Es ist nicht schwer, KI zu bitten, ein Deck für Clash Royale zu empfehlen. Die wirklich wertvollen Fragen sind: Warum werden diese acht Karten gewählt? Wie arbeiten sie zusammen? Wie sollte man beim Angriff und bei der Verteidigung Karten ausspielen? Und wie sollte das empfohlene Ergebnis überprüft werden?

Dieser Artikel verwendet ein Riesen-Gegenangriffsdeck mit Verteidigung und durchschnittlichen Elixierkosten von 3,5 als Beispiel und stellt vor, wie sich Anforderungen in natürlicher Sprache in eine strukturierte Strategieanalyse umwandeln lassen, um anschließend durch Code-Überprüfung und Bilderzeugung einen Lehrplan zu erhalten, den man verstehen, üben und iterativ verbessern kann.

Der gesamte Prozess besteht nicht darin, das Modell beiläufig das „stärkste Deck“ nennen zu lassen, sondern darin, die Arbeit in vier Teile zu gliedern:

Einschränkungen klären → Deck analysieren → Ergebnisse überprüfen → visualisiertes Tutorial erstellen.

I. Zuerst klären: Welches Problem soll die KI für uns lösen?

„Hilf mir, ein leicht zu gewinnendes Deck zusammenzustellen“ wirkt eindeutig, lässt aber tatsächlich viele notwendige Bedingungen offen: In welcher Arena befindet sich der Spieler? Welche Karten wurden bereits freigeschaltet? Liegen die Kartenlevel nahe beieinander? Werden Entwicklungskarten, Heldenfähigkeiten oder spezielle Turmtruppen verwendet? Ist der Spieler eher mit schnellem Zyklus oder mit Gegenangriffen nach der Verteidigung vertraut? Bedeutet „leicht“ eine einfache Bedienung oder einen klaren Vorteil gegen bestimmte Gegner?

Wenn diese Informationen nicht bereitgestellt werden, kann das Modell leicht ein Deck liefern, das theoretisch sinnvoll ist, in der Praxis jedoch nicht zum Konto des Spielers passt. Daher werden in diesem Beispiel zunächst die folgenden Grenzen festgelegt:

Dimension Einschränkung in diesem Fall
Kartenauswahl Vorrangig grundlegende, häufige gewöhnliche und seltene Karten
Kartenform Normale Form, ohne Abhängigkeit von Entwicklungen oder Heldenfähigkeiten
Bedingung der Turmtruppen Normaler Prinzessinnenturm
Level-Bedingung Standardmäßig ähnliche Kartenlevel
Bedienungsziel Klare Aufgabenverteilung, zum Lernen geeignet
Taktische Ausrichtung Nach erfolgreicher Verteidigung einen Gegenangriff organisieren
Bewertungsgrenze Keine Behauptung, im aktuellen Patch die stärkste zu sein, keine erfundenen Siegquoten

Diese Einschränkungen bestimmen die Richtung der anschließenden Analyse: Gesucht wird eine leicht verständliche Grundlösung mit sich ergänzenden Aufgaben, und nicht eine ungeprüfte „Erfolgsformel“.

II. GPT-6 Astra die Analyse überlassen, dem Programm die Überprüfung

Dieses Beispiel ruft GPT-6 Astra über die Chat-Completions-Schnittstelle von AceDataCloud auf; die Modellkennung in der Anfrage lautet gpt-6-astra. Schnittstellenadresse, Authentifizierungsmethode und Nachrichtenstruktur folgen der Plattform-Integrationsdokumentation; die Modellverfügbarkeit und Parameter sollten sich nach der Plattformkonfiguration zum Zeitpunkt des Aufrufs richten. Hier wird die von der Plattform bereitgestellte Modellkennung verwendet; daraus wird nicht auf die Verfügbarkeit anderer Service-Zugänge geschlossen.

Tool Zuständige Arbeit Arbeit, die es nicht übernehmen sollte
GPT-6 Astra Aufgaben der Karten erklären, Zusammenspiel analysieren, Angriffs- und Verteidigungsschritte organisieren Reale Kampfdaten ersetzen, um Siegquoten zu belegen
Python Kartenanzahl, Duplikate, Kosten und Kombinationskosten überprüfen Die praktische Stärke allein anhand von Addition beurteilen
GPT Image 2 Den taktischen Plan in ein Lehrposter umwandeln Als autoritative Quelle für Spielmechaniken dienen

Außerdem müssen historischer Prozess und Reproduktionsmethode unterschieden werden: Die acht Karten dieses Beispiels wurden bereits in einer vorherigen Analyse zusammengestellt, danach wurde GPT-6 Astra tatsächlich aufgerufen, um sie strukturiert zu überprüfen; Astra wurde nicht beauftragt, aus dem vollständigen Kartenpool eine globale optimale Lösung zu suchen. Das Lehrposter wurde hingegen mit Image 2.0 erstellt.

Eine solche Dokumentation des Prozesses erleichtert sowohl die Reproduktion als auch die Vermeidung einer Übertreibung von „das Modell war an der Analyse beteiligt“ zu „das Modell hat die Optimalität bewiesen“.

III. Prompt-Design: Von „Deck empfehlen“ zu „Schlussfolgern unter Einschränkungen“

1. Offener Prompt zur Deck-Zusammenstellung

Wenn man mit dem eigenen Kartenpool beginnt, kann man die folgende Vorlage verwenden:

你是一名严谨的《皇室战争》教学分析助手。

目标：
从我提供的可用卡牌中，选择一套适合基础玩家的八张卡组。

条件：
1. 只使用我已解锁的卡牌。
2. 不依赖进化或英雄技能。
3. 默认普通公主塔，卡牌等级接近。
4. 优先职责互补、操作简单、方便学习的体系。
5. 必须说明主要拆塔手段、对空、清群和防守方式。

输入：
- 我的竞技场与杯数：……
- 可用卡牌及等级：……
- 常见对手：……
- 我的操作偏好：……

输出：
- 八张卡牌及职责
- 总费用与平均费用
- 选择理由
- 进攻与防守步骤
- 明确的弱点和替换代价

不得编造胜率。
若没有实时资料，不得声称这是当前版本最强卡组。

Entscheidend ist nicht, wie lang der Prompt ist, sondern ob der erlaubte Auswahlbereich, das Optimierungsziel und die zwingend anzuerkennenden Einschränkungen bereitgestellt werden.

2. Der in diesem Beispiel verwendete Überprüfungs-Prompt

Um den bestehenden Plan zu prüfen, wird die Aufgabe diesmal weiter eingegrenzt. Im Folgenden steht eine aufbereitete Version der tatsächlichen Überprüfungsanforderungen:

请复核以下卡组，而不是重新寻找全卡池最优解：

巨人5、迷你皮卡4、火枪手4、炸弹兵2、
亡灵3、加农炮3、万箭齐发3、火球4。

默认：
卡等接近、普通公主塔、普通形态，
无进化、无英雄技能。

请返回一个有效的 json 对象，包含：
deck、total_elixir、average_elixir、
advantages、attack_steps、defense_cases、
limitations、validation_note。

要求：
- 说明每张卡的职责。
- 区分“利用防守残兵”和“免费获得单位”。
- 不得把11费组合说成满10费即可立即全部部署。
- 不承诺无伤防守。
- 不提供没有来源的精确伤害或胜率。

Die zentrale Schlussfolgerung aus dem tatsächlichen Aufruf lautet: Das Deck hat eine klare Aufgabenverteilung, eignet sich zum Üben von Verteidigung und Konterangriffen, aber Lufteinheiten müssen geschützt werden, und während der Vorstoßphase müssen außerdem Ressourcen zur Bewältigung eines Angriffs auf der anderen Seite zurückbehalten werden. Dies ist eine theoretische Analyse auf Grundlage der gegebenen Mechaniken und entspricht weder einem Simulator-Test noch einer Ranglistenstatistik.

IV. Strukturierte Analyse über die API abrufen

Die Chat-Completions-Schnittstelle verwendet Bearer-Token-Authentifizierung, und der generierte Text kann aus choices[0].message.content gelesen werden.

Nachfolgend ist ein kompaktes Python-Reproduktionsbeispiel. Installiere vor der Ausführung requests und konfiguriere ACEDATACLOUD_API_KEY in deiner eigenen Laufzeitumgebung. Schreibe den Schlüssel nicht in das Code-Repository oder das Browser-Frontend. Der tatsächliche Fall erfolgte über einen MCP-Tool-Aufruf; der folgende Code demonstriert die entsprechende HTTP-Anbindung und behauptet nicht, dass dieses Skript in der Umgebung des Lesers getestet wurde.

import json
import os

import requests

URL = "https://api.acedata.cloud/openai/chat/completions"

# 本案例已核对的输入快照。
# 实际项目应维护版本化卡牌资料，不要依赖模型猜测费用。
cards = [
    {"name": "巨人", "elixir": 5, "role": "只攻击建筑的高血量前排"},
    {"name": "迷你皮卡", "elixir": 4, "role": "地面单体高伤"},
    {"name": "火枪手", "elixir": 4, "role": "远程对地对空"},
    {"name": "炸弹兵", "elixir": 2, "role": "地面范围伤害"},
    {"name": "亡灵", "elixir": 3, "role": "空中部队，可对地对空"},
    {"name": "加农炮", "elixir": 3, "role": "仅对地的防守建筑"},
    {"name": "万箭齐发", "elixir": 3, "role": "清理脆皮群"},
    {"name": "火球", "elixir": 4, "role": "范围伤害与补伤害"},
]

task = """
请复核输入卡组，返回有效的 json 对象。

输出字段：
deck（每项包含 name、elixir、role）、
total_elixir、average_elixir、advantages、
attack_steps、defense_cases、limitations、validation_note。

默认卡等接近、普通公主塔、普通形态，无进化无英雄。
这是已有卡组复核，不是全卡池最优搜索。
没有实时对战数据，不得编造胜率、无伤承诺或精确伤害。
"""

response = requests.post(
    URL,
    headers={
        "Authorization": f"Bearer {os.environ['ACEDATACLOUD_API_KEY']}",
        "Content-Type": "application/json",
    },
    json={
        "model": "gpt-6-astra",
        "messages": [
            {
                "role": "system",
                "content": (
                    "Return a valid json object. "
                    "你是严谨的游戏教学助手，只基于给定事实分析。"
                ),
            },
            {
                "role": "user",
                "content": task + "\n输入卡组：\n"
                + json.dumps(cards, ensure_ascii=False),
            },
        ],
        "response_format": {"type": "json_object"},
        "max_tokens": 2200,
    },
    timeout=(10, 180),
)

response.raise_for_status()
body = response.json()

if body.get("error"):
    raise RuntimeError(body["error"])

choice = body["choices"][0]
if choice.get("finish_reason") != "stop":
    raise RuntimeError("输出未正常结束，请检查返回状态或调整输出预算")

content = choice["message"].get("content")
if not content:
    raise RuntimeError("没有获得可解析的分析内容")

result = json.loads(content)
print(json.dumps(result, ensure_ascii=False, indent=2))

Ein tatsächlich aufgetretenes Schnittstellendetail

Bei diesem Aufruf wurde die erste Anfrage im JSON-Modus vom Server abgelehnt; die Fehlermeldung verlangte, dass die Eingabenachricht json enthält. Nachdem die englische Anweisung Return a valid json object. ausdrücklich zur Nachricht hinzugefügt worden war, war die Anfrage erfolgreich.

Hier muss nicht geschlussfolgert werden, dass der Fehler zwangsläufig durch Groß- und Kleinschreibung oder andere Faktoren verursacht wurde. In der Praxis ist die robustere Vorgehensweise: die Ausgabe ausdrücklich als JSON anzufordern, zugleich das Rückgabeformat festzulegen, den Abschlussstatus zu prüfen und nach dem Parsen Felder und Werte weiter zu validieren.

Dass sich etwas als JSON parsen lässt, bedeutet nur, dass die Syntax gültig ist, nicht dass die Spielanalyse korrekt ist.

V. Endgültiges Deck: 3,5-Elixier-Riese-Verteidigungskonter

Der vorliegende Plan ist wie folgt. Die Kosten stammen aus den entsprechenden Kartendaten; die Aufgaben und das Zusammenspiel dienen zur Erläuterung des Designs dieses Decks.

Karte Elixier Hauptaufgabe Nutzungshinweis
Riese 5 Schaden einstecken, vorrücken, Gebäude angreifen Nicht für das Beseitigen gegnerischer Truppen zuständig
Mini-P.E.K.K.A 4 Ziele mit hohen Boden-Lebenspunkten beseitigen Kann leicht von kleinen Truppen umzingelt oder weggelockt werden
Musketierin 4 Fernkampfschaden, wichtigste Luftabwehr Muss geschützt werden, nicht mit anderen Hintereinheiten stapeln
Bomber 2 Bodengruppen beseitigen Kann keine Lufteinheiten angreifen
Lakaien 3 Zweite Luftabwehr, zusätzlicher Schaden Anfällig für Pfeile und Flächenschaden
Kanone 3 Ziehen in der Mitte, unterstützende Verteidigung Kann keine Lufteinheiten angreifen
Pfeile 3 Zerbrechliche Gruppen beseitigen Sollte auf tatsächliche Ziele ausgerichtet eingesetzt werden
Feuerball 4 Konzentrierte Hintereinheiten treffen, Schaden ergänzen Tötet eine gleichstufige Musketierin nicht standardmäßig sofort

Der Wert dieses Decks liegt nicht in der Seltenheit einzelner Karten, sondern in den sich ergänzenden Aufgaben: Der Riese erzeugt den hauptsächlichen Druck zum Zerstören von Türmen, Mini-P.E.K.K.A beseitigt Bedrohungen am Boden, der Bomber räumt kleine Truppen weg, die Einzelzielangreifer stören, Musketierin und Lakaien bieten zwei dauerhafte Punkte zur Luftabwehr, die Kanone verschafft Schadensausteilern Zeit, und die beiden Zauber dienen dem Freiräumen und Ergänzen von Schaden.

Kosten mit Code überprüfen

Lies nicht nur das vom Modell zurückgegebene average_elixir. Die zuverlässigere Methode ist: Berechne mit den bereits überprüften Eingabedaten erneut und gleiche sie mit der Modellausgabe ab. Fügen Sie den folgenden Code nach dem vorherigen Beispiel ein:

trusted_costs = {card["name"]: card["elixir"] for card in cards}

deck = result["deck"]
names = [card["name"] for card in deck]

if len(names) != 8 or len(set(names)) != 8:
    raise ValueError("卡组必须恰好包含8张不同卡牌")

if set(names) != set(trusted_costs):
    raise ValueError("模型更改了本次要求复核的卡组")

for card in deck:
    if card["elixir"] != trusted_costs[card["name"]]:
        raise ValueError(f"费用不一致：{card['name']}")

total = sum(trusted_costs[name] for name in names)
average = total / len(names)

if result["total_elixir"] != total:
    raise ValueError("模型返回的总费用不一致")

if abs(float(result["average_elixir"]) - average) > 1e-9:
    raise ValueError("模型返回的平均费用不一致")

print(f"总费用：{total}，平均费用：{average}")

Das unabhängige Kostenprüfergebnis dieses Beispiels lautet:

Gesamtkosten: 5 + 4 + 4 + 2 + 3 + 3 + 3 + 4 = 28
Durchschnittskosten: 28 ÷ 8 = 3.5

Auch gängige Kombinationen können weiter geprüft werden:

Kombination Gesamtkosten Zweck
Riese＋Bomber 7 Leichter Vorstoß gegen Bodentruppen
Riese＋Musketierin 9 Regulärer Vorstoß mit Luftabwehr
Mini-P.E.K.K.A.＋Bomber 6 Behandelt jeweils Tanks und Bodentruppen
Kanone＋Musketierin 7 Heranziehen und Fernkampfschaden
Riese＋Musketierin＋Bomber 11 Nutzt überlebende Einheiten oder Elixierregeneration, um schrittweise einen vollständigen Vorstoß zu bilden

Der letzte Punkt ist besonders beachtenswert: Eine 11-Elixier-Kombination kann nicht sofort vollständig eingesetzt werden, wenn nur 10 Elixier vorhanden sind. Sie eignet sich eher dafür, dass eine Musketierin oder ein Bomber, die die Verteidigung überlebt haben, gemeinsam mit einem neu eingesetzten Riesen einen Angriff bilden, anstatt drei Karten auf einmal auszuspielen. Kombinationskosten sind nur die Einsatzkosten und beweisen nicht, dass damit zuverlässig Elixier gewonnen werden kann.

VI. Die Analyse in ausführbare Angriffs- und Verteidigungspläne umwandeln

Angriff: Erst verteidigen, dann überlebende Einheiten in Druck verwandeln

Die Hauptlinie dieses Decks besteht nicht darin, zu Beginn sofort den Riesen einzusetzen, sondern darin:

  1. Die gegnerische Offensive mit der Kanone oder Truppen zu behandeln.
  2. Die Gesundheit, Position und das aktuelle Elixier der überlebenden Einheiten zu beobachten.
  3. Unter passenden Bedingungen vor den überlebenden Einheiten einen Riesen zu ergänzen.
  4. Nach dem Erkennen der gegnerischen Konterkarten zu entscheiden, ob Truppen ergänzt oder Zauber eingesetzt werden.
  5. Die Fähigkeit zu behalten, einen Angriff auf der anderen Seite zu behandeln.

Wenn zum Beispiel die Musketierin nach der Verteidigung noch überlebt, wird der Riese eingesetzt, bevor sie die Brücke überquert, sodass der Riese zuerst Schaden aufnimmt und die Musketierin weiter Schaden verursacht. Der Ressourcengewinn entsteht hier dadurch, dass eine bereits bezahlte Einheit gleichzeitig an Verteidigung und Gegenangriff teilnimmt, und nicht dadurch, dass man aus dem Nichts eine kostenlose Musketierin erhält.

Verteidigung: Komponenten entsprechend der Bedrohung auswählen

Bedrohung des Gegners Priorisierter Umgang
Gebäudefokussierende Einheiten wie der Schweine-Reiter Die Kanone rechtzeitig in der Mitte zum Heranziehen einsetzen und je nach Unterstützung Karten ergänzen
Bodenziele mit hohen Lebenspunkten Mini-P.E.K.K.A. zusammen mit Turmschaden einsetzen, bei Bedarf zuerst mit einem Gebäude den Weg verändern
Gruppen von Bodentruppen Mit dem Bomber behandeln oder Pfeile zum passenden Zeitpunkt einsetzen
Luftangriffe Musketierin und Lakaien verteilt einsetzen, damit sie nicht gleichzeitig durch Flächenschaden beseitigt werden
Geballte Unterstützung in der hinteren Reihe Mit Feuerball zusätzlichen Schaden verursachen, dann von Truppen übernehmen lassen

Alle diese Pläne hängen von Position, Stufe, Timing und gegnerischer Unterstützung ab und dürfen nicht als feste Formeln für schadensfreie Verteidigung verstanden werden. Obwohl die Kanone Lufteinheiten anziehen kann, die nur Gebäude angreifen, kann sie selbst keine Luftziele angreifen.

Unbedingt beizubehaltende Schwächenbeschreibung

Eine qualifizierte KI-Strategieausgabe sollte den Spielern klar sagen, wann es schwierig wird:

  • Nachdem Musketierin und Lakaien beseitigt wurden, steigt der Druck aus der Luft deutlich an.
  • Dieses Deck hat keinen Zurücksetz-Zauber; gegen Inferno-Verteidigungen dürfen Truppen nicht blind gestapelt werden.
  • Nach dem Einsatz des Riesen kann die andere Seite zum Ziel gegnerischen Drucks werden.
  • 3.5 Elixier bedeutet nicht extrem schnelles Durchrotieren; wenn wichtige Verteidigungskarten versetzt eingesetzt werden, sind sie möglicherweise nicht rechtzeitig wieder auf der Hand.

Daher stellt das Modell einen Ausgangspunkt zum Üben bereit; anschließend sollten weiterhin Anpassungen anhand der eigenen Kartenstufen, häufigen Gegner und Kampfaufzeichnungen vorgenommen werden.

VII. Den Taktikplan in ein 4K-Lehrposter umwandeln

Text eignet sich, um Gründe zu erklären, während Bilder besser geeignet sind, Positionsbeziehungen und die Reihenfolge des Kartenausspielens zu zeigen. In diesem Fall wurde nicht die Methode verwendet, acht große Karten mechanisch anzuordnen, sondern das Bild als drei miteinander verbundene Lehrphasen gestaltet:

Günstige Verteidigung → Riese vorne, überlebende Einheiten folgen → Konterkarten erkennen, Unterstützung ergänzen.

Das folgende Bild ist das diesmal mit Image 2.0 erzeugte Lehrposter. Die Dateigröße des Bildes wurde geprüft und beträgt 3840×2160, 16:9.

3.5-Elixier-Lehrposter für Riesen-Verteidigung und Gegenangriff: acht Basiskarten, Kosten und Schritte für Verteidigung und Gegenangriff

Abbildung: KI-generierte taktische Lehrskizze, kein Screenshot aus einem echten Spiel und nicht zur Darstellung exakter Reichweiten oder feldgenauer Positionierungen gedacht.

Der Prompt sollte „Lehrbeziehungen“ schreiben, nicht nur den „Bildstil“

„4K, detailreich, filmisch“ kann nur die visuelle Richtung beschreiben, aber nicht garantieren, dass das generierte Ergebnis einen Lehrwert hat. Daher sollte der Prompt zugleich Folgendes enthalten:

  • Rollenbeziehung: Der Riese vorne, Musketierin und Bomber hinten.
  • Phasenbeziehung: Verteidigung auf der linken Seite, Gegenangriff auf der rechten Seite, mit Pfeilen verbunden.
  • Mechanikbeschränkungen: Der Riese greift nur Gebäude an; Kanone und Bomber können nicht auf Luftziele angreifen.
  • Informationshierarchie: Titel, dreistufiges Tutorial, Deckliste, Kosten, Hinweise.
  • Hinweis zum Geltungsbereich: Tutorial für die normale Form, die Wirkung wird von Kartenlevel und Bedienung beeinflusst.

Im Folgenden steht ein komprimierter Prompt, der sich zur Reproduktion der Idee eignet, und keine wortgetreue Aufzeichnung des ursprünglichen langen Prompts:

Erstelle ein chinesisches taktisches Lehrposter im 16:9-Querformat mit 3840×2160.

Thema: Clash Royale „3,5-Elixier-Riese-Verteidigung-und-Gegenangriff“.
Das Bild ist kein Kartenraster, sondern eine lebendige 3D-Cartoon-Arena-Lehrszene.

Links: Kanone lockt in der Mitte, Mini-P.E.K.K.A verarbeitet Boden-Tanks,
Musketierin bekämpft Luftziele, Bomber räumt Boden-Kleintruppen auf.

Rechts: Der Riese rückt ganz vorne in Richtung gegnerischer Gebäude vor,
die in der Verteidigung überlebende Musketierin und der Bomber folgen verteilt von hinten,
Lakaien bieten Luftunterstützung.

Verwende klare Pfeile, um auszudrücken:
Günstige Verteidigung → Riese für den Gegenangriff hinzufügen → Erst gegnerische Konterkarte erkennen, dann Unterstützung hinzufügen.

Zeige unten acht Karten und ihre Kosten:
Riese 5, Mini-P.E.K.K.A 4, Musketierin 4, Bomber 2,
Lakaien 3, Kanone 3, Pfeile 3, Feuerball 4.

Beschriftungen:
Durchschnittliches Elixier 3,5;
Riese＋Bomber＝7 Elixier;
Riese＋Musketierin＝9 Elixier.

Hinweise:
Verteidigungs-Elixier aufbewahren, hintere Reihe verteilt positionieren, erst gegnerische Konterkarte beobachten, dann Zauber einsetzen.

Stelle sicher, dass das Chinesische klar und die taktische Ausrichtung präzise ist.
Zeichne nicht, dass der Riese Truppen angreift, und zeichne nicht, dass Kanone oder Bomber Luftziele angreifen.

Konfiguration der Bildschnittstelle

Die Dokumentation zur Bildgenerierungsschnittstelle unterstützt die Angabe von Pixelmaßen über size; die 4K-Spezifikation im 16:9-Format ist 3840x2160. Nur „4K“ im Prompt zu schreiben, kann den Größenparameter nicht ersetzen.

Die Kernkonfiguration des Anfragebodys lautet wie folgt, wobei prompt durch die vollständige Posterbeschreibung ersetzt werden sollte:

{
  "model": "gpt-image-2",
  "prompt": "Hier den vollständigen Prompt für das taktische Lehrposter eintragen",
  "size": "3840x2160",
  "quality": "high",
  "n": 1,
  "output_format": "png",
  "response_format": "url"
}

Die entsprechende Schnittstelle lautet:

POST https://api.acedata.cloud/openai/images/generations

Fehler und Wechsel im tatsächlichen Generierungsprozess

Dieses Mal wurde zunächst Image 2.5 verwendet, doch die Aufgabe endete mit einem eindeutigen Upstream-Servicefehler und erzeugte kein Bild. Nach Bestätigung des Wechsels wurde anschließend gpt-image-2 verwendet, die 4K- und 16:9-Spezifikationen wurden beibehalten, und die Generierung war schließlich erfolgreich.

Hier gilt ein wichtiges Engineering-Prinzip:

Während die Aufgabe noch läuft, frage dieselbe Aufgabe ab; erst nachdem die Aufgabe eindeutig fehlgeschlagen ist, entscheide, ob du es erneut versuchst oder das Modell wechselst.

Das diesmal verwendete MCP-Bildtool wird als asynchrone Aufgabe ausgeführt: Nach der Übermittlung erhält man eine Aufgaben-ID und fragt dann ab, bis Erfolg oder Fehlschlag eintritt. Bei direktem Aufruf der HTTP-Schnittstelle sollte dagegen entsprechend der jeweiligen Dokumentation eine synchrone Rückgabe oder ein asynchroner Callback verarbeitet werden; die Rückgabestrukturen unterschiedlicher Aufrufarten dürfen nicht vermischt werden.

Acht, wie lässt sich dies weiter zu einem nachhaltig iterierbaren Tool ausbauen?

Wenn dieser Fall zu einem echten Deck-Assistenten erweitert werden soll, können drei Fähigkeitsebenen hinzugefügt werden.

1. Versionierte Daten

Erfasse Kartennamen, Kosten, Angriffsziele, Level und Aktualisierungszeitpunkt der Daten. Verwende für Daten, die sich leicht ändern können, wie Schaden, Lebenspunkte und Reichweite, Quellenangaben statt dich auf die Modellerinnerung zu verlassen.

2. Einschränkungen durch den Kartenpool des Nutzers

Nimm die bereits freigeschalteten Karten und Level des Nutzers als Eingabe. Bei sehr großen Levelunterschieden bedeutet eine theoretisch sinnvolle Kombination nicht unbedingt, dass die tatsächliche Leistung besser ist.

3. Kampf-Feedback

Erfasse fortlaufend die wichtigsten Angriffsmethoden des Gegners, in welcher Phase man selbst den Elixiervorteil verloren hat, ob wichtige Luftabwehrkarten zeitlich versetzt eingesetzt wurden und ob das Problem von der Deckstruktur oder von Positionierung und Timing herrührt.

Lass das Modell anschließend auf Grundlage dieser Aufzeichnungen Anpassungsvorschläge machen, bei denen jedes Mal nur ein oder zwei Variablen geändert werden, statt nach jeder verlorenen Runde das gesamte Deck auszutauschen.

Auch das Poster sollte unabhängig abgenommen werden: Prüfe, ob alle acht Karten vorhanden sind, ob das Chinesische korrekt ist, ob die Kosten übereinstimmen und ob die Pfeile auf die richtigen Ziele zeigen. Eine erfolgreiche Generierung bedeutet nicht, dass die Inhaltsabnahme bestanden wurde, und eine korrekte Auflösung bedeutet ebenfalls nicht, dass die taktische Darstellung vollständig präzise ist.

Schlusswort

Dieser Fall zeigt nicht, dass „KI automatisch das stärkste Deck berechnet“, sondern eine zuverlässigere Nutzungsmethode:

Die Aufgabe durch Einschränkungen eingrenzen, mit GPT-6 Astra die Synergie erklären, Werte mit Code überprüfen, mit Image 2.0 Taktiken darstellen und den Plan anschließend durch Kampf-Feedback korrigieren.

Die Kernidee des letztlich entstandenen Riesendecks lässt sich in einem Satz zusammenfassen:

Die Kanone lockt, Mini-P.E.K.K.A verarbeitet Tanks, die Musketierin bekämpft Luftziele, der Bomber räumt Gruppen auf; nach erfolgreicher Verteidigung soll der Riese nach vorne gehen.

Im Vergleich dazu, nur die Namen von acht Karten zu erhalten, liegt der größere Wert dieser Methode darin: Spieler wissen nicht nur, „was sie mitnehmen sollen“, sondern verstehen auch, „warum sie es so mitnehmen und wann sie so spielen sollten“.

Referenzmaterialien

Dieser Artikel ist ein Fallbeispiel für KI-gestützte Strategie- und Entwicklungspraxis und keine offizielle Supercell-Anleitung. Das Titelbild und das Lehrposter sind KI-generierte Illustrationen; mit „Clash Royale“ verbundene Charaktere und Marken gehören den jeweiligen Rechteinhabern.