Files
dcalc/backend/core/basic/skill_effects.py
T

387 lines
20 KiB
Python
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
"""技能关联计算与维护说明
技能关联由 `core/basic/skill_effects.py` 的 `SkillEffectEngine` 统一处理。
`lv`、VP 等输入变化不再通过历史倍率乘除更新目标,而是重新解析最终状态并汇总本次关联贡献。
## 计算阶段
1. `SetSkills` 批量读取基础等级、VP、UP。传入的等级是基础等级,不含关联技能提供的等级;重复传入同一配置不会重复加级。
2. 解析等级和参数依赖。`lv`、`ratio`、`maxLayer` 是状态属性;关联到这些属性的规则以及 `level_source` 组成依赖图,按拓扑顺序求值。关联规则读取其他技能等级时,依赖会自动记录。循环、缺失共享等级源、计算过程中改变状态依赖会报出具体技能。
3. 基于最终状态收集伤害、冷却和角色属性贡献,并在装备提供的基础值之上应用一次。
`calc` 在处理配置、装备、时装、徽章等阶段使用同一个批次。需要读取等级时,可以先解析状态;伤害及角色属性关联在准备阶段结束后统一生效。
## 后续在哪里维护
| 新增或修改的影响 | 维护位置 | 要点 |
| --- | --- | --- |
| 技伤、冷却、攻击段数等普通关联 | 对应 `core/character/GF/职业/角色.py` 的技能类 `associate` | 通常不改引擎;目标属性应有默认值 |
| 随 VP、等级或自身参数变化的关联 | 来源技能的 `effect` | 每次生成完整声明,再调用 `super().effect(old, new)` |
| 技能给其他技能加级 | 来源技能的 `associate`,使用 `+lv` | 整数加级设置 `ratio=1`;只给已学习的目标加级 |
| 生命之树这类共享等级 | 目标技能的 `level_source` | 指向源技能名称,不再写等级 getter/no-op setter |
| 新增会被关联修改、并影响后续关联的参数 | 技能类默认值 + `core/basic/skill_effects.py` 的 `STATE_ATTRIBUTES` | 例如现有 `ratio`、`maxLayer`;加入后自动属于输入属性 |
| 新增外部配置输入,改变它需要重新计算关联 | 技能类、配置赋值入口 + `INPUT_ATTRIBUTES` | 例如现有 `vp`;单纯登记不提供跨技能参数读取依赖 |
| 新增角色属性关联 | `skill.py` 的角色贡献收集分支、`CHARACTER_ATTRIBUTES`,并核对 `character/base.py` 的 `SetStatus` | 当前仅支持对应标量字段;特殊运算需单独实现 |
| 新增运算符、目标选择方式、跨技能非等级依赖 | `skill.py` 的公共关联入口 + `skill_effects.py` | 属于公共能力扩展,需配套单元测试 |
| 装备改变技能等级或倍率 | 原装备规则及 `character/base.py` 的公共修改方法 | 使用已有批处理方法;低层直接写入须在 `batch()` 内 |
| 仅影响单次技能展示/输出的模式、VP、UP 变换 | 原技能 `setMode`、`vp_N`、输出计算方法 | `skillInfo()` 使用临时副本,不要误改为持久关联 |
普通职业规则优先放在职业文件。只有新增公共能力时才修改引擎;不要再用属性 setter 手动撤销旧倍率并乘入新倍率。
## 声明示例和数值约定
以下片段放在对应技能类内,`data0` 为该来源技能的等级数据表:
```python
# 默认百分比:data0[lv] = 110 时,倍率为 1 + 110 / 100。
associate = [{'type': '*skillDamage', 'data': data0, 'skills': ['目标技能名称']}]
# 加级:data0[lv] = 1 时,给已学习目标增加 1 级。
associate = [{'type': '+lv', 'data': data0, 'ratio': 1, 'skills': ['目标技能名称']}]
```
上面是两种独立示例;需要同时生效时放进同一列表。`skills='*'` 仅选择伤害技能,关联被动技能时使用明确的名称列表。名称必须与目标 `name` 完全一致,当前不是按 UUID 匹配。
数据以来源技能等级索引,通常令 `data[0] = 0`。收集仍兼容旧公式:普通乘算为 `(1 + data[lv]/ratio) / (1 + data[0]/ratio)`,`cdReduce`、`cdRatio` 改用减号;加算为 `(data[lv] - data[0])/ratio`;覆盖 `=` 直接取 `data[lv]`。这里字典中的 `ratio` 是除数,区别于手雷精通类上的 `ratio` 参数。
女弹药的动态关联是现成参考:
```python
ratio = 1.0
def effect(self, old, new):
self.associate = [{
'type': '*skillDamage',
'data': [value * self.ratio for value in self.data0],
'skills': ['G-14手雷', 'G-35L感电手雷', 'G-18C冰冻手雷'],
}]
return super().effect(old, new)
```
三觉被动通过 `*ratio` 关联手雷精通。引擎先确定最终 `ratio=1.2`,再收集手雷倍率,所以精通 11 级对应 `1 + 110% × 1.2 = 2.32`。
## 职业规则
静态 `associate` 格式不变。现有动态 `effect(old, new)` 作为兼容入口,在收集模式下以 `(0, 最终等级)` 执行;公共 `apply_association` / `update_skill_attribute` 记录贡献,不修改目标。每次收集都从原始 `associate` 声明开始,取消 VP 时不会保留上一次分支。
动态规则只能生成关联声明,不能在收集过程中直接修改角色或目标技能。需要修改关联产生方式时,应改用声明,而不是另写参数 setter 撤销旧倍率。元素师原先的 `ratio` 补偿 setter 已移除,避免与公共引擎重复应用。
引擎在创建时保存初始声明和状态默认值。动态分支应新建并赋值 `self.associate`,不要对共享的类级列表执行 `append` 或原地改写;也不要把运行后修改 `associate` 当作注册新规则。一次重算可能多次调用 `effect`,因此不能在其中累计计数、直接调用角色加成方法或依赖随机结果。
依赖图目前自动识别三类依赖:共享等级源、收集时跨技能 `.lv` 读取、指向状态属性的关联。
直接读取另一个技能的 `.ratio` 等非等级参数不会自动建立依赖。
新增这类规则时需要先扩展公共依赖机制并验证顺序;单独加入 `INPUT_ATTRIBUTES` 只会触发重算,不能解决求值先后问题。
初次建图后新出现的等级读取或状态目标会报错;不要靠最终状态临时增加依赖边。
每条贡献包含来源技能、条目索引、目标、属性、运算及数值,可从 `character.skill_effects.contributions` 检查。角色属性支持原 `SetStatus` 中相应的标量加算/乘算字段。
同一属性的汇总顺序为:基础值(或覆盖值)→ 加算贡献 → 乘算贡献。不同来源给出不同覆盖值会报冲突;不会依赖遍历顺序选择最后一个。赋零可以直接从基础值重建,不需要除以旧倍率。
## 共享等级
例如生命之树:
```python
level_source = '创世'
```
生命之树跟随创世最终等级,包含创世获得的装备及技能等级加成。目标自身的 `maxLv = 1` 不会截断共享等级。目标不接受独立等级或独立加级;需要提升等级时应提升源技能。
共享等级技能默认不独立提供关联效果,保留原 getter/no-op setter 的行为。如职业规则确实要求共享等级技能独立提供关联,可显式设置 `association_source = True`。
现有 11 个共享等级技能已迁移为 `level_source` 声明。
## 装备和外部修改
`SetStatus`、`AddSkillLv`、`SetSkillRation`、`SetSkillCD`、`SetSkillCDRecover` 已自动批处理。完整 `calc` 中的装备代码也在批次内,因此原有装备的直接属性写入会保留为关联计算的基础值。
新增低层直接修改必须放进批次,不能修改已叠加关联贡献的结果后再要求引擎推断基础值:
```python
with character.skill_effects.batch():
skill.skillDamage *= 1.15
```
`resolve()` 在没有变化时不重复应用;批次重建会先恢复原来的基础值。`skillInfo()` 的临时拷贝不属于引擎管理对象,其模式、VP、UP 变换仍在临时拷贝上执行。
这不表示装备自身也已经与顺序无关:装备仍按原流程执行,例如先由 `calc_suits()` 生成套装积分,再让装备读取积分。当前批次解决的是装备修改与技能关联贡献之间的基线问题,没有为装备建立逐来源贡献账本和依赖图,也不保证对同一实例反复执行整套装备流程不会累计。
定位引擎内部问题时,`_levels` 保存基础及外部等级,`_state_base` 保存状态参数基线,`_output_base` 保存应用技能输出贡献之前的属性值。它们是内部状态,不应由职业或装备规则直接修改;外部输入走公共修改方法或批次入口。
## 诊断和验证
找不到目标的旧关联仍按原逻辑跳过,同时记录在 `unresolved_targets`,供职业规则审查。例如刺客现存的“终结追击”名称失配;本次未推测其数值意图并修改规则。
测试覆盖女弹药 2.32 场景及后续升降级、旅人条件、大枪加级、VP 切换、装备基线、角色属性、共享等级及链式共享、零覆盖、赋值冲突和循环依赖。全职业测试使用全部学习等级,在无 VP/VP1/VP2 下交换输入顺序,并另测搭配职业武器的情况。
重构前后 72 个模块的默认满技能配置对比:伤害/冷却的实质变化集中在女弹药、旅人、男女大枪已确认的问题;元素师统一了 `skillRation`/`skillDamage` 的分配,总伤害保持一致。该验证针对本地计算规则,不等同于游戏实测或线上验证。
新增规则时,在 `tests/unit/test_skill_effects.py` 补充对应场景,重点验证正反设置顺序、等级升降或禁用、条件开关、外部加成后再次重建。公共依赖机制变更还需验证循环及冲突报错。
从仓库根目录执行:
```sh
backend/.venv/bin/pytest backend/tests/unit/test_skill_effects.py -q
backend/.venv/bin/pytest backend/tests/smoke/test_calc_availability.py -k configuration_order -q
```
第二项验证技能配置顺序(包括搭配武器的场景),不验证装备执行顺序。修改公共引擎后再运行完整 `backend/tests` 回归。
"""
from collections import defaultdict
from contextlib import contextmanager
from dataclasses import dataclass
from functools import wraps
from graphlib import CycleError, TopologicalSorter
from math import prod
# 会被关联修改、且参与后续关联求值的属性在此登记,并在技能类上提供默认值。
STATE_ATTRIBUTES = frozenset({'lv', 'ratio', 'maxLayer'})
# 外部赋值触发重算的输入;登记在此不等于自动跟踪跨技能的该属性读取。
INPUT_ATTRIBUTES = STATE_ATTRIBUTES | {'vp', 'up', 'comboCol', 'stage', 'currentMode'}
# These are the scalar keys actually supported by CharacterBase.SetStatus.
# 扩展前核对 SetStatus 的实际运算语义;特殊字段不能仅加入白名单。
CHARACTER_ATTRIBUTES = frozenset({
'STR', 'INT', 'Spirit', 'Vitality', 'AtkP', 'AtkM', 'AtkI',
'PAtkP', 'PAtkM', 'PAtkI', 'PSTR', 'PINT',
})
_MISSING = object()
@dataclass(frozen=True)
class SkillContribution:
source: object
index: int
target: object
attribute: str
operation: str
value: float
def skill_effect_batch(method):
"""Keep external skill/stat changes outside the association baseline."""
@wraps(method)
def wrapped(self, *args, **kwargs):
engine = getattr(self, 'skill_effects', None)
if engine is None:
return method(self, *args, **kwargs)
with engine.batch():
return method(self, *args, **kwargs)
return wrapped
class SkillEffectEngine:
def __init__(self, character):
self.character = character
self.skills = tuple(sorted(character.skills, key=lambda skill: skill.id))
self._members = {id(skill) for skill in self.skills}
self._levels = {skill: skill._lv for skill in self.skills}
self._state_base = {
(skill, attr): getattr(skill, attr)
for skill in self.skills for attr in STATE_ATTRIBUTES - {'lv'}
if hasattr(skill, attr)
}
self._associations = {skill: skill.associate for skill in self.skills}
self._output_base = {}
self._depth = 0
self.resolving = False
self.collecting = None
self._pending = []
self._reads = set()
self._dirty = True
self._state_dirty = True
self.contributions = ()
self.unresolved_targets = set()
def owns(self, skill):
# skillInfo uses shallow copies; these are local render contexts.
return id(skill) in self._members
def changed(self):
self._dirty = self._state_dirty = True
if not self._depth:
self.resolve()
def set_level(self, skill, value):
if skill.level_source is not None:
return
# += equipment bonuses must change the input, not copy already-derived
# mastery levels back into it. Input configuration uses set_input_level.
self._levels[skill] = min(skill.maxLv, max(0, self._levels[skill] + int(value) - skill.lv))
self.changed()
def set_input_level(self, skill, value):
if skill.level_source is not None:
return
self._levels[skill] = min(skill.maxLv, max(0, int(value)))
self._dirty = self._state_dirty = True
def set_attribute(self, skill, name, value):
if name in STATE_ATTRIBUTES:
self._state_base[skill, name] = value
object.__setattr__(skill, name, value)
self.changed()
def is_learned(self, skill):
if skill.level_source is not None:
return skill.lv > 0
return self._levels[skill] > 0
def read_level(self, skill):
if self.collecting is not None and self.collecting is not skill:
self._reads.add(skill)
elif self._state_dirty and not self.resolving:
self.resolve_states()
def record(self, source, target, attribute, operation, value):
self._pending.append(SkillContribution(
source, len(self._pending), target, attribute, operation, value,
))
def missing_target(self, source, name):
self.unresolved_targets.add((source.name, name))
def _collect(self, skill):
# 一个重算周期会多次调用 effect;职业实现只能构造声明并调用公共收集入口。
self._pending = []
self._reads = set()
if not skill.association_source or skill.lv <= 0:
return (), set()
# VP branches often only assign associate when enabled. Start from the
# declaration every time so disabling VP also removes the old branch.
skill.associate = self._associations[skill]
self.collecting = skill
try:
skill.effect(0, skill.lv)
return tuple(self._pending), self._reads.copy()
finally:
self.collecting = None
@staticmethod
def _combine(base, contributions):
contributions = sorted(contributions, key=lambda item: (item.source.id, item.index))
overrides = {item.value for item in contributions if item.operation == '='}
if len(overrides) > 1:
sources = ', '.join(item.source.name for item in contributions if item.operation == '=')
raise ValueError(f'关联赋值冲突: {sources}')
if overrides:
base = overrides.pop()
return (base + sum(item.value for item in contributions if item.operation == '+')) * prod(
item.value for item in contributions if item.operation == '*'
)
def _restore_outputs(self):
for (target, attr), value in self._output_base.items():
if value is _MISSING:
object.__delattr__(target, attr)
else:
object.__setattr__(target, attr, value)
self._output_base.clear()
def resolve_states(self):
# 依赖来源:level_source、跨技能 lv 读取、指向 STATE_ATTRIBUTES 的关联。
# 其他跨技能属性读取不会自动建边;新增此类规则须先扩展依赖机制。
if self.resolving or not self._state_dirty:
return
self.resolving = True
try:
self._restore_outputs()
self.unresolved_targets.clear()
for skill, lv in self._levels.items():
skill._lv = min(skill.maxLv, max(0, lv))
for (skill, attr), value in self._state_base.items():
object.__setattr__(skill, attr, value)
graph = {skill: set() for skill in self.skills}
for skill in self.skills:
if skill.level_source is not None:
source = self.character.GetSkillByName(skill.level_source)
if source is None:
raise ValueError(f'共享等级源技能不存在: {skill.name} -> {skill.level_source}')
graph[skill].add(source)
contributions, reads = self._collect(skill)
graph[skill].update(reads)
for item in contributions:
if item.target is not self.character and item.attribute in STATE_ATTRIBUTES:
graph[item.target].add(skill)
try:
order = tuple(TopologicalSorter(graph).static_order())
except CycleError as exc:
names = ' -> '.join(skill.name for skill in exc.args[1])
raise ValueError(f'技能关联状态存在循环依赖: {names}') from exc
states = defaultdict(list)
for skill in order:
# All upstream level/parameter contributions are ready now.
if skill.level_source is not None:
skill._lv = self.character.GetSkillByName(skill.level_source).lv
contributions, reads = self._collect(skill)
if not reads.issubset(graph[skill]):
raise ValueError(f'技能关联状态依赖随计算改变: {skill.name}')
for item in contributions:
if item.target is self.character or item.attribute not in STATE_ATTRIBUTES:
continue
if skill not in graph[item.target]:
raise ValueError(f'技能关联状态目标随计算改变: {skill.name} -> {item.target.name}')
key = item.target, item.attribute
states[key].append(item)
if item.attribute == 'lv':
base = self._levels[item.target]
value = self._combine(base, states[key])
item.target._lv = min(item.target.maxLv, max(0, int(value)))
else:
base = self._state_base[key]
object.__setattr__(item.target, item.attribute, self._combine(base, states[key]))
self._state_dirty = False
finally:
self.resolving = False
def resolve(self):
if self.resolving or not self._dirty:
return
self.resolve_states()
self.resolving = True
try:
self._restore_outputs()
contributions = []
grouped = defaultdict(list)
for skill in self.skills:
items, _ = self._collect(skill)
contributions.extend(items)
for item in items:
if item.target is not self.character and item.attribute in STATE_ATTRIBUTES:
continue
grouped[item.target, item.attribute].append(item)
for (target, attr), items in grouped.items():
base = getattr(target, attr, _MISSING)
self._output_base[target, attr] = base
if base is _MISSING and not any(item.operation == '=' for item in items):
raise AttributeError(f'技能关联属性不存在: {items[0].source.name} -> {attr}')
object.__setattr__(target, attr, self._combine(0 if base is _MISSING else base, items))
self.contributions = tuple(contributions)
self._dirty = False
finally:
self.resolving = False
@contextmanager
def batch(self):
# 最外层先撤销技能输出贡献,让装备等外部写入落在基础值上,再统一重建。
# 这里只隔离技能贡献,不解决装备规则彼此之间的执行顺序依赖。
outermost = not self._depth
if outermost:
self.resolving = True
try:
self._restore_outputs()
finally:
self.resolving = False
self._dirty = self._state_dirty = True
self._depth += 1
completed = False
try:
yield
completed = True
finally:
self._depth -= 1
if completed and not self._depth:
self.resolve()