在 Unity 中复刻 Unreal EQS：从零实现 AI 环境查询系统

如果 AI 角色只会“朝玩家直线冲过去”你很快会发现游戏关卡里的 AI 行为漏洞百出它不会找掩体、不会拉开距离、不会选一个视野盲区再靠近目标。Unreal 的 EQSEnvironment Query System环境查询系统正是为了解决这一类问题而设计的——它把“选点”“找位置”“评估环境”变成一套可配置、可调试、可复用的查询系统。Unity 官方一直没有内置等价物因此很多项目干脆把决策逻辑写死在状态机里或者用一层又一层 if-else 模拟结果就是改一个数值要翻半天代码。本文要做的不是把 Unreal 的源码翻译成一份 C# 脚本而是复刻 EQS 的整套设计思路生成候选点、逐个测试、加权评分、排序返回最优解。我们先搭出核心接口再实现网格生成器、环形生成器、距离测试、可视性测试最后接上 NavMeshAgent 和 Gizmos 调试让角色真正在场景里自己挑位置。读完你会发现Unity 6 虽然没有原生 EQS但只要把“生成器 测试器 评分器”这个抽象做好一套轻量级 AI 决策层很快就能立起来。这篇文章适合两类读者一类是战斗 AI、潜行 AI、RTS 寻位系统的开发者正在为“选点怎么设计才不僵死”发愁另一类是想理解 Unreal EQS 到底在解决什么又不想立刻切换引擎的 Unity 开发者。我会把 Unreal 术语映射到 Unity 的日常开发里尽量不在概念上绕弯子所有代码都从零写起不依赖任何付费插件。1. 为什么要在 Unity 6 里复刻 EQS先想一个具体场景AI 角色正在被玩家追射它需要向后撤退但撤退不是掉头就跑——稍微有点战术的 AI 会先找一个掩体然后躲到掩体后方。用硬编码写这个行为你会遇到这些问题AI 周围 5 米内没有掩体怎么办掩体后面虽然安全但玩家已经绕到侧面了怎么办两条候选路径一条要穿过火线另一条远但是安全选哪条这些问题的本质都是在问给定当前 AI 的位置、目标的位置、环境阻挡关系如何从大量候选位置里挑出最符合战术意图的那个。EQS 的做法是把“选择”本身变成数据驱动。你不再写“如果离玩家小于 5 米就向右转”这种难以维护的逻辑而是声明一句“我要生成周围 8 米内的 64 个候选点靠近掩体的加分、玩家看得见的地方减分最后选分数最高的”。这带来的好处非常明显行为调整不再改代码改权重和曲线即可。同一套查询可以复用在寻找撤退点、寻找攻击点、寻找巡逻巡逻边界。候选点生成逻辑和评估逻辑分离新增一种“测试器”就能影响所有查询。调试时能看到每个候选点的得分AI 为什么选这个位置一眼可知。当然EQS 也不是银弹。如果你的 AI 只需要站在固定点攻击或者敌人数量极少、行为模式完全固定那么引入一套查询系统的成本确实高于收益。它更适用于角色对“位置”的选择敏感、环境复杂、需要反复调整战术行为的项目。做动作游戏、射击游戏、潜行游戏、生存类游戏的开发者最值得把 EQS 思路沉淀到自己的工具链里。2. Unreal EQS 的核心概念生成器、测试器、评分Unreal 的 EQS 之所以强大是因为它把环境查询拆成了几个非常清晰的组成部分。我们不用照搬它的 C 实现但必须理解这套抽象否则很容易写成一锅“既能生成又负责打分的巨型类”后续扩展会非常痛苦。核心概念可以分成四块Unreal EQS 术语作用对应到 Unity 开发Context上下文描述查询发起者、目标对象、辅助参考点EQSQueryContext 结构体保存 Querier 和 TargetGenerator生成器产生一组候选位置或候选对象IGenerator 抽象类返回 ListTest测试器对每个候选点执行一次评估输出 0~1 分数ITest 抽象类接收候选点返回 floatScore评分因子每个测试乘以一个权重汇总后决定候选点优先级EQSTest.Weight 字段加权求和用一句通俗的话讲生成器负责“提出可能性”测试器负责“给每个可能性打标签”最终分数代表“这个点到底有多适合当前目标行为”。Generator 在 Unreal 里有很多现成类型网格生成器Grid、环形生成器Ring、目标生成器ActorsOfClass、路径点生成器Pathing。Unity 里我们最常用的是网格和环形这与你找掩体和撤退点的需求最匹配。Test 则更像一个判断函数常见的有 DistanceTest距离、VisibilityTest可视、DotProductTest朝向夹角。测试器返回的是一个浮点数但真正重要的是曲线——同一个距离值在某些场景下希望“越近越好”在另一些场景下希望“越远越好”这完全由曲线和权重控制。我把这套结构复刻成 C# 之后你的 Unity 项目中会出现一个名为AI.EQS的命名空间里面包含查询上下文、抽象基类、具体生成器、具体测试器、查询执行器。你可以在 Inspector 中直接创建查询资产把不同的生成器和测试器组合在一起然后被 AI 状态机调用。整个过程更像是在搭积木而不是在写流程控制。3. 整体架构设计分层与文件规划动手写代码之前先把模块边界画清楚。我不建议写一个大的 EnvQueryManager然后让所有逻辑都堆在里面。模块化的目的是以后加一种生成器、加一种测试器不需要改动执行器代码。我规划的目录结构如下Assets/ └─ AI/ └─ EQS/ ├─ Core/ │ ├─ EQSQueryContext.cs │ ├─ EQSGenerator.cs │ ├─ EQSTest.cs │ └─ EnvQueryDef.cs ├─ Generators/ │ ├─ GridGenerator.cs │ └─ RingGenerator.cs ├─ Tests/ │ ├─ DistanceTest.cs │ └─ VisibilityTest.cs ├─ Runtime/ │ └─ EQSQueryRunner.cs └─ Examples/ ├─ EQSAIController.cs └─ EQSGizmosVisualizer.cs各层的职责非常明确Core定义抽象和查询资产。Generators负责产出候选点不关心评分。Tests只负责打分不关心候选点怎么来的。Runtime是整个查询流程的调度入口。Examples提供接入示例和场景调试工具。在 Unity 中我选择用 ScriptableObject 作为查询资产载体因为这样可以把一组查询配置保存成.asset文件AI 策划可以直接在项目窗口里创建、复制、调整参数。为了让 Inspector 支持多态列表基类字段必须加上[SerializeReference]。这个特性在 Unity 6 的编辑器中已经比较成熟可以在检查器中直接选择具体生成器和测试器的实现类型。4. 环境准备Unity 6 场景与 NavMesh 设置代码层面几乎没有额外依赖但为了让查询结果真正被 AI 使用我们需要一个能跑 NavMeshAgent 的场景。下面列出基础准备步骤。4.1 创建测试场景创建一个新场景放一块足够大的地面我这篇文章统一用 Plane 演示在地面上放置几块 Cube 作为掩体再放两个角色一个是 AI 角色命名为AITester一个是玩家目标命名为Player。AI 角色需要配置 NavMeshAgent 组件。4.2 确认 AI Navigation 包Unity 6 中NavMesh 相关功能已经作为 AI Navigation 包提供。如果你的编辑器菜单里找不到Window - AI - Navigation需要先在 Package Manager 中安装AI Navigation包。如果项目里根本没有这个包后面NavMesh.SamplePosition这段代码会编译报错。为了避免这种情况我先在示例里保留一个UseNavMesh开关对于不需要 NavMesh 的测试项目可以直接关掉。4.3 设置 Layer 与碰撞掩码后面要写的可视性测试会做射线检测。这里最容易出的问题射线打到了 AI 自己身上。所以项目中最好划分出独立的 Layer。例如把玩家放在Player层AI 角色放在AI层掩体放在Environment层。可视性测试的 BlockingMask 建议只勾选Environment这样 AI 自己在路径上也不会干扰遮挡判断。4.4 烘焙 NavMesh在 Navigation 窗口中选择地面和掩体烘焙出一张 NavMesh。如果 GridGenerator 开了 UseNavMesh查询把候选点吸附到 NavMesh 表面时会依赖这张烘焙数据。如果你只是先用平地测试逻辑也可以暂时关闭 UseNavMesh。环境准备好之后我们就可以从核心代码开始搭系统了。5. 核心实现查询上下文与查询定义先定义 EQSQueryContext。它负责在生成器和测试器之间传递关键位置信息。// Assets/AI/EQS/Core/EQSQueryContext.cs using UnityEngine; namespace AI.EQS { public struct EQSQueryContext { public Vector3 QuerierPosition; public Vector3 TargetPosition; public Transform Querier; public Transform Target; } }这个结构体很薄但它是整个查询的“信息中枢”。后续如果希望查询支持多个关注点比如“队友当前位置”“上次发现玩家的位置”直接往这个结构体里加字段就行。然后是抽象基类。为了简化教程我不使用接口而是使用抽象类。这样可以在基类里保留公共字段比如Weight。后续子类只需实现自己的业务逻辑。// Assets/AI/EQS/Core/EQSGenerator.cs using System.Collections.Generic; using UnityEngine; namespace AI.EQS { public abstract class EQSGenerator { public abstract ListVector3 Generate(EQSQueryContext context); } }// Assets/AI/EQS/Core/EQSTest.cs using UnityEngine; namespace AI.EQS { public abstract class EQSTest { [Tooltip(测试结果的权重正数表示该测试项的得分越高越优先)] public float Weight 1f; public abstract float Evaluate(EQSQueryContext context, Vector3 candidate); } }现在定义查询资产。这里使用 ScriptableObject使每个查询成为一个可复用的项目资产。// Assets/AI/EQS/Core/EnvQueryDef.cs using System.Collections.Generic; using UnityEngine; namespace AI.EQS { [CreateAssetMenu(fileName NewEnvQuery, menuName AI/EQS/EnvQuery)] public class EnvQueryDef : ScriptableObject { [Header(候选点生成器)] [SerializeReference] public ListEQSGenerator Generators new ListEQSGenerator(); [Header(候选点评测器)] [SerializeReference] public ListEQSTest Tests new ListEQSTest(); [Header(返回数量)] public int MaxResults 1; } }创建查询资产的操作流程是在 Project 窗口右键选择Create - AI/EQS/EnvQuery然后在 Inspector 中给 Generators 列表添加具体生成器给 Tests 列表添加具体测试器。因为[SerializeReference]的存在Inspector 会显示“New Generator”这样的多态类型选择入口选择GridGenerator或RingGenerator即可。一个设计要点我把MaxResults放在查询资产里而不是执行器里。因为不同查询在业务上返回的候选数量不同——寻找攻击点可能只需要返回 1 个寻找巡逻兴趣点则可能需要返回 3 个让 AI 轮流使用。6. 生成器实现网格采样与环形采样生成器的职责非常简单就是“给我一批候选点”。我们实现两种最常用的网格生成器负责在 AI 周围均匀撒点环形生成器负责在 AI 周围按圆环撒点。两者的目标都是解决“AI 不知道去哪找位置”的问题区别只是分布形态。6.1 GridGenerator 网格生成器网格生成器以查询者为中心沿 XZ 平面等间距生成候选点。在实际项目中如果开启 NavMesh 吸附还能把候选点贴合到地面高度。// Assets/AI/EQS/Generators/GridGenerator.cs using System.Collections.Generic; using UnityEngine; using UnityEngine.AI; namespace AI.EQS { public class GridGenerator : EQSGenerator { [Header(网格范围)] public Vector2 AreaSize new Vector2(10f, 10f); [Tooltip(采样间距越小候选点越多性能越差)] public float StepSize 1f; [Header(NavMesh 吸附)] public bool UseNavMesh true; public override ListVector3 Generate(EQSQueryContext context) { var results new ListVector3(); int xCount Mathf.FloorToInt(AreaSize.x / StepSize); int zCount Mathf.FloorToInt(AreaSize.y / StepSize); for (int x -xCount; x xCount; x) { for (int z -zCount; z zCount; z) { Vector3 sample context.QuerierPosition new Vector3(x * StepSize, 0f, z * StepSize); if (UseNavMesh NavMesh.SamplePosition( sample, out NavMeshHit hit, StepSize, NavMesh.AllAreas)) { sample hit.position; } results.Add(sample); } } return results; } } }这里需要注意NavMesh.SamplePosition并不是把任意点水平投影到 NavMesh 上它是在源点的一定范围内寻找最近的 NavMesh 位置。StepSize同时充当搜索半径如果候选点离 NavMesh 太远会采样失败。对于较大的网格范围建议把 StepSize 调大到 1 或 2避免生成过多无效点。如果 UseNavMesh 为 false生成的点保持原高度适用于地图完全平坦、高度无关的测试场景。6.2 RingGenerator 环形生成器环形生成器适合生成以 AI 为圆心的扇形或闭环候选点常用于“找一个方向退开”这类需求。实现时不需要追逐精确的三角函数直接用 Quaternion 旋转向量即可。// Assets/AI/EQS/Generators/RingGenerator.cs using System.Collections.Generic; using UnityEngine; namespace AI.EQS { public class RingGenerator : EQSGenerator { public float Radius 5f; public int SampleCount 12; public override ListVector3 Generate(EQSQueryContext context) { var results new ListVector3(); for (int i 0; i SampleCount; i) { float angle i * 360f / SampleCount; Vector3 direction Quaternion.Euler(0f, angle, 0f) * Vector3.forward; Vector3 point context.QuerierPosition direction * Radius; results.Add(point); } return results; } } }环形生成器比网格生成器更轻量因为候选点很少。网格生成器在 10x10 米、步长 0.5 时会产生 400 多个候选点而环形生成器通常 12~32 个点就够了。如果你的 AI 决策频率很高环形生成器是更安全的选择。7. 测试器与评分机制测试器决定“哪些候选点值得选”。我们实现两种关键测试距离测试和可视性测试。它们分别覆盖了“空间位置合理性”和“视线暴露程度”这两个最常见的 AI 决策维度。7.1 DistanceTest 距离测试距离测试可以测量候选点到查询者或目标的距离并通过一条线性递减逻辑将距离映射到 0~1 分。它的核心思想是距离越近得分越高。但通过设置BestDistance和MaxDistance也可以表达“过近会危险、过远会无效”的区间。// Assets/AI/EQS/Tests/DistanceTest.cs using UnityEngine; namespace AI.EQS { public abstract class DistanceTestBase : EQSTest { public enum DistanceReference { Querier, Target } public DistanceReference Reference DistanceReference.Target; [Tooltip(得分最高的距离)] public float BestDistance 0f; [Tooltip(距离超过该值后得分为 0)] public float MaxDistance 10f; protected Vector3 GetOrigin(EQSQueryContext context) { return Reference DistanceReference.Querier ? context.QuerierPosition : context.TargetPosition; } public override float Evaluate(EQSQueryContext context, Vector3 candidate) { float distance Vector3.Distance(GetOrigin(context), candidate); if (distance BestDistance) return 1f; if (distance MaxDistance) return 0f; return 1f - Mathf.InverseLerp(BestDistance, MaxDistance, distance); } } public class DistanceFromQuerierTest : DistanceTestBase { } public class DistanceFromTargetTest : DistanceTestBase { } }我在基类里也保留了Weight所以子类不需要重复定义。这种拆法看起来有些冗余但它解决了 Inspector 中的多态选择问题你可以明确选择“相对查询者的距离”或“相对目标的距离”而不是在一个测试器里用枚举来回切换。当你用[SerializeReference]在 Inspector 中选择测试器时能直接看到这两个具体类名更容易识别。7.2 VisibilityTest 可视性测试可视性测试的判定逻辑如下从目标位置向候选点发一条射线如果射线碰到了阻挡物说明该候选点处于目标视线之外得分高如果射线没有碰到阻挡物说明目标能看到这个点得分低。它本质上是奖励“躲进视野盲区”。// Assets/AI/EQS/Tests/VisibilityTest.cs using UnityEngine; namespace AI.EQS { public class VisibilityTest : EQSTest { [Tooltip(所有会阻挡视线的 Layer)] public LayerMask BlockingMask ~0; [Tooltip(射线起始高度偏移避免贴地射线被地面挡死)] public float HeightOffset 1f; [Tooltip(候选点完全不可见时的得分)] public float InvisibleScore 1f; [Tooltip(候选点可见时的得分)] public float VisibleScore 0f; public override float Evaluate(EQSQueryContext context, Vector3 candidate) { Vector3 from context.TargetPosition Vector3.up * HeightOffset; Vector3 to candidate Vector3.up * HeightOffset; if (Physics.Linecast(from, to, BlockingMask)) return InvisibleScore; return VisibleScore; } } }这段逻辑很直观但坑也很多。最大的坑就是 LayerMask 配置如果BlockingMask设置为~0表示所有碰撞体都会阻挡AI 自己的胶囊体、玩家角色都会成为“掩体”导致测试器给出毫无意义的结果。我在团队项目里通常会专门建一个BlockVision层只把真正的墙壁、箱子、栅栏放进这个层AI 和玩家都不在这个层。这样可视线检测结果更稳定。7.3 评分组合方式单个测试器返回 0~1 分多个测试器通过加权求和得到最终得分。执行器遍历所有候选点对每个候选点都执行一遍全部测试器累加得分 * 权重。举个例子一个查询同时包含 DistanceFromTargetTest权重 0.8和 VisibilityTest权重 0.4。离目标越近的点Distance 分数越高被目标看不见的点Visibility 分数越高。最后得分最高的候选点就是“既不会离目标太远又处于视线盲区”的位置。如果某个点离目标太远Distance 部分会把分数拉低如果某个点完全暴露Visibility 部分会把它扣成 0 分。权重可以为负数。把 DistanceFromTargetTest 的权重设为 -0.5它的行为就会从“奖励近点”变成“优先远点”效果等同于一个“远离目标”测试器。这给了项目很大的灵活性不需要为“远离某物”专门写新测试器只需要调整参考点和权重正负。8. 查询执行器与 AI 调用示例生成器和测试器都准备好了现在需要把它们串起来。查询执行器是 EQS 的引擎拿到查询资产 → 用生成器生成候选点 → 用测试器打分 → 排序 → 返回前 N 个结果。8.1 EQSQueryRunner 执行器// Assets/AI/EQS/Runtime/EQSQueryRunner.cs using System.Collections.Generic; using UnityEngine; namespace AI.EQS { public class EQSCandidate { public Vector3 Position; public float Score; } public static class EQSQueryRunner { public static ListEQSCandidate Run(EnvQueryDef query, EQSQueryContext context) { var candidates new ListEQSCandidate(); // Step 1: 生成候选点 if (query.Generators ! null) { foreach (var generator in query.Generators) { if (generator null) continue; ListVector3 points generator.Generate(context); foreach (Vector3 point in points) { candidates.Add(new EQSCandidate { Position point }); } } } // Step 2: 执行测试并评分 if (query.Tests ! null) { foreach (EQSCandidate candidate in candidates) { float score 0f; foreach (EQSTest test in query.Tests) { if (test null) continue; float testScore test.Evaluate(context, candidate.Position); score testScore * test.Weight; } candidate.Score score; } } // Step 3: 按得分从高到低排序 candidates.Sort((a, b) b.Score.CompareTo(a.Score)); // Step 4: 按查询定义截取前 N 个结果 if (query.MaxResults 0 candidates.Count query.MaxResults) { candidates.RemoveRange(query.MaxResults, candidates.Count - query.MaxResults); } return candidates; } } }执行器的逻辑顺序非常关键先生成再测试最后排序。如果在生成阶段就做排序或者在测试阶段又改生成范围整个流程会失控。保持单向流水线后续要加“过滤测试”也很容易——在测试阶段如果某个测试返回 0可以提前跳过该候选点。8.2 EQSAIController 接入 NavMeshAgent现在把查询系统接到一个 AI 角色上。AI 每 1 秒评估一次当前环境选择得分最高的位置作为 NavMeshAgent 的移动目标。这个调用方式适用于任意状态机巡逻、撤退、寻找掩体、寻找攻击位置都可以复用。// Assets/AI/EQS/Examples/EQSAIController.cs using System.Collections; using UnityEngine; using UnityEngine.AI; namespace AI.EQS.Examples { public class EQSAIController : MonoBehaviour { public EnvQueryDef FleeQuery; public Transform Player; public float EvaluateInterval 1f; private NavMeshAgent agent; private void Start() { agent GetComponentNavMeshAgent(); if (FleeQuery null) { Debug.LogWarning(FleeQuery 为空请在 Inspector 中指定查询资产); return; } StartCoroutine(EvaluateLoop()); } private IEnumerator EvaluateLoop() { while (true) { yield return new WaitForSeconds(EvaluateInterval); var context new EQSQueryContext { QuerierPosition transform.position, Querier transform, TargetPosition Player ! null ? Player.position : Vector3.zero, Target Player }; ListEQSCandidate results EQSQueryRunner.Run(FleeQuery, context); if (results.Count 0) { agent.SetDestination(results[0].Position); } } } } }这段代码里有两个值得注意的工程点。第一不要每帧执行一次查询EQS 在 Unreal 里通常也不会每帧跑因为候选点生成和射线检测都可能产生开销。第二如果查询结果为空应该有一个降级策略而不是让 AI 停在原地。你可以在results.Count 0时切换到“向目标反方向移动”或者“切换到巡逻状态”这比卡死在原地自然得多。8.3 用 Gizmos 可视化候选点得分写 AI 系统最怕的就是“结果不可见”。我强烈建议把查询结果用 Gizmos 画出来这比看日志高效十倍。下面这个脚本挂在 AI 角色上场景视图中会实时显示所有候选点并按分数映射成从红到绿的颜色。// Assets/AI/EQS/Examples/EQSGizmosVisualizer.cs using System.Collections.Generic; using UnityEngine; namespace AI.EQS.Examples { public class EQSGizmosVisualizer : MonoBehaviour { public EnvQueryDef Query; public Transform Target; public bool ShowAllCandidates true; private void OnDrawGizmos() { if (Query null || Target null) return; var context new EQSQueryContext { QuerierPosition transform.position, Querier transform, TargetPosition Target.position, Target Target }; ListEQSCandidate results EQSQueryRunner.Run(Query, context); foreach (EQSCandidate candidate in results) { Gizmos.color Color.Lerp(Color.red, Color.green, Mathf.Clamp01(candidate.Score)); Gizmos.DrawSphere(candidate.Position, 0.2f); } } } }注意这个脚本是编辑器辅助性质不应该挂在正式 AI 角色上。更好的做法是单独创建空 GameObject把可视化器放在上面这样 AI 的每帧逻辑与编辑器调试逻辑解耦。不要把 OnDrawGizmos 日志写到游戏逻辑里否则发布版本会带着无意义的编辑器代码。9. 运行验证与效果调试场景全部搭建好后把FleeQuery资产赋给EQSAIController然后点击 Play。预期的表现是AI 角色不会直直冲向玩家而是在环境中找到一个分数最高的候选点并移动过去。如果你同时挂上EQSGizmosVisualizer场景中会看到大量红色到绿色的点绿色越明显说明这个位置在当前测试组合下越适合。验证步骤按以下顺序走先确认查询资产可以正常创建并赋值。在 Inspector 中查看 Generators 列表确认里面至少有一个GridGenerator。在 Tests 列表中添加一个DistanceFromTargetTest权重设 1MaxDistance 设为 10。确认EQSQueryRunner.Run能返回候选点。如果 AI 不移动优先检查 NavMeshAgent 是否有目标可达路径。如果 Gizmos 没有任何点优先检查 GridGenerator 的 UseNavMesh 是否因为 NavMesh 未烘焙导致所有候选点都被跳过。你可能会遇到一个奇怪的现象场景里到处都是绿色点但 AI 还是不动。这时候第一时间看 AI 角色当前站的位置是不是离 NavMesh 边界过近导致 NavMeshAgent 无法真正寻路。或者把EvaluateInterval调小到 0.3让 AI 更快更新目标点观察它是不是已经在选点只是路径太远。10. 常见问题与排查思路根据我实际接触过的项目下面这些问题出现频率最高这里直接给出排查方案。问题现象可能原因排查方式解决方案Gizmos 没有任何候选点GridGenerator 开启 UseNavMesh但 NavMesh 未烘焙打开 Navigation 窗口查看 NavMesh 是否存在关闭 UseNavMesh或者重新烘焙场景所有候选点都是 0 分测试器未被正确添加或者查询资产里 tests 列表为空检查 Inspector 中 EnvQueryDef 的 Tests 列表至少添加一个 EQSTest 子类并设置权重可视性测试结果异常BlockingMask 包含了 AI 自身所在的 Layer打印射线命中的碰撞体名称将 BlockingMask 只勾选真正遮挡视野的层AI 一直选同一个点候选生成器范围太小或者测试权重相互抵消在 Gizmos 中查看候选点分布增大生成器范围或检查权重正负是否合理查询非常卡顿候选点数量过多且每帧都在执行查询查看 GridGenerator 的 StepSize 和调用频率调低 EvaluateInterval或增加采样步长ScriptableObject 无法创建菜单路径或脚本编译错误检查 Console 窗口报错确认所有类都能编译通过命名空间