复盘系统怎样区分操作失误、信息不足和战术决策错误？

“死了”不是原因：四种错误为什么需要分开看

先设想三个示意场景。第一次：玩家准确预瞄了拐角，对手出现后他抢先开火，却因枪线抖动没有命中，被反杀。第二次：玩家从侧通道转出时，对手已架了十几秒，而他此前毫无信息，被直接击杀。第三次：玩家听到了脚步声，也看见队友倒下，仍然正面冲进对方占据高点的区域。三次都是“死亡”，性质完全不同。

把它们分别称为操作失误（Mechanical Error）、信息失误（Information Error）和决策失误（Decision Error），再加上无法归咎于个人的团队失误（Team Error），是因为每一类对应不同的改进路径：操作失误练瞄准和移动，信息失误练视野习惯与报点，决策失误要重新评估风险收益，团队失误则回到协同和角色分工。PA真人在做AI游戏复盘时，把“分型”视为报告里最重要的一层，因为它决定了下一步练什么。

判定树：先问“他知道什么”，再问“他能做什么”

分型有一个容易被忽略的顺序：先看信息，再看选择，最后才看操作。原因是，如果玩家当时根本没有获得关键信息，那么后面的选择和操作就不能用“事后已知的答案”来评判。一个简化的判定树可以这样走：

1. 当时对该玩家可见或可推断的信息，是否包含导致死亡的关键事实（对手位置、数量、道具）？若没有，倾向于信息失误。
2. 信息足够的情况下，可选动作集合里是否存在明显更优的方案（后撤、等待队友、换路线）？若存在而玩家未选，倾向于决策失误。
3. 选择本身合理时，执行是否出现偏差（预瞄偏离、反应延迟、移动错误）？若是，倾向于操作失误。
4. 以上都不能解释时，检查队友距离、支援缺失与技能交替，判断是否属于团队失误。

这棵树的关键是“信息可见性”这个概念。它不能靠死亡时的最终画面来推断，而要还原事件发生之前那一段时间线上玩家实际能看到、听到什么，这与死亡前30秒的还原方法是同一套思路。

判定需要什么数据：可见信息与可选动作

判定树看起来简单，落地依赖的数据却不便宜。首先是可见信息：玩家的视野范围、已暴露的队友和对手位置、音频事件（脚步、技能声）、队伍语音里报出的信息。这些通常来自Telemetry（比赛遥测数据）和回放解析；没有服务端数据时，就要借助计算机视觉读取小地图、血条和击杀信息，准确度会受遮挡和界面差异影响。

其次是可选动作集合。它不是“理论上可以做的所有事”，而是当时资源、位置和时间下现实可行的几种选择，例如退回掩体的距离、能否等到队友技能冷却。构造它需要地图几何与规则建模，并用相似局面的历史表现做参照。示意来说，若类似局面里“后撤等待”的成功率明显高于“正面推进”，而玩家选了后者，系统才会倾向标为决策失误，并同时标注样本量和置信度。

容易误判的地方：类型之间的灰色地带

分型不是精确科学，有三个灰色地带需要警惕。第一，信息不足与操作失误容易混淆：玩家其实听到了脚步声，却被嘈杂的队友语音淹没，这算信息失误还是注意力问题？第二，决策错误与结果偏见：事后看某个选择输了，就容易认定它是错的，但在当时的信息下，它可能已是风险收益最合理的方案。第三，团队失误常被当作个人失误，例如队友没有跟进，导致你被孤立。

减少误判的实用做法是多标签输出：一次死亡可同时带有“信息缺失（主要）”和“团队脱节（次要）”，而不是强行归入一类；置信度低的样本用“疑似”“建议核对”，而不是“错误”。样本量也要留意：同一类型在几十个回合里反复出现，才值得写成玩家的稳定短板，只出现一两次更可能是随机波动。

从分型到训练：PA真人的做法与边界

分型的最终目的是转化为可执行的训练动作。PA真人的设计思路是，把每一种类型与一组训练任务绑定，再根据出现频率排序，而不是一次列出所有问题。若某位玩家近期复盘里信息类失误占多数，报告优先推荐视野切换与报点练习；集中在决策类，则推荐针对特定局面的情景演练；操作类偏多，才进入具体的瞄准与移动训练。查看方式可参考复盘报告的使用说明。

边界同样要说明。分型依赖数据的完整度与地图版本，更新后历史对比需要重新校准；缺少语音或视野数据时，信息类判断的置信度会明显下降；不同水平玩家的“合理选择”标准也不同，新手与职业选手不应用同一把尺子。PA真人给出的分型只是供玩家与教练参考的假设，最终需要人工确认，不应被当作对某个人能力的定论。