三国杀自走棋AI训练

本项目基于三国杀自走棋小抄收集细粒度的自走棋实战操作数据，进行强化学习训练

目前项目处于demo阶段，提供三个文件：

• CollectOperationTick.js: 用于游戏中收集tick级别状态动作数据的篡改猴脚本，目前实现为分段下载，减小缓存压力和空间占用
• tavern_data_sample.json: 实际测试的tick级别状态动作数据样例
• train_demo.py: torch + TRL 框架的训练示例脚本

具体状态/动作定义如下:

1. 状态（state）：

   • 全局信息（全局信息只需记录一次）：本局使用的主公ID，本场游戏的场次ID或房间号（如果有则记录，可以参考TavernChessStats-0.4.3.js中的内容）
   • 当前商店等级
   • 当前商店区详细数据(shopGoods)
   • 当前手牌区详细数据(handChess)
   • 当前上阵区详细数据(lineUp)
   • 当前金币数(money)
   • 当前装备区详细数据(equip?)

2. 动作（action）：可能的动作集合如下，都已经找到了入口函数以及触发hook

   • 刷新商店：可记录本次刷新消耗
   • 锁定/解锁商店：
   • 购买：具体购买了商店第几个位置的卡牌(goodsId/chessId)？
   • 遣散：具体遣散卡牌的goodsId/chessId？
   • 上阵卡牌：具体上阵卡牌的goodsId/chessId？
   • 使用锦囊：具体使用的锦囊goodsId/spellId
   • 随征卡牌：将随征卡(goodsId/chessId)附着到上阵区域的卡牌(goodsId/chessId)

---

260813更新

• TickRecord.html: 根据tick数据复原游戏录像，暂未没有上传所有卡牌的图片，可在 https://github.com/caoyang-sufe/TavernChessCodex/tree/main/assets 下找到相关图片的历史备份

---

260923更新

上传了S10赛季末所有的图片assets，更新了数据收集脚本（改为分段自动下载），根据收集到的游戏tick数据录像可以跑通