WASD 移动　鼠标 瞄准　左键 射击　Shift / 右键 冲刺（$0.3$ 秒 $\times3$ 速，冷却 $1.5$ 秒，与机器人同款）　R 换弹　P 暂停　F 全屏　ESC 认输

绝对对称：双方都是 100 血、移速 3.2、同一把冲锋枪（12 伤害 / 30 发弹匣 / 1.4 秒换弹）。没有任何强化、没有任何数值差异。

🧠 它的大脑是真的网络：12 个感知输入（距离/双方血量/弹药/方位/视线/来袭子弹威胁/受击记忆/视野丢失时长/是否卡住…）→ 12 个隐层神经元 → 7 个输出（追击·拉开·左移·右移 × 连发·点射·停火）。每 0.15 秒思考一次，头顶显示它当前的决策。贴墙卡住时有本能的绕行反射；你刚躲进掩体的 1.5 秒内它会朝你的方向盲射压制。

训练是 PPO + GAE：Actor（策略网络）看局面做决策；Critic（价值网络）评估局面好坏。GAE(λ=0.95) 把"走位为 5 秒后击杀创造的条件"传回给当初的决策；PPO 截断(ε=0.2) 保证每次训练只微调策略、永不崩盘。击中你 +1、被你击中 −1，奖励挂在扣扳机那一刻的决策上，局末统一结算。大脑存在云端，所有人共享同一只。

你和它之间唯一的区别：你有操作，它有学习。