📖 说明
WASD 移动 鼠标 瞄准 左键 射击 R 换弹 P 暂停 ESC 认输
绝对对称：双方都是 100 血、移速 3.2、同一把冲锋枪（12 伤害 / 30 发弹匣 / 1.4 秒换弹）。没有任何强化、没有任何数值差异。
🧠 它的大脑是真的网络：12 个感知输入（距离/双方血量/弹药/方位/视线/来袭子弹威胁/受击记忆/视野丢失时长/是否卡住…）→ 12 个隐层神经元 → 7 个输出（追击·拉开·左移·右移 × 连发·点射·停火）。每 0.15 秒思考一次，头顶显示它当前的决策。贴墙卡住时有本能的绕行反射；你刚躲进掩体的 1.5 秒内它会朝你的方向盲射压制。
训练是 Actor-Critic (A2C)：Actor（策略网络）看局面做决策；Critic（价值网络）评估局面好坏。每步用优势函数 A = r + γV(s') − V(s) 更新——比预期好的决策被强化，差的被弱化。击中你 +1、被你击中 −1 的奖励挂在当时的决策上，局末统一结算。两个网络共享感知、一起进化，大脑存在浏览器里。
你和它之间唯一的区别：你有操作，它有学习。