设计的本质是抽象变化。

关于Composites的用法又有了新的认识：在Task返回值的时候尽量要与真实情况相符合，就像Selector下的子节点一旦成功Selector就返回，说明Selector是一种选择的方式，而Sequence下的子节点一旦失败就返回，说明它就是用来一步一步执行的。所以在选择使用的时候尽量按照规矩来，减少强制性的返回结果，这样显得更和谐，别人读程序也更好懂。

上面是整个AI系统中的工具。

Pawn Action

也是要在AIController中运行的，有两个特点，Action Tree是动态创建的，2是执行结束后就被释放了。

用处：将一些行为封装成起来可以供很多不同的目标使用。

使用方法：创建一个基于PawnAction_BlueprientBase的类，在其中有5个事件驱动，常用的就是EventActionStart/Tick/Finished，如何判定是要执行Finish呢，有一个节点使用：Finish，并且还可以返回Result。那现在类是有了，将一些AI事件放在这里写，如何去实现呢，这个类只能在有特定的Compontent的下执行，是ActionsComp，这个组件存在于AIController中，所以类的实现在其中写，首先要创建一个Action，用节点CreatActionInstance，创建出来只是将其放在栈中，还需要将其从栈中调出，至于何时调出根据需求，调出有两个节点可以使用，PushAction和PerformAction。当然最后要将AICON帮到目标身上才能触发。

当然，还有abortAction打断节点。

SaveGame

将游戏记录存下来应该是在游戏进行的最高逻辑中写，GameInstance。

在GameInstance中有一个Init初始化事件，这是最适合写存档的地方。

创建一个基于SaveGame的类，这个类的主要作用是存储数据。所以不需要写任何逻辑，只需要将需要存储的变量添加上就Ok。等待别的地方对变量赋值。

接下来在GameInstance中写逻辑，复写一个Event Init的函数，链接LoadGameformSlot节点，意思是从Slot中载入游戏，Solt中放有什么呢，我们要把游戏的档案放在Slot中，这样就会一开始的时候从Slot中调用档案了，节点的返回值就是游戏的档案，这里的游戏档案就是SaveGame的类，这里做一个类型转换，如果第一次进入游戏，这是还没有存过档，那么一定会转换失败，失败之后就要创建一个档案了，CreatSaveGameObject,创建一个存储游戏的对象，并将其付给刚创建的类的引用，使其实例化。如果之前想打开之前有过的存档，那么就会转化成功，成功之后将打开的游戏档案再付给引用，将其实例化。这是进入和创建游戏档案的逻辑。

下面要写的是如何将数据存在游戏档案中，更新数据一定要对对象更新，不能对引用更新，所以在Instance中的引用是被实例化了的，故可以对其更新数据，进行数据赋值，赋值形式根据需求自定，这里我只做了一个很简单的赋值。

或许很疑惑这里为什么还有一个Instance中的函数，理论上说我们已经完成了将数据存入档案，一开始调用档案的事情了。但是别忘了，调用档案，是从Slot中调用的，所以我们还必须要将档案在存储进Slot中的，否则调用的还是上一次放在Slot中的档案。那既然是要把改变好的档案放在Slot中，那还是要在Instance中放的，因为只有Instance中有被实例化的档案引用。但是存储的驱动有不能再Instance中，故写成函数，由其他地方调用。这样才完成了游戏存档。

梳理一下思路，基于SaveGame的类就是一本游戏档案，其中只有变量。类是创建好了，那么下面要创建出对象，CreatSaveGameObject，那这个创建的逻辑要在Instance中写了，并将创建好的提升为变量，供其它使用。UE的机制是不能直接打开存档，而是要从Slot中打开档案，要想打开档案就要用LoadGameformSlot，要是第一次开游戏的话需要创建，第二次就直接打开已有的存档就OK了，即使是打开了，也需要将打开的存档提升为变量，以备更新信息时用。故有了Instance中的逻辑。那么既然要从Slot中打开游戏档案，那么我们在将数据存档的时候就要将档案放在Slot中，那么最后就是更新数据了，这里很简单的信息交互就不说了。

Sensing

Register登记，注册    perception感知    stimuli刺激

这里存在两个感知系统，其中AIPerception是老的感知系统，也是比较完善的，虽然会被淘汰，但那时还是需要了解的，新的系统是PawnSensing。先说AIPerpection.

AIPerception

首先在AIController中添加一个AIPerception，并在Detail面板中找到AIPerception对其进行编辑，Configuration布局，结构。Dominant主要的，显性的。

添加一个elements，例如添加一个Hearing，对Sense面板进行修改达到自己要的效果，Implementation工具，Affiliation加入，入会，联系Detevtion by Affiliation探测的目标——敌人，中立，朋友。MaxAge听完之后多久忘掉，还有一个LoSHearingRange多远听不到了

如果是视觉的话还有一个视觉角度。

设置好之后会发现在Variables中的Components有一个AIPerception，在Detail面板中有事件可以进行编辑，

一般用到前两个，当感知更新时执行事件，那这个检测的任务就交给了引擎，较于之前的方法，我们就不需要进行监测了，那执行的事件很明了就是要更新黑板上的数据。这里的两个驱动有不同的地方，就是没有Target的驱动是可以对多个AI，后者只是针对一个。

事件执行后，我们仍要进行判定，判断是一旦受到刺激就执行事件，还是守到某种特定的刺激执行特定的事件。这里用到节点GetSenseClassForStimulus（获得产生刺激的感知类）之后跟判定ClassIsChildOf。

对Array的遍历主要是想获得Srimulus（刺激）进行判定。先是获得元素的Perception，接着将其Break获得Stimulus数组，再进行遍历，将元素Break进行判定。

第二种就是对其单个感知的改变进行判定，获得发生刺激的感知类，之后判断是不是继承自需要的感知类。

如此结束了么，这里有这么个问题就是这个感知系统的弊端，AIPerception负责接收刺激，还必须有人发出刺激，这就是AIPerceptionStimuliSource组件的作用。在目标中添加此组件，在Detail面板中的AIPercetion勾选Auto Register as Source才可以产生将刺激发出的作用，并在Register as Source for Senses中添加需要发出的刺激。还有一点需要注意，对于听觉而言，动画中的声音对于场景中的Actor是听不到的，所以即使发出了听觉刺激还是没有声音的，这里就要让场景中的Actor也可以拥有一个声音的刺激。利用节点MakeNoise,和PawnMakeNoise。两者有一点不同，NoiseMaker（声音制造者）NoiseInstigator（声音煽动者）。

制作一个声音刺激，什么时候发出呢，当然是要跟动画声音的产生同步的，在动画中创建一个Notify。如此才算完成。

Pwan Sensing

在前面阐述过。

AI概念分析