如何在 Godot 4 中制作 AI：分步指南（2026）

问「如何在 Godot 里做 AI」，你会得到两种完全不同的答案，因为同一个问题背后其实是两件毫不相关的事。

一种是经典游戏 AI：地精发现你、绕着柱子追你、靠近后挥刀攻击。这是决策逻辑加上移动控制，几十年来一直是游戏开发的基本功。

另一种是语言模型 AI：你可以用自己的话跟店主聊天，它会以角色身份回答。这是新兴技术，需要通过网络将文字发送给模型，解决的是另一个问题。

大多数游戏几乎所有地方都需要第一种 AI，只有少数几个需要对话的角色才会用到第二种。本指南按顺序讲解两种方案，附有可直接粘贴到 Godot 4 中使用的 GDScript。最后会介绍 AI 原生引擎如何替你编写这些代码并通过运行游戏来验证——这正是教程通常会跳过的部分。

第一部分：经典游戏 AI（你最常需要的那种）

当设计师说一个敌人「AI 很好」时，他们几乎从不是指它在运行神经网络。他们的意思是它做出了合理的决策：注意到玩家、选择合适的行动、随情况变化而改变策略。落实到代码里，就是状态机。

状态机是一组状态（待机、巡逻、追击、攻击）加上状态之间切换的规则。这是游戏 AI 中最实用的单一模式，而 Godot 4 提供了构建它所需的一切。

第一步：搭建敌人场景

新建一个场景，以 CharacterBody2D 作为根节点（3D 场景使用 CharacterBody3D，逻辑完全相同）。添加以下子节点：

• Sprite2D 或 AnimatedSprite2D，用于显示敌人
• CollisionShape2D，给敌人添加碰撞体
• 一个 Area2D，带有自己的 CollisionShape2D，尺寸大于敌人本身，用作检测范围
• NavigationAgent2D，让敌人能够绕过障碍物移动

检测用的 Area2D 就是敌人的「感知器」。当玩家进入它的范围时，敌人就会做出反应。

第二步：编写状态机

将以下脚本挂载到根节点。它定义了四个状态，并根据与玩家的距离在状态之间切换。

extends CharacterBody2D

enum State { IDLE, PATROL, CHASE, ATTACK }

@export var move_speed: float = 120.0
@export var attack_range: float = 40.0

var state: State = State.IDLE
var player: Node2D = null

@onready var nav: NavigationAgent2D = $NavigationAgent2D

func _physics_process(_delta: float) -> void:
	match state:
		State.IDLE:
			velocity = Vector2.ZERO
			if player != null:
				state = State.CHASE
		State.CHASE:
			_chase()
		State.ATTACK:
			velocity = Vector2.ZERO
			_attack()
	move_and_slide()

func _chase() -> void:
	if player == null:
		state = State.IDLE
		return
	var distance := global_position.distance_to(player.global_position)
	if distance <= attack_range:
		state = State.ATTACK
		return
	nav.target_position = player.global_position
	var next_point := nav.get_next_path_position()
	velocity = global_position.direction_to(next_point) * move_speed

func _attack() -> void:
	# play attack animation, deal damage, then return to chase
	if player != null and global_position.distance_to(player.global_position) > attack_range:
		state = State.CHASE

# connect these from the detection Area2D in the editor
func _on_detection_area_body_entered(body: Node2D) -> void:
	if body.is_in_group("player"):
		player = body

func _on_detection_area_body_exited(body: Node2D) -> void:
	if body.is_in_group("player"):
		player = null
		state = State.IDLE

这段代码能正常运行，关键在于两点。match 语句按 state 分离了各个行为，后续添加新状态时不会相互干扰。Area2D 的 body_entered 和 body_exited 信号（从编辑器的 Node 面板连接）让敌人在「感知到」和「失去感知」之间切换，无需每帧轮询。

把你的玩家添加到 player 分组（选中它，打开 Node 面板，进入 Groups，添加 "player"），这样检测逻辑才能找到它。

第三步：添加寻路，让敌人能绕过墙壁

上面的脚本用到了 NavigationAgent2D，但导航代理需要一张地图来知道哪里是地面。在关卡场景中添加一个 NavigationRegion2D，并赋予它一个覆盖可行走地面的 NavigationPolygon，同时在墙壁位置挖出空洞。Godot 会自动为导航代理规划路径。

核心思路是：你的 AI 脚本决定目的地（nav.target_position = player.global_position），导航系统决定路径。你完全不需要自己写寻路算法。get_next_path_position() 返回下一个路径点，你只需朝它移动即可。

3D 场景的流程完全相同，使用 NavigationRegion3D 和 NavigationAgent3D。你需要在关卡几何体上烘焙导航网格而不是手绘多边形，但脚本模式不变。

第四步：添加视线检测（可选，但很值得）

仅靠检测范围，敌人会穿墙「看见」你。要解决这个问题，添加一个 RayCast2D，在切换到追击状态之前先检查射向玩家的射线是否被遮挡。

func can_see_player() -> bool:
	if player == null:
		return false
	$RayCast2D.target_position = to_local(player.global_position)
	$RayCast2D.force_raycast_update()
	if $RayCast2D.is_colliding():
		return $RayCast2D.get_collider() == player
	return true

将 IDLE -> CHASE 的切换条件改为依赖 can_see_player()，敌人就需要真正的视线才能发现你，这会让玩家感觉游戏更公平、更聪明。

到这里，你就有了一个完整的、可直接发布的敌人 AI：检测、绕障碍追击、视线受墙壁阻挡、进入攻击范围后出手。巡逻路线、血量低时逃跑、群体战术——这些都只是在同一套骨架上增加更多状态和切换条件而已。

第二部分：LLM 驱动的 AI（会说话的 NPC）

「Godot 里的 AI」的第二种含义，是一个可以自由交谈的 NPC。这是一套完全不同的机制。它不是状态机，而是把文字发送给语言模型，再把回复转化为对话。

Godot 4 没有内置模型，但它有 HTTPRequest，这就是调用外部模型所需的全部工具。

第一步：向模型发送消息

添加一个 HTTPRequest 节点和一个脚本，将玩家的消息加上简短的角色描述一起发送给模型 API。

extends Node

@onready var http: HTTPRequest = $HTTPRequest

const ENDPOINT := "https://api.example-model.com/v1/chat"
const API_KEY := "your-key-here" # keep this out of shipped builds

func ask_npc(player_message: String) -> void:
	var headers := [
		"Content-Type: application/json",
		"Authorization: Bearer " + API_KEY,
	]
	var body := {
		"system": "You are Bram, a tired village blacksmith. Stay in character. Keep replies under two sentences.",
		"message": player_message,
	}
	http.request(ENDPOINT, headers, HTTPClient.METHOD_POST, JSON.stringify(body))

func _ready() -> void:
	http.request_completed.connect(_on_response)

func _on_response(_result, _code, _headers, response_body: PackedByteArray) -> void:
	var data = JSON.parse_string(response_body.get_string_from_utf8())
	var reply: String = data.get("reply", "...")
	show_dialogue(reply)

func show_dialogue(text: String) -> void:
	# push text into your dialogue UI
	print(text)

第二步：给 NPC 添加记忆

没有记忆的模型每次对话都会从零开始。要让铁匠记住你，需要维护一份历史对话列表，并在每次请求中附上简短的摘要。把它存储在 NPC 上，每轮对话追加一条记录；当历史记录太长时，让模型将旧对话总结成一两句话，避免提示词无限增长。

第三步：在投入之前了解权衡

LLM 对话功能强大，但也有代价。每条消息都要花钱，网络回传需要时间，还必须联网——意味着无法离线运行。如果你的指令不够明确，它也可能跑题或出戏。

因此现实中常见的模式是混合使用：每个 NPC 的行为逻辑用经典 AI 实现，LLM 对话只留给少数以自由交流为核心的角色。如果你想深入了解，包括人格提示词、记忆系统、如何让角色紧扣游戏世界观，我们写了一篇专门的教程：在 Godot 4 中构建带有记忆和人格的 AI NPC。AI NPC 生成器是快速搭建原型的最快方式。

更快的路径：让 AI 原生引擎来写

以上所有内容都是手动路线，理解它很有价值，因为它教会了你这些模式。但手写、接线、调试一个状态机既耗时又费力，而且很多 bug 只有运行游戏时才会暴露。

AI 原生引擎改变的正是这个环节。Summer Engine 兼容 Godot 4，并将 AI 助手直接集成在编辑器内部，它不只是在侧边栏建议代码。它能读取你的场景树、编写 GDScript、接线 NavigationAgent 和检测用的 Area2D、运行游戏、读取运行时错误、并修复问题。你只需用日常语言描述行为：

让骷髅在两点之间巡逻，发现玩家后追击，靠近后攻击。使用导航系统让它能绕过墙壁。

它会生成和上面完全相同的状态机，挂载到真实的敌人场景上，然后按下播放键确认骷髅真的在追击而不是撞墙。这种「写代码、运行游戏、读结果」的循环，正是 AI 助手与能交付可运行行为的 AI 引擎之间的本质区别，因为游戏里大多数 AI 问题都是运行时 bug，而聊天窗口永远看不到它们。

实话实说：免费套餐涵盖构建、测试和导出，足以让你学会这些模式、发布第一个 AI 驱动的原型。付费套餐为日常工作提供更多用量和更强大的模型。如果你想比较在 Godot 工作流中使用 AI 的各种选择，Godot AI 页面有详细说明；模板库提供了已经接好敌人 AI 的起始项目，让你直接修改行为，而不是从零搭建。

从哪里开始

如果你还在学习，就动手搭建第一部分。状态机加 NavigationAgent 几乎能覆盖你将来遇到的所有敌人、伙伴和生物，而且这套模式从单个地精扩展到完整战斗遭遇都游刃有余。

只有当自由对话真正是某个角色的核心玩法时，才考虑第二部分，并且把 LLM 对话控制在少数几个 NPC 上，以保持合理的成本和延迟。

当你想比逐个手打状态更快推进时，用语言描述行为，让引擎来构建和测试。本指南里的这些模式，正是它会生成的代码，所以理解它们能让你更好地引导它——无论你选择哪条路。