本文目录 8 个章节
【ChatGPT】游戏自动化测试实践案例 - 卡牌游戏出牌决策
note · ChatGPT 问答录 本文保存一次 ChatGPT 问答原始输出，仅作为资料来源；其中结论未自动视为已验证知识，使用前应结合可靠来源复核。
创建时间：2023/6/11 20:48
使用 Poco 进行 RPC 调用：
python
from airtest.core.api import connect_device
from poco.drivers.unity3d import UnityPoco
device = connect_device("Android:///")
初始化 Poco
poco = UnityPoco(device)
编写决策函数，根据游戏中的卡牌组合进行决策
def make_decision(card_combination): # 在此函数中编写决策逻辑，返回选择出的牌 # 作为示例，选择第一张牌
chosen_card = card_combination[0]
return chosen_card
使用 Poco 进行 RPC 调用，获取游戏中的卡牌组合
card_combination = poco.agent.rpc("GetCardCombination")
使用决策函数进行决策
chosen_card = make_decision(card_combination)
根据决策结果，在游戏界面上操作卡牌# 假设卡牌 UI 元素的名称是 "card_0", "card_1", "card_2" 等
card_ui_name = f"card_{chosen_card}"
card_ui = poco(card_ui_name)
选择卡牌并出牌
card_ui.click()
出牌决策示例：
首先，假设每张卡牌具有以下属性：
name: 卡牌名称
cost: 卡牌消耗（如法力、能量等）
damage: 卡牌造成的伤害
defense: 卡牌提供的防御
同时，假设我们可以获取到当前游戏状态，包括玩家的剩余资源（如法力、能量等）。
python
class Card: def init(self, name, cost, damage, defense): self.name = name
self.cost = cost
self.damage = damage
self.defense = defense
def make_decision(card_combination, player_remaining_resource):
按照卡牌效果（伤害 + 防御）和卡牌消耗（如法力、能量等）之比从高到低对卡牌进行排序 sorted_cards =
sorted(card_combination, key=lambda card: (card.damage + card.defense) / card.cost, reverse=True)
选择第一张玩家可以使用的卡牌
chosen_card = None
for card in sorted_cards:
if card.cost <= player_remaining_resource:
chosen_card = card
break # 如果没有合适的卡牌，选择第一张卡牌 if chosen_card is None:
chosen_card = card_combination[0]
return chosen_card
在这个示例中，我们首先对卡牌组合进行排序，优先考虑效果与消耗比较高的卡牌。然后，我们选择第一张玩家可以使用的卡牌。如果没有合适的卡牌，我们会选择第一张卡牌作为备选。
请注意，这个示例仅供参考。您需要根据您的游戏规则和策略调整决策函数。同时，您需要修改之前的代码示例，以便正确处理卡牌对象和游戏状态。
例如，您可以将游戏中的卡牌组合状态表示为 Card 类的对象列表，并将玩家剩余资源作为参数传递给 make_decision 函数。您还需要相应地修改游戏中的 RPC 函数，以返回卡牌对象列表而非字符串列表。