场景 29：多人在线游戏 (Online Multiplayer Game)
从一个单人 Canvas 小游戏，演进到全球对战的多人在线游戏。
V1 — 1 个用户：纯前端单人游戏
Section titled “V1 — 1 个用户：纯前端单人游戏”你想做一个简单的 2D 游戏：一个角色在画布上移动，有基本的游戏循环。
你要解决什么
Section titled “你要解决什么”- Canvas 2D 画布渲染
- 键盘控制角色上下左右移动
- 游戏循环：requestAnimationFrame 驱动更新和渲染
- 简单场景：角色 + 障碍物 + 可收集物品
给 AI 的 Prompt
Section titled “给 AI 的 Prompt”用 React + Canvas 2D 构建一个简单游戏。800x600 画布，一个方块角色（40x40，蓝色），WASD 键控制移动（速度 200px/秒）。随机生成 10 个障碍物（红色方块）和 5 个金币（黄色圆形）。角色不能穿过障碍物（碰撞检测），碰到金币则收集（金币消失，分数+1）。左上角显示分数。用 requestAnimationFrame 实现 60fps 游戏循环，用 deltaTime 保证帧率无关的移动速度。
- 角色可以上下左右移动
- 碰到障碍物被阻挡
- 碰到金币收集并加分
- 游戏以稳定帧率运行
- 移动速度在不同帧率下一致
你学到了什么
Section titled “你学到了什么”- Canvas 2D 渲染基础 → Module 1
- 游戏循环与 deltaTime → Module 1
- AABB 碰撞检测 → Module 2
V2 — 10 个用户：WebSocket 双人同步
Section titled “V2 — 10 个用户：WebSocket 双人同步”两个玩家在浏览器中同时游戏，能看到彼此的角色移动。
你要解决什么
Section titled “你要解决什么”- Go WebSocket 服务器同步游戏状态
- 两个浏览器标签 = 两个玩家
- 位置同步：每个玩家发送自己的位置，服务端广播
- 简单的玩家标识（颜色区分）
给 AI 的 Prompt
Section titled “给 AI 的 Prompt”用 Go + Gin 构建 WebSocket 游戏服务器。WebSocket /ws/game 端点，连接时分配玩家 ID 和颜色。客户端每帧发送 {type: “move”, x, y} 消息，服务端收到后广播给所有其他玩家 {type: “player_update”, playerId, x, y, color}。客户端维护所有玩家的位置，在 Canvas 上渲染所有玩家。玩家断开时广播 {type: “player_leave”, playerId}。服务端维护当前在线玩家列表。
- 两个浏览器标签显示两个不同颜色的角色
- 一个角色移动，另一个窗口实时看到
- 关闭一个标签后角色从另一个窗口消失
- 三个以上标签同时正常工作
- 网络延迟不明显影响体验
你学到了什么
Section titled “你学到了什么”- WebSocket 双向实时通信 → Module 3
- 游戏状态广播模式 → Module 4
- 客户端渲染远程玩家 → Module 4
V3 — 100 个用户：游戏房间系统
Section titled “V3 — 100 个用户：游戏房间系统”玩家需要创建或加入房间，每个房间独立运行游戏，支持碰撞检测和游戏规则。
你要解决什么
Section titled “你要解决什么”- 房间创建和加入（房间名/密码）
- 每个房间独立的游戏状态
- 多玩家位置 + 状态同步
- 服务端碰撞检测和游戏规则执行
给 AI 的 Prompt
Section titled “给 AI 的 Prompt”扩展为房间系统。Room 结构：ID、名称、密码（可选）、最大玩家数（4）、状态（waiting/playing/finished）、玩家列表。API：创建房间、房间列表、加入房间。WebSocket 消息增加 roomId。房间内游戏逻辑：所有玩家在同一场景，碰撞检测在服务端执行（玩家之间、玩家与障碍物），金币收集由服务端判定（防作弊）。房间状态：所有玩家准备后开始，金币全部收集后结算（显示排行榜）。用 PostgreSQL 存储房间记录和游戏结果。
- 可以创建和加入不同房间
- 不同房间的游戏互不影响
- 服务端碰撞检测正确
- 两个玩家同时靠近金币只有一个收集到
- 游戏结束后显示排行榜
你学到了什么
Section titled “你学到了什么”- 房间模式设计 → Module 5
- 服务端权威游戏逻辑 → Module 6
- 并发游戏状态隔离 → Module 5
V4 — 1000 个用户：客户端预测与延迟补偿
Section titled “V4 — 1000 个用户：客户端预测与延迟补偿”网络延迟让游戏操作感觉不跟手，需要客户端预测让操作立即响应。
你要解决什么
Section titled “你要解决什么”- 客户端预测：输入立即本地执行，不等服务端确认
- 服务端校验（权威服务器）：服务端运行真正的游戏逻辑
- 状态回滚：收到服务端确认后，如果预测错误则回滚修正
- 延迟补偿：显示其他玩家插值后的位置
给 AI 的 Prompt
Section titled “给 AI 的 Prompt”实现客户端预测和延迟补偿。客户端：每次输入带序列号发送给服务端，同时本地立即执行（预测）。保留最近 60 帧的输入和状态快照。收到服务端确认（含序列号和确认位置）后，丢弃该序列号之前的快照，比较确认位置和预测位置，如果差异 > 阈值（2px），从确认状态重新应用后续输入（回滚+重放）。其他玩家的位置用插值（lerp）平滑显示，延迟约 100ms 的画面。服务端以固定 20tick/s 运行游戏逻辑，广播所有玩家的权威状态。
- 本地操作立即响应（无延迟感）
- 模拟高延迟（200ms）下游戏仍可玩
- 作弊客户端发送非法位置会被修正
- 其他玩家移动平滑无抖动
- 服务端 tick rate 稳定在 20/秒
你学到了什么
Section titled “你学到了什么”- 客户端预测 + 服务端权威 → Module 7
- 状态回滚与重放 → Module 7
- 实体插值（Entity Interpolation）→ Module 7
V5 — 1 万用户：独立房间服务器与匹配
Section titled “V5 — 1 万用户：独立房间服务器与匹配”单个服务器进程无法承载所有房间，需要独立的游戏服务器进程和匹配系统。
你要解决什么
Section titled “你要解决什么”- 大厅服务器 + 游戏服务器分离
- 每个游戏服务器进程承载 N 个房间
- 匹配系统：按技能等级匹配对手
- 玩家等级和排行榜
给 AI 的 Prompt
Section titled “给 AI 的 Prompt”分离大厅和游戏服务器。LobbyServer：处理登录、匹配请求、房间分配，不运行游戏逻辑。GameServer：独立进程，注册到 Redis（地址+当前房间数+负载），运行游戏逻辑。匹配流程：玩家请求匹配 → LobbyServer 将玩家放入 Redis 匹配队列（按 ELO 评分排序）→ 匹配器 goroutine 每秒检查队列，ELO 差距 < 200 的玩家配对 → 选择最空闲的 GameServer → 返回 WebSocket 地址给玩家。Player 表添加 elo_rating（初始 1000），每场游戏结束按 ELO 公式更新。排行榜用 Redis Sorted Set 实现。
- 大厅和游戏服务器独立运行
- 匹配后玩家连接到正确的游戏服务器
- 相近 ELO 的玩家被匹配在一起
- 胜负正确更新 ELO
- 排行榜实时更新
你学到了什么
Section titled “你学到了什么”- 服务分离架构 → Module 8
- ELO 匹配算法 → Module 9
- Redis 服务注册和发现 → Module 8
V6 — 10 万+ 用户：全球对战与反作弊
Section titled “V6 — 10 万+ 用户：全球对战与反作弊”全球玩家对战需要就近接入，作弊检测保障公平，回放系统支持复盘。
你要解决什么
Section titled “你要解决什么”- 区域服务器：玩家就近连接（亚洲/欧洲/美洲）
- 跨区匹配：不同区域玩家对战（选择中间节点）
- 反作弊：服务端校验 + 行为分析（异常移动速度检测）
- 回放系统：录制每帧输入，可重放整局游戏
给 AI 的 Prompt
Section titled “给 AI 的 Prompt”实现全球对战架构。区域配置（region: asia/europe/america + 服务器地址列表）。玩家登录时根据 IP 分配最近区域，同区域优先匹配。跨区匹配：两个区域的玩家匹配时，选择双方延迟总和最小的服务器。反作弊：服务端检查每 tick 移动距离是否超过最大速度 × 1.1（容忍误差），超过则强制回弹并记录警告，累计 3 次警告踢出。回放系统：每局游戏录制所有玩家输入序列到 replay 表（JSON 数组），回放时按时序重放输入，客户端本地模拟渲染。回放列表可按玩家/时间查询。
- 玩家连接到最近区域的服务器
- 跨区匹配延迟可接受
- 作弊行为被检测并惩罚
- 回放可以完整重现一局游戏
- 回放文件体积合理（只存输入不存状态）
你学到了什么
Section titled “你学到了什么”- 区域化部署架构 → Module 10
- 反作弊系统设计 → Module 11
- 确定性回放（Deterministic Replay）→ Module 7
- 全球延迟优化策略 → Module 10