自动关联目录：StateTree 与 Mass

覆盖说明：官方 Gameplay Systems 正文点名 State Trees 与 Mass Entity System 为 AI 系统之二（已核实）。本页覆盖两者的定位、适用边界与代价，具体 API 以目标版本为准。

1. 定位

StateTree 与 Mass 都是"行为树之外的另一条路"，但方向相反：

• StateTree：比行为树更擅长状态驱动的逻辑，且不限于 AI（可用于任何对象）
• Mass：为海量简单实体设计，用 ECS 式的数据布局换取规模

一句话定位：个体复杂用行为树/状态树，个体简单但数量极多用 Mass。

2. StateTree

什么时候选 StateTree：

• 逻辑本质上是"处在某个状态、满足某条件就切换"
• 需要一套机制同时服务于 AI 与非 AI 对象
• 行为树里出现了大量"装饰器 + 强制返回"的绕弯写法

什么时候仍用行为树：

• 现有项目已在用，迁移成本高
• 逻辑确实是"依次执行一组任务"的流程

3. Mass（Mass Entity / Mass AI）

判断标准：实体数量是否大到"每个都跑完整行为树"已经不可行？是 → Mass。

4. 代价与权衡

5. 踩坑与排查

6. 排查顺序

1. 先判断规模：几十个 → 行为树/StateTree；成百上千个简单实体 → Mass
2. 再判断逻辑形态：状态驱动 → StateTree；任务流程 → 行为树
3. 混用时 → 明确分层与桥接
4. 调试 → 各系统有各自的调试手段，见 `AI 调试`

参考

• 行为树 · 导航系统 · AI 调试 篇
• 官方 Gameplay Systems 分类（State Trees、Mass Entity System）