有没有任意方向连续五颗同色。这个做法能跑但代码啰嗦而且在 15 路棋盘上完全没必要。五子棋的胜负一定和最后一手有关如果这手棋没有形成五连那它之前早就胜负已分。所以判胜只需要从最后一手的坐标出发沿四个方向数。四个方向分别是水平 (1,0)、垂直 (0,1)、主对角线 (1,1)、副对角线 (1,-1)。对每个方向从当前格向两个相反方向延伸统计同色棋子的连续数量加上最后一手自身总数达到 5 就判赢。这个思路代码量小而且天然不会漏判斜线因为四个方向都在循环里。public bool CheckWin(int x, int y, int player) { Vector2Int[] directions { new Vector2Int(1, 0), new Vector2Int(0, 1), new Vector2Int(1, 1), new Vector2Int(1, -1) }; foreach (Vector2Int dir in directions) { int count 1; count CountDirection(x, y, dir.x, dir.y, player); count CountDirection(x, y, -dir.x, -dir.y, player); if (count 5) return true; } return false; } private int CountDirection(int x, int y, int dx, int dy, int player) { int count 0; int nx x dx; int ny y dy; while (nx 0 nx board.size ny 0 ny board.size) { if (board.cells[nx, ny] ! player) break; count; nx dx; ny dy; } return count; }边界条件全在 CountDirection 里处理CheckWin 本身很干净。count 的初始值是 1因为最后一手棋本身算一颗。很多人第一次写会忘掉 count 从 1 开始结果总是要五子加一颗才能赢那个 bug 很隐蔽。判胜函数只读棋盘数组不要在里面临时改写数组否则 AI 和界面同时读棋盘时会出现偶尔凭空多一颗子的怪现象。这个坑我见过不止一次属于典型的“看着没毛病跑起来抽风”。判胜还可以顺手处理平局。每次落子后先判赢再遍历 cells 检查是否还有 0一个 0 都没有就宣布平局。这个逻辑放在 TryPlacePiece 的判赢分支后面几行就写完但很多作业都漏了它。满盘平局在期末演示里很难自然出现你可以用 5×5 小棋盘临时测试一下。4.2 一个会堵人的 AI打分函数的完整实现期末作业的 AI 不需要会“必胜开局”也不需要蒙特卡洛树搜索。一个能用且不被一眼看穿是“人工智障”的方案是打分法遍历所有空位假设这个位置落黑子评估黑方收益再假设落白子评估白方收益两者按权重相加选分最高的位置落子。打分规则可以很简单对每个方向数一数假设落子后形成的连子数。连子数越多分越高能凑成五连的位置直接给最高分。public class SimpleAI { private Board board; public SimpleAI(Board board) { this.board board; } public Vector2Int GetBestMove(int aiPlayer, int humanPlayer) { int bestScore -1; Vector2Int bestMove new Vector2Int(board.size / 2, board.size / 2); for (int x 0; x board.size; x) { for (int y 0; y board.size; y) { if (board.cells[x, y] ! 0) continue; int score EvaluatePoint(x, y, aiPlayer, humanPlayer); if (score bestScore) { bestScore score; bestMove new Vector2Int(x, y); } } } return bestMove; } private int EvaluatePoint(int x, int y, int aiPlayer, int humanPlayer) { board.cells[x, y] aiPlayer; int aiScore EvaluatePointForPlayer(x, y, aiPlayer); board.cells[x, y] humanPlayer; int humanScore EvaluatePointForPlayer(x, y, humanPlayer); board.cells[x, y] 0; return aiScore * 10 humanScore * 8; } }EvaluatePoint 里有一个关键细节它临时篡改了棋盘数组。先把自己假设成 AI 落子统计完立刻改成假设玩家落子统计完再恢复为 0。这保证了统计函数能被统一复用但也要求调用方必须按顺序执行任何一个分支提前 return 都会让棋盘上残留一颗虚拟棋子。AI 进攻分权重给到 10防守分给到 8意思是“差一步就赢”的进攻点会比“差一步就输”的防守点优先。想让 AI 偏防守把 8 改成 12想让它更激进把 10 调高。这两个数是经验值建议先跑几局再手调。EvaluatePointForPlayer 的方向统计逻辑和 4.1 很像不同点是它只统计连子数然后映射成分数。下面这段是打分 AI 的精简版已经能做到基本的进攻和堵眼。private int EvaluatePointForPlayer(int x, int y, int player) { int total 0; Vector2Int[] dirs { new Vector2Int(1, 0), new Vector2Int(0, 1), new Vector2Int(1, 1), new Vector2Int(1, -1) }; foreach (Vector2Int dir in dirs) { int count 1; count CountWithLimit(x, y, dir.x, dir.y, player); count CountWithLimit(x, y, -dir.x, -dir.y, player); if (count 5) total 10000; else if (count 4) total 1000; else if (count 3) total 100; else if (count 2) total 10; else total 1; } return total; } private int CountWithLimit(int x, int y, int dx, int dy, int player) { int count 0; int nx x dx; int ny y dy; while (nx 0 nx board.size ny 0 ny board.size) { if (board.cells[nx, ny] ! player) break; count; nx dx; ny dy; } return count; }这个精简版没有区分活三和眠三所以 AI 偶尔会走出“看着是三连其实被堵死”的废棋。想提升棋力可以加一个两端堵头判断CountWithLimit 停下来的位置如果在棋盘内且为空说明这条线还活着给额外加分。这一步不复杂但能让 AI 从“会堵眼”变成“会做活三”答辩体感差别很大。AI 的计算量在 15 路棋盘上很小但别把它放在 Update 里每帧跑玩家每落一手触发一次就够了。想在界面上做出“对手思考中”的效果可以加 0.2 秒延迟再调用 AI 的返回函数演示观感会好很多。4.3 功能优先级先保证人能赢再考虑 AI 棋力如果你是第一次写 AI把 4.2 的代码接进工程后先不要急着调权重。第一步用两个玩家轮流操作同一台电脑手动验证判胜、悔棋、平局逻辑都正常。第二步改成玩家执黑、AI 执白连续下三局记录 AI 的失误看不懂活三、防守只看眼前、开局乱下。这些失误大多不是代码 bug而是打分规则不够细。修一两个计分规则棋力提升比加“搜索深度”明显得多。如果 AI 第一步总是乱下角落可以在 GetBestMove 开头加一个特判棋盘为空时直接返回正中央 (7,7)。五子棋黑棋第一步下天元通常是占优下法这个小规则能让 AI 开局像回事。棋盘上只有一颗子时选择 (7,7) 附近一个靠近该子的位置也比遍历打分稳定。这些前置规则不干扰后续打分逻辑属于“经验补丁”。这一步还有个常被忽略的点AI 打分函数里的 while 循环一定要确认 nx dx、ny dy 在循环体内执行。漏掉这一行循环永远不会前进界面会直接卡死这是 AI 模块里最常见的死循环来源。遇到 AI 回合卡住时先检查 CountWithLimit 的指针有没有推进。5. 五子棋项目避坑指南常见报错、错位和翻车现场这一章把最容易浪费时间的几个坑按“现象→原因→解决”列出来都是我见过或踩过的。每条都短但每一条都能在答辩前一晚让你崩溃。5.1 棋盘上的点击位置和棋子落点整体偏移半格现象点格子的正中心棋子却出现在格线交叉点附近点靠近格线时棋子直接落到隔壁格。整个棋盘像是被平移了半个格子。原因棋盘 Image 的尺寸设置成了 cellSize * size而不是 cellSize * (size - 1)。15 路棋盘只有 14 段间距Image 多出的那个格子宽度让局部坐标换算出来的格点索引整体偏移了半格。解决检查棋盘 RectTransform宽高改成 (size - 1) * cellSizepivot 保持 (0,0)。如果用 3D 棋盘检查平面分段数确保每格间距为 1而不是整张平面长度除以格子数。这个坑的隐蔽之处在于只偏半格大多数人第一反应是鼠标取位不对不会想到是棋盘尺寸写错。5.2 棋盘上叠了一个透明 Button所有点击都失灵现象棋盘看起来完全正常点击却没有反应Console 里也没有任何输出。所有鼠标事件像被什么东西挡住了一样。原因Canvas 上有一个覆盖全屏的透明 Image 或 ButtonRaycast Target 是勾上的它把点击全部吞掉了。UGUI 的 Raycast 是从上往下找第一个可接收事件的对象棋盘在最底层永远收不到事件。解决把所有全屏背景层的 Raycast Target 取消勾选。尤其是“开场界面”“胜利提示面板”这类隐藏后只是 SetActive(false) 的物体一定检查它们是否还躺着。这类 bug 查起来很玄学因为一切看起来都没问题实际上整个 UI 的射线都被劫持了。5.3 横竖能赢、斜线赢不了现象五子棋横着竖着连成五颗能判胜斜着连成五颗永远不触发。老师随手试一条斜线游戏毫无反应场面非常尴尬。原因CheckWin 的 directions 数组里漏了 (1,1) 或 (1,-1)。很多人记得水平垂直两个方向忘了对角线。解决补上四个方向。一个完整的判胜必须包含 (1,0)、(0,1)、(1,1)、(1,-1)。这个坑我当年亲自踩过答辩演示时横竖都赢了老师试斜线直接翻车。从那以后我写判胜永远先把四个方向写成数组而不是写四个分开的 if 判断从结构上杜绝漏项。5.4 窗口大小一变棋盘和棋子错位现象固定窗口尺寸下运行一切正常拖拽窗口边缘或切换分辨率后棋格坐标整体漂移点不准格子。原因Canvas Scaler 的 UI Scale Mode 设置不对或者棋盘 Image 的 anchor 不是中心。用 Overlay 模式时如果棋盘锚点设在左上角窗口尺寸变化后棋盘位置跟着锚点走之前的坐标换算全部失效。解决把 Canvas Scaler 设为 Scale With Screen Size参考分辨率填 1920×1080棋盘 Image 的 anchor 和 pivot 都设成 (0.5, 0.5)让它始终居中。棋子生成位置如果用的是 boardRect.anchoredPosition 加上格子偏移要确认 boardRect 是同一张棋盘图而不是某个父节点。还有一点五子棋项目不要用屏幕自适应自动改 cellSize棋盘格距固定时坐标换算代码最稳。5.5 工程打开后材质紫红色、以及 Unity Hub 安装器验证失败现象把资源商店下载的棋盘素材拖进场景物体变成亮紫色或者 Unity Hub 装编辑器时报“安装失败:验证失败”导致你还没开始写代码就在环境上耗掉一晚上。原因紫红色是因为材质用的 Shader 在当前渲染管线里不存在。新建工程默认是内置渲染管线如果下载的资源来自 URP 或 HDRP 工程Shader 找不到就显示紫红。Hub 的验证失败多半是安装目录权限、磁盘空间或网络代理问题。解决紫红色对期末作业最直接的解决方式是别换 Shader把材质球 Shader 改回 Universal Render Pipeline/LitURP或内置的 Standard不想改就直接用 UGUI 的 Image 显示棋盘图片避开 3D 材质。Hub 安装失败则改用英文路径安装以管理员身份运行 Unity Hub或者换一个盘符重新下载编辑器。这类环境问题占掉的时间往往比写代码还多建议装完先建一个空工程跑通再动手不要等作业写到一半才排查环境。6. 最后两小时的打磨判胜边界、演示流程和收尾6.1 把边界情况当成测试用例来验AI、判胜都写完别急着打包。花半小时用手动操作把边界全部过一遍第一手落在棋盘四个角、四个边中点黑棋横着赢、竖着赢、两条对角线赢在差一手赢的局面下让 AI 防守确认它堵对地方连续悔棋到空棋盘再重新开始确认回合没乱满盘无胜负时触发平局。这些就是测试用例。每次跑完记下结果别凭感觉说“应该没问题”。我见过太多演示时突然不动了的作业基本都是没做这一步。你可以不做自动化测试但手动过一遍是底线尤其是斜线判胜这条。6.2 答辩演示的两分钟流程演示不要一上来就人机对战。先把工程停在主菜单按这个顺序走第一步展示棋盘绘制和 UI把窗口拖成不同大小说明你用 Canvas Scaler 做了适配第二步进入双人对战下一两颗子就故意落一颗到已有位置说明你做了占位校验第三步开始人机对战走到 AI 堵眼的那一步停下来用光标指出它观察到你这里要成四连所以来堵你第四步制造一个必胜局面演示判胜横幅弹出第五步用悔棋回退一手说明 Stack 的入栈和弹栈。这个顺序能把每个功能都讲成你主动设计的而不是老师问到哪你答到哪。演示时把 Console 窗口打开用 Debug.Log 打印的落子坐标和判胜信息做辅助说明这至少证明代码是活的。6.3 收尾最后说一句关于代码规整的话。期末作业不是生产项目但至少不要把全部逻辑塞进一个几百行的 GameController。把 Board、CheckWin、SimpleAI、InputHandler 分开文件放老师打开工程看脚本列表时一眼就知道你会不会做模块划分。这比任何花哨特效都加分。我做这个项目时最大的教训不是 AI 写得弱而是斜线判胜没单独测答辩老师一试斜线就当场翻车。后来每做一个功能我就先想好这个功能的边界输入是什么再动手写代码。如果你时间紧至少把 5.3 和 6.1 这两节过一遍这两个坑一个毁逻辑、一个毁演示。希望帮到你。本文还有配套的精品资源点击获取

Unity五子棋期末大作业：棋盘绘制、判胜算法与AI实现全解析

相关推荐

2025年信息安全行业趋势与零基础入门指南

Carla仿真四路相机标定与BEV环视拼接全流程

Claude账单成本优化：18个关键设置，从API到Claude Code全搞定

更多资讯

热数据处理技术对比与企业决策优化实践

Vue3 组合查询条件树组件：递归渲染、序列化与校验实践

AI驱动的测试数据生成：原理、实践与金融案例

2026年贵阳科目一交警手势题怎么记？实用技巧来了

AI伦理测试实战：从技术合规到社会责任

Python+Django构建中医药材销售系统设计与实现

今日更新

基于YOLOv11的石油泄漏智能检测系统开发实践

AI行业变局：合规、Mod化与上下文管理的实战启示

计算机视觉与AI原生应用融合的技术实践

本周精选

防幻觉智能体架构：电源硬件设计中的大模型编排与工具化实践

OpenGL面试核心考点：渲染管线、矩阵变换与性能排查全解析

全国计算机二级C语言真题PDF高效刷题指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？