---
title: "它和第七、八、九讲怎么接上"
description: "同一个决策，三讲各帮一步：怎么比较候选，程序有资格知道什么，怎么跑起来拿反馈。"
---

## 这一页为什么在这里

围绕同一个回合，把候选比较（L07）、合法信息与本局 state（L08）和程序执行（L09）连起来。

## 上屏

- 第 1 步：己方在场 Kingambit｜367 / 404｜候补 Great Tusk · 满体力｜对方 Iron Valiant。两个选择：出招 Kowtow Cleave，或换上 Great Tusk；九个合法动作里的两个。
- 第 2 步：三栏：L07｜比较候选与检验；L08｜合法观测、公开历史和本局 state；L09｜写成函数、跑完整对局、读结果。
- 第 3 步：state 是本局的记忆｜写什么、何时更新、新局清空｜对手没公开的信息，程序没有资格知道。

## 讲

### 第 1 步 · 教师可说的话

真实回合的两个选择

还记得上周那一回合吗？出招还是换人，随机程序选了换人，结果换上来的队员先吃了场地伤害，又被对手击倒。

#### 指图与比较

对照上方对局状态与下方两个合法动作，恢复同一回合的决策点。

### 第 2 步 · 教师可说的话

三讲怎样接上

这一个决策，三讲各帮一步：第七讲教你比较候选、决定怎么检验；这一讲管程序能拿到什么信息；下一讲教你把它写成函数、跑起来、看反馈。

#### 指图与比较

指向固定位置的三讲关系，说明同一决策分别需要哪一步。

### 第 3 步 · 教师可说的话

本局state与合法信息

和这一讲最直接相关的一点：程序里的 state，就是它这一局的记忆，你决定写什么、什么时候更新，新的一局从空开始。还有一条信息边界：对手没公开的东西，程序没有资格知道，不能因为会检索就读进来。

#### 指图与比较

指向中间 L08 卡和底部信息边界，说明本局记忆能保存什么。

### 本页衔接

知道这道题怎样承载研究，接下来说明它与原有课程项目的关系。

### 连续教师稿原文

屏幕上还是那一回合：Kingambit剩367/404，GreatTusk在候补且满体力，对面是IronValiant。九个合法动作里，先取两个来看：KowtowCleave出招，或者换GreatTusk。已有记录里，随机程序选了换人，接着先吃场地伤害，再被击倒。

第七讲帮你比较选择、决定怎样检验；这一讲问程序能够合法知道什么；下一讲把想法写成函数，跑完整对局，再看结果。这一次的失败并不能自动告诉我们另一种选择一定更好。

这里最贴近L08的是state：它是你维护的本局记忆，写什么、何时更新由程序决定，新局从空开始。对手没有公开的信息不在权限内，不能因为能检索就拿来用。题目具体了，下面说它怎样算课程项目。

## 完整推理

课堂使用的同一决策点中，己方在场 Kingambit 为 367/404 体力，候补 Great Tusk 满体力，对方在场为 Iron Valiant。九个合法动作中，取出两个作比较：使用 Kowtow Cleave，或者换上 Great Tusk。已有记录中的随机程序选择换人，随后换上者先承受场地伤害，再被对手击倒。

这段反馈把三讲连起来：L07 关注怎样比较候选并检验判断；L08 关注程序有资格获得的合法观测、公开历史和本局 state；L09 关注怎样写成函数、跑完整对局并读取结果。

state 是程序在本局内维护的记忆。程序决定写什么、何时更新，新的一局清空；对手尚未公开的信息不属于合法可用信息。检索与记录能力必须服从这一信息边界。

## 学生可能的回答与误区

- 第 1 步｜“随机程序换人后被击倒，所以出招更好。”一段已发生的结果不能替代对另一个动作的实际检验。
- 第 3 步｜“知道有某份数据，就可以把它读进决策。”不能：对手没公开的信息不属于合法可用信息。

## 教学构造与出处

- [PokeAgent 参赛方式 · observation、state 与 legal_actions](https://pokeagent.run/#start)：把本局记忆和合法动作对应到真实接口。赛题官方说明。

[在课堂中打开](/slides/pokeagent-course-connections)