生成器与情境：候选点从哪来

生成器决定"有哪些候选点"，情境决定"以谁为参照"。两者是 EQS 查询的输入侧。

常用生成器

生成器 产生的点 典型场景
Circle 环形采样圈 围绕目标的包围圈、围绕自己的安全圈
Grid 网格 大范围搜索（适合"附近哪里有掩体"）
Path 沿路径的点 巡逻路径、包抄路径
Points 引用一组手工点 配合 Smart Objects
Composite 组合多个生成器 复杂需求

关键配置：空间采样参数

  • 半径 / 网格间距：决定候选点密度。密度高 = 结果精细 = 查询慢；
  • 数量上限：生成器可设最多产生多少点。必设，否则一个 10 万点的网格查询能卡死 AI；
  • 导航过滤：只保留落在 NavMesh 上的点（AI 走不到的点没意义）。

情境（Context）

情境是"参照物"的抽象：距离测试的"目标点"可以是查询者、移动目标、双方的中点、某个固定位置。常用情境：

  • Querier：查询者自己；
  • Target：目标（黑板里的目标 Actor）；
  • Both / Midpoint：两者中点（适合"夹击"类查询）；
  • 自定义：蓝图 / C++ 提供任意位置。

实例：远程兵的"找掩体"查询

生成器：Circle（围绕 Querier，半径 15m，间距 1m，上限 120 点）
情境：Target（当前敌人）
测试项：
  ├ Test 距离目标 8~25m（权重 2）  → 太近危险太远打不到
  ├ Test 有掩体（Trace 掩体测试，权重 3）→ 必须能藏住
  └ Test 到查询者距离近（权重 1）  → 懒，少走路

打分逻辑（总分 = 各测试加权和）让 AI 选出"又能藏、又能打、又不远"的位置——这就是 EQS 的全部表达力来源。