前言：为什么你的 AI 队友像'人机'？
大家打排位时，一定遇到过那种'意识神级、操作零失误'的对手，或者'走位呆滞、送人头'的队友。 以前的'人机'是程序员写死的脚本（If 血量<20% Then 回城）。 而现在的顶级 AI（如腾讯绝悟、OpenAI Five），是靠强化学习 (Reinforcement Learning) 自己'左右互搏'练出来的。
今天，我们不谈枯燥的数学公式，我将手把手教你用 Python + PyTorch，搭建一个能玩 MOBA 游戏的 AI Agent。即使不能去 KPL 打职业，虐一下钻石局还是绰绰有余的！
核心原理：AI 是怎么'学会'玩游戏的？
在监督学习（如猫狗识别）中，我们需要给 AI 喂图片和标签。 但在打游戏时，每一帧的画面都是新的，没有标准答案。这时就要用到 强化学习 (RL)。
核心逻辑：
- Agent (AI) 观察当前画面（状态 State）。
- 做出一个操作（动作 Action，如：释放一技能）。
- 游戏环境反馈结果（奖励 Reward，如：击杀+100 分，阵亡 -100 分）。
- AI 为了拿高分，疯狂试错，最终学会'骚操作'。
训练流程图 (Mermaid)：
