如果一个俄罗斯方块每次给你的方块不是随机的，而是暗中由算法控制，或是帮助你，或是阻止你。
算法实现
AI的核心思想是模拟。对于当前正在下落的方块，AI会穷举其所有可能的旋转状态和最终落点位置。对每一种可能性，它都会模拟方块下落后形成的新局面，然后使用一个启发式评估函数来为这个新局面打分。分数越低，代表局面越优。最终，AI会选择那个能够产生最低分（即最优局面）的操作来执行。 启发式评估函数
评估函数是AI的决策核心，它通过计算一个“损失值”（Loss Value）来判断一个局面的好坏。这个损失值由四个关键指标加权计算得出：
- 接触面 (Contacts): 计算方块落稳后，其边缘与其他方块或边界接触的总面数。接触面越多，通常意味着方块嵌入得越好，结构越稳定。因此，在损失函数中，这是一个增益项（计算时取负值）。
- 消除行 (Cleared Lines): 一次操作能消除的行数。这是游戏的核心目标，因此它在评估中占有最高的权重，是一个非常强的增益项。
- 空洞 (Holes): 指的是在方块下方被封闭住的空格。空洞是游戏中的“坏”状态，难以填补且浪费空间，因此它是一个惩罚项。
- 高度 (Height): 方块堆积的平均高度。高度越低，未来的操作空间就越大，局面越有利。因此，高度也是一个惩罚项。
通过调整这四个指标的权重，可以改变AI的行为策略，例如让它变得更激进（专注于消行）或更稳健（专注于保持低高度和无空洞）。
实现中，算法四个权重是我选取的经验值，并不一定最优。
一些实现细节
- 双层前瞻：AI仅仅考虑当前方块的最佳落点，还会预读下一个即将出现的方块。 具体流程如下：
- 对于当前方块的每一种可能走法，AI会先计算出落子后的临时局面和损失值（loss1）。
- 接着，基于这个临时局面，AI会继续对下一个方块进行完全相同的模拟，找出下一个方块在该局面下的最优走法，并计算其损失值（loss2）。
- 最终，AI会将两个损失值相加（loss1 + loss2），并将这个总和作为评价当前方块走法的最终依据。
- 这种“走一步，看两步”的策略让AI具备了更强的规划能力。它会避免那些虽然对当前方块有利，但可能会给下一个方块制造麻烦的短视操作，从而做出更具战略性的决策。
- 对称性优化：为了提高计算效率，AI在模拟旋转时利用了方块的对称性。即：
- “O”型方块（正方形）只有1种旋转形态。
- “I”型、“S”型、“Z”型方块只有2种有效旋转形态。
- “L”型、“J”型、“T”型方块有4种旋转形态。
让AI决定下一个方块
基于上述指标，AI可以评估不同类型的方块对于当前局面的利弊。 AI可以模拟出如果下一个方块是“I”、“L”、“T”等任意一种时，局面的最优损失值分别是多少。这样，它就能判断出：
- 最佳方块：哪种方块是当前局面最需要的“救星”（最低loss）。
- 最差方块：哪种方块是当前局面最不希望遇到的“麻烦制造者”（最高loss）。
在游戏中，有一个难度条，当为0时，是原版默认的俄罗斯方块； 当为正数时，每个下落的方块会有难度数值的概率转交给AI决定，使用当前情况下的最差方块； 当为负数时，每个下落的方块会有难度数值绝对值的概率转交给AI决定，使用当前情况下的最佳方块。
已知bug
- 有时玩到后期旧方块没完全下落同时生成新方块，方块相撞导致游戏结束；
- 游玩时未暂停切出标签页不会自动暂停。