统一回放标准，提升真三AI地图可比性

真三 AI 地图越是进入密集测试阶段，越容易遇到一个看似基础、实际很棘手的问题：不同团队打出的回放，真的能放在一起比较吗？如果一场对局使用了更快的决策频率，另一场限制了操作输入，最后只看胜负，结论很可能并不公平。统一回放标准，正是让“谁更强”变成可解释问题的起点。

回放不只是录像

一份可比较的回放，不能只记录最终结果，还应尽量保留对局过程中的关键上下文：地图版本、阵容、初始条件、玩家或 AI 的身份、动作发生的时间，以及单位状态和资源变化。否则，同样的一次技能释放，究竟是策略选择、执行延迟，还是地图环境差异造成的，很难追溯。

标准化不等于把所有实现做成同一个样子。规则型 AI、行为树和学习模型可以继续采用不同架构，但它们输出的对局记录应拥有相近的描述方式。尤其要区分“做了什么”和“为什么能做到”：操作次数、技能时机、路径选择属于行为记录，输入延迟模拟、决策频率和信息可见范围则属于公平性条件。

比胜负更重要的指标

单看胜率，容易把偶然性误认为实力。更有价值的比较，应该同时观察对局时长、资源变化、技能使用分布、出场频率、关键团战结果，以及 AI 在不同局面下的稳定程度。对于路径规划和微操能力，还可以记录单位是否频繁卡位、是否出现状态漂移、连招执行是否超出真人合理反应范围。

这些指标未必都要立即形成复杂评分。更现实的做法，是先规定统一字段和记录口径，再让不同团队自行公布分析方法。这样既保留研究空间，也避免某个单一分数成为新的“权威答案”。

先统一条件，再讨论强弱

回放标准最终服务的，不只是排行榜。地图开发者可以借此发现技能伤害、英雄出场和对局节奏中的异常；赛事组织者也能判断 AI 是否依靠过高操作频率取得优势。若要让结果更可信，还应明确地图版本、测试模式、随机条件和 AI 使用边界，并把规则层控制与学习层决策分开观察。

社区真正需要的，可能不是一套看起来完美的标准，而是一套愿意共同维护、允许复核、能够持续迭代的标准。未来当不同团队提交回放时，大家讨论的就不再只是“这局谁赢了”，而是“在什么条件下赢的，以及这种优势能否被别人重复验证”。