Far raccomandare a un'IA un mazzo di Clash Royale non è difficile. La domanda davvero preziosa è: perché scegliere proprio queste otto carte? Come collaborano tra loro? Come si dovrebbero giocare le carte in attacco e in difesa? E come si dovrebbero verificare i risultati della raccomandazione?

Questo articolo usa come esempio un mazzo da contrattacco difensivo con Gigante dal costo medio di 3,5 elisir, per presentare come trasformare requisiti in linguaggio naturale in un'analisi strategica strutturata e poi, tramite verifica con codice e generazione di immagini, ottenere un piano didattico che possa essere compreso, praticato e iterato.

L'intero processo non consiste nel far proporre al modello il “mazzo più forte” a caso, ma nel suddividere il lavoro in quattro parti:

Definire i vincoli → Analizzare il mazzo → Verificare i risultati → Creare un tutorial visivo.

I. Chiarire prima: quale problema vogliamo che l'IA risolva?

“Componimi un mazzo con cui sia facile vincere” sembra chiaro, ma in realtà mancano molte condizioni necessarie: in quale arena si trova il giocatore? Quali carte ha già sbloccato? I livelli delle carte sono simili? Si usano carte evolute, abilità degli eroi o truppe torre speciali? Il giocatore ha più familiarità con la rotazione rapida o con il contrattacco difensivo? Il cosiddetto “facile” indica semplicità di utilizzo, oppure un vantaggio evidente contro specifici avversari?

Se queste informazioni non vengono fornite, il modello può facilmente proporre una composizione teoricamente ragionevole ma, in pratica, inadatta all'account del giocatore. Pertanto, questo caso stabilisce prima i seguenti confini:

Dimensione Vincoli di questa volta
Scelta delle carte Priorità a carte comuni e rare di base e frequenti
Forma delle carte Forma normale, senza dipendere da evoluzioni o abilità degli eroi
Condizioni della truppa torre Torre della Principessa normale
Condizioni di livello Per impostazione predefinita, livelli delle carte di entrambe le parti simili
Obiettivo operativo Ruoli chiari, adatto all'apprendimento
Direzione tattica Organizzare un contrattacco dopo una difesa riuscita
Limiti di valutazione Non dichiarare che sia il più forte della versione in tempo reale, non inventare percentuali di vittoria

Questi vincoli determinano la direzione dell'analisi successiva: cerchiamo una soluzione di base facile da comprendere e con ruoli complementari, non una “formula vincente” non verificata in combattimenti reali.

II. Lasciare l'analisi a GPT-6 Astra e la verifica al programma

Questo caso richiama GPT-6 Astra tramite l'interfaccia Chat Completions di AceDataCloud, utilizzando nel parametro del modello l'identificatore gpt-6-astra. L'indirizzo dell'interfaccia, il metodo di autenticazione e la struttura dei messaggi seguono la documentazione di integrazione della piattaforma; la disponibilità del modello e i parametri devono fare riferimento alla configurazione della piattaforma al momento della chiamata. Qui viene utilizzato l'identificatore del modello fornito dalla piattaforma, senza dedurre da ciò la disponibilità di altri endpoint di servizio.

Strumento Lavoro di cui è responsabile Lavoro che non dovrebbe svolgere
GPT-6 Astra Spiegare i ruoli delle carte, analizzare le sinergie, organizzare i passaggi di attacco e difesa Sostituire i dati di battaglie reali per dimostrare la percentuale di vittoria
Python Verificare il numero di carte, i duplicati, i costi e il costo della combinazione Giudicare la forza in battaglia reale basandosi solo su somme
GPT Image 2 Trasformare il piano tattico in un poster didattico Essere una fonte autorevole sulle meccaniche di gioco

Occorre inoltre distinguere tra processo storico e metodo di riproduzione: le otto carte di questo caso erano già state definite nell'analisi preliminare, e successivamente GPT-6 Astra è stato effettivamente chiamato per eseguire una revisione strutturata; non è stato chiesto ad Astra di cercare la soluzione globalmente ottimale nell'intero set di carte. Il poster didattico è stato invece generato da Image 2.0.

Registrare il processo in questo modo facilita sia la riproduzione sia l'evitare di esagerare “il modello ha partecipato all'analisi” trasformandolo in “il modello ha dimostrato l'ottimalità”.

III. Progettazione del prompt: trasformare “raccomanda un mazzo” in “ragionamento sotto vincoli”

1. Prompt aperto per la composizione del mazzo

Se si parte dal proprio set di carte, è possibile usare il seguente modello:

Sei un assistente rigoroso di analisi didattica di Clash Royale.

Obiettivo:
Tra le carte disponibili che fornirò, scegli un mazzo di otto carte adatto ai giocatori di base.

Condizioni:
1. Usa solo le carte che ho già sbloccato.
2. Non dipendere da evoluzioni o abilità degli eroi.
3. Per impostazione predefinita, Torre della Principessa normale e livelli delle carte simili.
4. Dai priorità a un sistema con ruoli complementari, semplice da usare e facile da apprendere.
5. Devi spiegare il principale metodo per abbattere le torri, la difesa aerea, la pulizia dei gruppi e il metodo difensivo.

Input:
- La mia arena e i miei trofei: …
- Carte disponibili e livelli: …
- Avversari frequenti: …
- Le mie preferenze operative: …

Output:
- Otto carte e relativi ruoli
- Costo totale e costo medio
- Motivi della scelta
- Passaggi di attacco e difesa
- Debolezze chiare e costo delle sostituzioni

Non inventare percentuali di vittoria.
Se non disponi di dati in tempo reale, non dichiarare che questo sia il mazzo più forte della versione attuale.

Il punto chiave non è quanto sia lungo il prompt, ma se fornisce l'ambito delle scelte consentite, gli obiettivi di ottimizzazione e le limitazioni che devono essere riconosciute.

2. Prompt di revisione usato in questo caso

Per verificare una soluzione già esistente, questa volta il compito viene ulteriormente ristretto. Di seguito è riportata una versione organizzata dei requisiti di revisione effettivamente utilizzati:

Esamina il seguente mazzo, anziché cercare di nuovo la soluzione ottimale nell'intero set di carte:

Gigante 5, Mini P.E.K.K.A 4, Moschettiere 4, Bombarolo 2,
Sgherri 3, Cannone 3, Frecce 3, Palla di Fuoco 4.

Impostazioni predefinite:
livelli delle carte simili, Torre della Principessa normale, forma normale,
nessuna evoluzione, nessuna abilità degli eroi.

Restituisci un oggetto json valido, contenente:
deck, total_elixir, average_elixir,
advantages, attack_steps, defense_cases,
limitations, validation_note.

Requisiti:
- Spiega il ruolo di ogni carta.
- Distingui tra “sfruttare le unità residue della difesa” e “ottenere unità gratuitamente”.
- Non descrivere una combinazione da 11 elisir come se potesse essere schierata interamente e immediatamente con il massimo di 10 elisir.
- Non promettere una difesa senza subire danni.
- Non fornire danni precisi o percentuali di vittoria privi di fonte.

La conclusione principale ottenuta da questa chiamata effettiva è: il mazzo ha ruoli ben definiti, è adatto a esercitarsi nel contrattacco difensivo, ma le unità aeree devono essere protette e, durante la fase di avanzamento, è necessario conservare risorse per rispondere agli attacchi sull'altro lato. Questa è un'analisi teorica basata sulle meccaniche fornite, e non equivale a test nel simulatore o a statistiche della ladder.

IV. Ottenere un'analisi strutturata tramite API

L'interfaccia Chat Completions utilizza l'autenticazione Bearer Token, e il testo generato può essere letto da choices[0].message.content.

Di seguito è riportato un esempio Python semplificato per la riproduzione. Prima dell'esecuzione, installare requests e configurare ACEDATACLOUD_API_KEY nel proprio ambiente di esecuzione. Non inserire la chiave nel repository di codice o nel frontend del browser. Il caso reale utilizza una chiamata tramite lo strumento MCP; il codice seguente mostra il corrispondente metodo di accesso HTTP e non afferma che questo script sia stato testato nell'ambiente del lettore.

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))

Un dettaglio dell'interfaccia riscontrato effettivamente

In questa chiamata, la prima richiesta in modalità JSON è stata rifiutata dal server, e il messaggio di errore richiedeva che il messaggio di input contenesse json. Dopo aver aggiunto esplicitamente l'istruzione inglese Return a valid json object. al messaggio, la richiesta è riuscita.

Non è necessario dedurre che l'errore sia stato necessariamente causato da maiuscole/minuscole o da altri fattori. Dal punto di vista ingegneristico, il trattamento più prudente è: richiedere esplicitamente l'output JSON, impostare contemporaneamente il formato di risposta, controllare lo stato di conclusione e, dopo l'analisi, continuare a verificare campi e valori numerici.

Il fatto che possa essere analizzato come JSON indica solo che la sintassi è valida, non che l'analisi di gioco sia corretta.

V. Mazzo finale: contrattacco difensivo con Gigante da 3,5 elisir

La proposta di questa volta è la seguente. Il costo proviene dai dati delle rispettive carte, mentre ruoli e sinergie servono a spiegare la progettazione di questo mazzo.

Carta Elisir Ruolo principale Note d'uso
Gigante 5 Assorbire danni, avanzare, attaccare edifici Non è responsabile dell'eliminazione delle truppe nemiche
Mini P.E.K.K.A 4 Gestire bersagli terrestri con molti punti vita Può essere facilmente circondato o attirato dai piccoli nemici
Moschettiere 4 Danno a distanza, principale difesa antiaerea Deve essere protetta, evitare di raggrupparla con altre unità posteriori
Bombarolo 2 Eliminare gruppi terrestri Non può colpire unità aeree
Sgherri 3 Seconda difesa antiaerea, danno aggiuntivo Vulnerabili a Frecce e danni ad area
Cannone 3 Distrazione al centro, difesa di supporto Non può attaccare unità aeree
Frecce 3 Eliminare gruppi fragili Dovrebbero essere usate in base al bersaglio effettivo
Palla di Fuoco 4 Colpire le retrovie concentrate, danno aggiuntivo Non si presume che possa eliminare istantaneamente un Moschettiere dello stesso livello

Il valore di questo mazzo non risiede nella rarità delle singole carte, ma nella complementarità dei ruoli: il Gigante fornisce la principale pressione per abbattere le torri, il Mini P.E.K.K.A gestisce le minacce terrestri, il Bombarolo elimina le unità minori che disturbano il danno a bersaglio singolo, il Moschettiere e gli Sgherri forniscono due fonti continue di difesa antiaerea, il Cannone guadagna tempo per infliggere danni e i due incantesimi sono responsabili di liberare il campo e aggiungere danni.

Verificare il costo con il codice

Non limitarti a leggere average_elixir restituito dal modello. Un metodo più affidabile è: ricalcolare utilizzando i dati di input già verificati e confrontarli con l'output del modello. Aggiungi il seguente codice dopo l'esempio precedente:

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}")

Il risultato del controllo indipendente dei costi in questo esempio è:

Costo totale: 5 + 4 + 4 + 2 + 3 + 3 + 3 + 4 = 28
Costo medio: 28 ÷ 8 = 3.5

È anche possibile continuare a controllare le combinazioni comuni:

Combinazione Costo totale Utilizzo
Gigante＋Bombarolo 7 Spinta leggera contro le truppe di terra
Gigante＋Moschettiere 9 Spinta convenzionale con capacità antiaerea
Mini P.E.K.K.A＋Bombarolo 6 Gestire rispettivamente i tank e le truppe di terra
Cannone＋Moschettiere 7 Deviare e infliggere danni a distanza
Gigante＋Moschettiere＋Bombarolo 11 Sfruttare le truppe sopravvissute o il recupero di elisir per formare gradualmente una spinta completa

L'ultima voce merita particolare attenzione: la combinazione da 11 elisir non può essere schierata interamente subito quando si hanno solo 10 punti elisir. È più adatta a formarsi con un Moschettiere o un Bombarolo sopravvissuto alla difesa, insieme a un Gigante appena schierato, anziché accumulare tutte e tre le carte in una volta. Il costo della combinazione è soltanto un costo d'investimento e non dimostra che possa generare stabilmente un vantaggio di elisir.

VI. Trasformare l'analisi in un piano offensivo e difensivo eseguibile

Attacco: difendere prima, poi trasformare le truppe sopravvissute in pressione

La linea principale di questo mazzo non è schierare il Gigante all'inizio della partita, bensì:

  1. Usare il Cannone o le truppe per gestire l'attacco nemico.
  2. Osservare la salute, la posizione e l'elisir attuale delle unità sopravvissute.
  3. Quando le condizioni sono adatte, schierare un Gigante davanti alle truppe sopravvissute.
  4. Dopo aver visto la carta di risposta dell'avversario, decidere se aggiungere truppe o usare una magia.
  5. Mantenere la capacità di gestire un attacco sull'altra corsia.

Per esempio, se il Moschettiere sopravvive dopo la difesa, schiera il Gigante prima che attraversi il ponte, in modo che il Gigante assorba prima i danni e il Moschettiere continui a infliggere danni. Qui il guadagno di risorse deriva dal fatto che un'unità già pagata partecipa sia alla difesa sia al contrattacco, non dall'ottenere dal nulla un Moschettiere gratuito.

Difesa: scegliere i componenti in base alla minaccia

Minaccia dell'avversario Approccio di gestione prioritario
Unità che bersagliano gli edifici, come il Domatore di Cinghiali Usare tempestivamente il Cannone al centro per deviare, aggiungendo carte in base al supporto
Bersagli terrestri con molti punti salute Mini P.E.K.K.A insieme ai danni della torre; se necessario, usare prima un edificio per cambiare percorso
Gruppi di truppe terrestri Gestirli con il Bombarolo, oppure usare Frecce al momento opportuno
Attacco aereo Schierare separatamente Moschettiere e Sgherri, evitando che vengano eliminati insieme da danni ad area
Supporto nelle retrovie raggruppato Usare Palla di Fuoco per aggiungere danni, poi lasciare che le truppe subentrino

Tutti questi piani dipendono dalla posizione, dal livello, dal tempismo e dal supporto nemico, e non possono essere intesi come formule fisse senza subire danni. Sebbene il Cannone possa attirare le unità aeree che attaccano solo gli edifici, non può attaccare in aria.

Debolezze che devono essere indicate

Un output strategico AI qualificato dovrebbe dire chiaramente al giocatore quando sarà difficile giocare:

  • Dopo che Moschettiere e Sgherri sono stati eliminati, la pressione aerea aumenterà sensibilmente.
  • Questo mazzo non dispone di magie di reset, quindi non bisogna accumulare truppe alla cieca contro difese della serie Inferno.
  • Dopo aver investito nel Gigante, l'altra corsia può diventare il bersaglio della pressione dell'avversario.
  • 3.5 elisir non equivale a una rotazione estremamente rapida: quando le carte difensive chiave vengono giocate in momenti diversi, potrebbero non tornare in mano in tempo.

Pertanto, ciò che il modello fornisce è un punto di partenza per esercitarsi; in seguito, occorre comunque adattarlo in base ai propri livelli delle carte, agli avversari comuni e ai record delle partite.

VII. Generare un poster didattico 4K dal piano tattico

Il testo è adatto a spiegare le ragioni, mentre le immagini sono più adatte a mostrare le relazioni di posizionamento e l'ordine di gioco delle carte. Questo caso non adotta il metodo di disporre meccanicamente otto grandi carte, ma progetta invece l'immagine come tre fasi didattiche collegate:

Difesa a basso costo → Gigante davanti, truppe sopravvissute al seguito → Osservare chiaramente la risposta, aggiungere supporto.

L'immagine seguente è il poster didattico generato questa volta da Image 2.0. Dopo il controllo, le dimensioni del file immagine sono 3840×2160, 16:9.

Poster didattico di contrattacco difensivo con Gigante da 3.5 elisir: otto carte base, costi e passaggi della difesa e del contrattacco

Immagine: schema didattico tattico generato dall'AI; non è uno screenshot di una partita reale e non serve a rappresentare portate precise o posizionamenti casella per casella.

Il prompt deve descrivere le “relazioni didattiche”, non solo lo “stile visivo”

“4K, ricco di dettagli, effetto cinematografico” può descrivere soltanto la direzione visiva, ma non può garantire che il risultato generato abbia valore didattico. Pertanto, il prompt dovrebbe includere contemporaneamente:

  • Relazione tra i personaggi: il Gigante davanti, il Moschettiere e il Bombarolo dietro.
  • Relazione tra le fasi: difesa a sinistra, contrattacco a destra, collegati con frecce.
  • Vincoli delle meccaniche: il Gigante attacca solo gli edifici; il Cannone e il Bombarolo non possono attaccare bersagli aerei.
  • Gerarchia delle informazioni: titolo, tutorial in tre passaggi, elenco del mazzo, costo, note.
  • Indicazioni sui limiti: tutorial in forma normale, l'efficacia è influenzata dal livello delle carte e dalle operazioni.

Di seguito è riportato un prompt semplificato adatto a riprodurre l'idea, non una trascrizione parola per parola del prompt lungo originale:

制作一张16:9横版、3840×2160的中文战术教学海报。

主题：皇室战争“3.5费巨人防守反击”。
画面不是卡牌网格，而是生动的3D卡通竞技场教学场景。

左侧：加农炮中场拉扯，迷你皮卡处理地面肉盾，
火枪手对空，炸弹兵清理地面小兵。

右侧：巨人在最前方向敌方建筑推进，
防守存活的火枪手和炸弹兵在后方分散跟进，
亡灵提供空中支援。

用清晰箭头表达：
低费防守 → 补巨人反击 → 看清解牌再补支援。

底部展示八张卡及费用：
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。

标注：
平均圣水3.5；
巨人＋炸弹兵＝7费；
巨人＋火枪手＝9费。

提醒：
保留防守圣水、后排分散站位、先看解牌再交法术。

确保中文清晰、战术指向准确。
不要画巨人攻击部队，不要画加农炮或炸弹兵攻击空中。

Configurazione dell'interfaccia immagini

La documentazione dell'interfaccia di generazione immagini supporta la specifica delle dimensioni in pixel tramite size; la specifica 4K in 16:9 è 3840x2160; scrivere soltanto “4K” nel prompt non può sostituire il parametro delle dimensioni.

La configurazione principale del corpo della richiesta è la seguente, dove prompt deve essere sostituito con la descrizione completa del poster:

{
  "model": "gpt-image-2",
  "prompt": "此处填写完整的战术教学海报提示词",
  "size": "3840x2160",
  "quality": "high",
  "n": 1,
  "output_format": "png",
  "response_format": "url"
}

L'interfaccia corrispondente è:

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

Fallimenti e passaggi durante il processo di generazione effettivo

Inizialmente, in questa occasione è stato utilizzato Image 2.5, ma il compito si è concluso con un chiaro errore del servizio upstream, senza produrre immagini. Successivamente, dopo aver confermato il passaggio, è stato utilizzato gpt-image-2, mantenendo le specifiche 4K e 16:9, e la generazione è infine riuscita.

Qui c'è un importante principio ingegneristico:

Mentre il compito è ancora in esecuzione, interrogare lo stesso compito; dopo che il compito è chiaramente fallito, decidere se riprovare o cambiare modello.

Lo strumento immagini MCP utilizzato in questa occasione viene eseguito come attività asincrona: dopo l'invio si ottiene l'ID dell'attività, quindi si interroga fino al successo o al fallimento. Quando si chiama direttamente l'interfaccia HTTP, invece, occorre gestire la restituzione sincrona o il callback asincrono secondo la documentazione corrispondente, senza mescolare le strutture di risposta di diversi metodi di chiamata.

VIII. Come trasformarlo ulteriormente in uno strumento a iterazione sostenibile?

Se si vuole espandere questo caso in un vero assistente per mazzi, è possibile aggiungere tre livelli di capacità.

1. Dati versionati

Registrare nomi delle carte, costi, bersagli d'attacco, livelli e data di aggiornamento dei dati. Per dati soggetti a facili cambiamenti, come danno, punti vita e portata, utilizzare dati con fonti, anziché affidarsi alla memoria del modello.

2. Vincoli della collezione di carte dell'utente

Utilizzare come input le carte sbloccate dall'utente e i relativi livelli. Quando la differenza di livello è molto grande, una combinazione teoricamente ragionevole non significa necessariamente prestazioni effettive migliori.

3. Feedback dalle battaglie

Registrare continuamente i principali metodi d'attacco dell'avversario, in quale fase si è perso il vantaggio di Elisir, se le carte chiave anti-aeree sono state usate in modo sfalsato, e se il problema deriva dalla struttura del mazzo oppure dal posizionamento e dalla tempistica.

Lasciare poi che il modello proponga, sulla base di questi registri, suggerimenti di adattamento in cui si modificano solo una o due variabili alla volta, invece di cambiare l'intero mazzo dopo ogni sconfitta.

Anche il poster dovrebbe essere sottoposto a una verifica indipendente: controllare se tutte e otto le carte sono complete, se il cinese è corretto, se i costi sono coerenti e se le frecce puntano agli obiettivi corretti. Una generazione riuscita non equivale al superamento della verifica dei contenuti, e una risoluzione corretta non equivale necessariamente a un diagramma tattico completamente accurato.

Conclusione

Questo caso non mostra che “l'IA calcola automaticamente il mazzo più forte”, ma un metodo d'uso più affidabile:

Usare i vincoli per delimitare il compito, usare GPT-6 Astra per spiegare le sinergie, usare il codice per verificare i valori numerici, usare Image 2.0 per mostrare le tattiche, quindi usare il feedback dalle partite per correggere la soluzione.

L'idea centrale del mazzo Gigante ottenuto alla fine può essere condensata in una frase:

Il Cannone attira, il Mini P.E.K.K.A gestisce i tank, il Moschettiere copre l'aria, il Bombarolo elimina i gruppi; dopo aver difeso, lascia che il Gigante vada davanti.

Rispetto al ricevere soltanto i nomi di otto carte, il valore maggiore di questo metodo è che il giocatore non solo sa “cosa portare”, ma può anche capire “perché portarlo così e quando dovrebbe giocare in questo modo”.

Riferimenti

Questo articolo è un caso pratico di strategia e sviluppo assistiti dall'IA, non una guida ufficiale Supercell. La copertina e il poster didattico sono immagini illustrative generate dall'IA; i personaggi e i marchi relativi a «Clash Royale» appartengono ai rispettivi titolari dei diritti.