NPC正在巡逻，玩家忽然攻击。行为树已经让它闪避，半秒前发给语言模型的“继续聊天”计划却刚刚返回。这时真正的问题不是模型会不会推理，而是谁有权覆盖正在发生的动作。
10月20日的Matrix-Game 4.0论文把世界状态和规则执行留给轻量游戏引擎，把视觉生成交给视频模型。这个分工对NPC也有启发：语言建议可以迟到，权威状态不能跟着迟到的文字倒退。下面讨论一种状态交接方案，重点在执行权与结果有效期。
先拆清三件事，而不是给模型套三层名字
第一层是感知和动作执行：受到伤害、位置变化、碰撞响应，应由确定的游戏规则处理。第二层是任务规划：去哪个掩体、是否放弃搜索，可以使用行为树、GOAP或其他受约束的规划器。第三层才是对话与长期意图：怎样解释自己的行为、是否继续某段任务。
“快/慢系统”适合作为职责比喻，不能直接对应某个参数规模和固定毫秒数。模型在桌面GPU上的响应时间，也不能直接当手机端每个NPC的逐帧预算。
给异步结果一个提交条件
请求应带上NPC标识、世界修订号、目标实体版本和取消代次。返回结果先被解析为有限动作，如investigate，再检查目标是否存在、角色是否仍活着、任务是否仍有意义。
世界修订号完全相等是最保守的策略：它容易实现，也会丢弃一些仍可使用的计划。若场景变化频繁，可以改成依赖集合校验，例如只检查目标门、目标物品和任务状态。无论选择哪一种，都要明确“模型回答了”与“计划已提交”是两个事件。
落回运行时后，还要有兜底
拒绝旧计划时，角色继续当前动作或使用本地默认行为，不能停在等待模型的状态。提交也应发生在约定的游戏线程边界；工作线程只交付数据，不直接改动画、导航或物理对象。
示例成本分析讨论了减少运行时推理和图形推理争用的路线。对项目更有用的记录是：一次请求为何触发、为何失效、失效后角色做了什么，而不是给每个NPC都加一个永不停歇的对话循环。
快回路直接驱动动作；慢回路经过有效性检查后才允许提交，失效结果进入丢弃分支。
把关键规则缩成一个可运行例子
下面使用 Python 3 标准库表达算法规则，保存为example.py后运行python3 example.py。它便于观察输入和输出，不替代引擎中的 C++、Shader 或模型实现。
def commit(plan, state): if plan["revision"] != state["revision"]: return "stale" if plan["action"] not in {"investigate", "talk"}: return "invalid" if state["hurt"]: return "reflex_has_priority" state["action"] = plan["action"] return "applied" state = {"revision": 7, "hurt": True, "action": "dodge"} old = {"revision": 6, "action": "talk"} assert commit(old, state) == "stale" assert state["action"] == "dodge" new = {"revision": 7, "action": "investigate"} assert commit(new, state) == "reflex_has_priority" state["hurt"] = False assert commit(new, state) == "applied" print("stale rejected; reflex preserved; current plan applied")本例输出：
stale rejected; reflex preserved; current plan applied例子把所有世界变化压成一个整数，目的是让失效条件一眼可见。真实项目还应测试角色销毁、目标复用ID、请求重复返回和场景切换。不要为了提高“接受率”而跳过这些检查；接受了错误计划的NPC，往往比没有调用模型更难调试。
适用范围
这里只验证离线状态规则，没有连接语言模型、行为树插件或游戏线程；没有测量帧耗时、对话质量和社会涌现。
相关资料
- Matrix-Game 4.0论文
- NVIDIA游戏运行期推理成本文章
