开发你的第一份策略

你不需要先实现一个完整冠军队伍。第一次可以选择一个明确目标，例如“让步兵在有弹药时守住己方高地卡，残血就回补给区”，先让它稳定工作，再加入其他行为。

开发阶段由你或 Agent 写程序，比赛阶段由程序自己决策。 引擎每 0.1 秒把当前允许的观察交给 Python 函数，程序返回动作；引擎负责运动、射击、资源与裁判判定。

1. 先选赛季，再选开发方式

训练页默认使用 2027，也能切换 2026。两季的兵种、观察、机构与判胜条件不同；先选赛季，避免写完代码才发现引用了另一季的动作。

模式	交付文件	控制范围	适合的第一个目标
全队统筹 team	strategy.py	一个进程控制全队；2027 五台 / 2026 六台，共享状态	给全队安排简单分工
单机专精 robot	strategy.py	固定位置的一台机器人，之后组装为 squad	让 3 号步兵可靠抢点
多机协同 distributed	robot_1.py、robot_3.py 等	各位置独立运行、通过消息配合；2027 五份 / 2026 六份	让两个位置互报敌人再协同行动
自由适配 adaptive	strategy.py	一次部署控制自身，型号可重复	为一个型号写不依赖固定队友的策略

如果想先完成一场完整比赛，选全队统筹；只研究局部技能，选单机专精；想在自由对战中反复部署同型号，选自由适配。

2. 创建任务，拿到工作区

在应用中进入 训练：

1. 选择规则赛季和开发方式。
2. 全队模式先确认共同阵容；单机模式选择位置，自由适配选择合规型号。
3. 填任务名称，例如 my-first-2027，设置开发分钟数。
4. 创建后复制 AGENT_TASK.md 路径，交给开发者或 Agent。

网页创建任务后立即开始开发计时。 阅读、编码、练习和提交均在同一时间窗口内，截止前最后一次成功提交才是参赛版本。

给 Agent 的任务可以这样写，把第一行换成应用返回的真实路径：

阅读 <任务目录>/AGENT_TASK.md，并以这个工作区的赛季、阵容和规则为准。
先运行现有模板做一次短练习并检查错误，再改进 2027 步兵的占点与补给行为。
只修改任务允许的策略文件和 showcase.json，练习产物放在 practice/。
为策略补充真实的战术卡；截止前成功提交，报告版本与练习结果。

工作区中有这些文件：

文件	作用	要不要改
AGENT_TASK.md	本次任务、阵容、时间与操作入口	阅读，遵守其中的文件边界
AGENT_GUIDE.md / .en.md	对应赛季、模式的完整参赛手册	阅读
arena.json、sdk.py	场地、规则、硬件与辅助函数	作为参考，保持受保护文件不变
strategy.py / robot_*.py	允许编辑的策略代码	按任务要求修改
SHOWCASE.md、showcase.json	展示规范与打法说明	阅读规范，编写展示文件
arena.py、agent.json	练习工具与凭证配置	由工具管理，不公开其中的令牌
practice/	日志、回放与开发笔记	可保存练习产物，不进入比赛代码

生成的任务摘要会列出允许编辑的文件。最终提交需要合格的 showcase.json；仅在编辑器保存 Python 文件还不算提交。

3. 跑通模板，再改代码

在新建工作区目录打开终端，使用可用的 Python 3：

python -B arena.py status
python -B arena.py test --duration 30 --games 1 --seed 42

第二条命令返回练习任务的 id。把它填入下面的命令，不要把占位词当成真实 ID：

python -B arena.py results <练习任务ID>
python -B arena.py replay <练习任务ID> --game 0

results 用于查询进度、结果与策略诊断；练习是异步任务，第一次查询可能仍在运行。replay 下载自己练习的回放，默认保存在 practice/，可以在应用中导入。

先确认模板没有异常、超时或非法动作，再修改一个行为。30 秒短局用于验证流程；评价 2027 控制度、后期装炮与终局表现时，仍需要完整时长和多局对照。

4. 看懂策略的最小接口

# 这是协议示例：让己方受控机器人原地停留，不是一份完整参赛打法。
def act(observation, state):
    actions = {}
    for slot in observation["controlled_ids"]:
        actions[str(slot)] = {"move": [0, 0], "fire": False}
    return actions, state

• observation 是这一轮允许知道的状态。敌人位置受视野和遮挡限制，裁判公开数据不等于敌人实时坐标。
• actions 的键必须来自 controlled_ids，例如 "1"、"3"，不要假设编号连续。
• state 保存程序自己的记忆，第一次可能是 None；下一轮收到上轮返回的 JSON 状态。
• 全队模式能维护一份共享状态；独立单机进程不共享内部状态与全部视野，需要通过队内消息配合。

使用工作区 sdk.py 的导航、瞄准和动作工具，减少几何计算错误。自由对战尤其应读取受控身份和实际阵容，不能把 2731 这样的型号编号当作自己的部署编号。

5. 为 2027 做一个小而完整的改进

假设目标是“稳定维持前哨控制点”，可以逐步检查：

问题	可验证的改进
到不了卡片	读取实际场地与硬件，选择坡道或合适的越障路线
到了点却没夺取	检查卡片是否能激活、敌方是否同时占卡、是否保持足够时间
占到点后马上丢失	决定谁驻守、谁掩护，而不是所有人一起追击
缺弹后一直站着	加入兑换、补给与撤退逻辑
只顾局部交火	读取控制度与剩余时间，判断该守优势还是争取新点

同时保留模板中其他兵种的基本行为，再逐步改进重型装配、哨兵姿态和空中撞击。2027 的机库不提供侦察视野，重型也不能开局直接射击；详细条件见规则图解。

6. 写战术卡并提交

showcase.json 让其他人不用看代码，也能理解你的策略：主打风格是什么，各阶段做什么，机器人走哪条路线，遇到什么条件会改变决策。应描述实际实现的行为，未验证的能力不要写成已经做到。

这是展示内容的阅读示意，不是某份策略的性能测评。实际战术卡来自作者提供的数据。

按工作区的 SHOWCASE.md 填写并通过校验后，在截止前执行：

python -B arena.py submit

确认返回成功并保存版本信息。之后改进代码需要再次提交；截止前最后一次成功提交有效。只改展示说明不改变代码身份与 Elo。

在应用的策略库找到新版本；全队策略选择匹配的赛季和共同阵容，自由适配策略在自由对战中选用。最后用比赛与回放确认行为和说明一致。

7. 时间、资源与错误

限制	当前运行值
策略频率	10 Hz，每 0.1 秒决策
单次决策时限	默认 200 ms
源码 / JSON 状态	512 KiB / 256 KiB
动作大小	总计 16 KiB，每台 1 KiB
Docker 资源	1 GiB 内存、1 CPU；单进程、无网络、只读根目录

运行时定义以 rmuc_arena/worker.py 及宿主执行器为准。异常、超时、非法数值、越权控制和大小超限会导致策略在本局剩余时间被停用。出现“机器人突然都不动”时，先看练习诊断，再判断是不是导航问题。

源码用户：命令行创建任务

已按源码运行准备环境后，可在仓库目录创建 2027 全队工作区：

uv run python -m rmuc_arena new-agent agents/my-first-2027 --mode team --season 2027 --minutes 90
uv run python -m rmuc_arena start-training agents/my-first-2027

这条路径与网页不同：new-agent 只创建任务，start-training 才启动计时。练习客户端还需要连接正在运行的本机服务；自定义端口时，创建任务通过 --training-url 指定相应地址。2026 则使用 --season 2026，不要复用另一季的受保护资料。

完整参考

• 2027 中文参赛手册 · 2026 中文参赛手册
• 战术卡规范 · 可运行策略示例
• 2027 规则与适配 · 2026 规则审计