2048 × Jev

决策由 Jev 评估模型给出

启发式回退

←→↑↓ 手动 · Space 暂停

步进间隔 2.0s

存档

四类内容各自独立成档，可分别备份与恢复。导出的是 JSON 文件，导入时逐项校验。

游戏（对局）

当前棋盘、分数、轮次、记忆，以及棋盘尺寸与历史最高分／最大方块。

策略

上下文（规则说明、策略提示、后果预测、记忆轮数）与规则（决策策略、置信度门槛）。

API

自动重试参数。不含密钥 —— 密钥从不落盘，因此也无法导出。

调用日志

全部请求记录（含完整请求体与响应）。只支持导出 —— 日志是过程记录，导入它没有意义。

整体

游戏

棋盘与新方块的自然属性。这里改任何东西，都不会影响 Jev 看到的内容，也不影响它怎么决策。

棋盘大小（宽 × 高，各自独立）

×

2 – 16。改动会立即重开一局；历史纪录按「宽×高」分别记录。

新方块取值区间（填 2 的指数）

填指数 n，实际取值是 2ⁿ —— 0 → 1、1 → 2、2 → 4，以此类推。

2^= 1 ~ 2^= 4

指数需为非负整数，且上界不小于下界

生成分布

加权模式下 2 与 4 的出现比约为 2 : 1（P(2)=2/3）；均匀模式各占一半。

初始方块个数区间

开局时随机摆放几个方块。下限不能小于 1 —— 空棋盘上任何方向都动不了，第一步就会判负。

~

下限至少为 1，且不得大于上限

动效滑动 / 合并 / 入场动画决策方向箭头粒子

策略

分两部分：上下文决定 Jev 看到什么，规则决定拿到答案后怎么做。

上下文改动会进入请求，影响 Jev 的判断 —— 效果看「概率分布」

规则说明 → state.rule_description

策略提示 → state.strategy_hint

后果预测 → questions.criteria 包含每步的具体后果

开启后每个候选方向附带合并得分、剩余空格、最大块是否在角落。关掉它，Jev 只能看到方向名。

记忆轮数 → state.recent_history

把最近 n 轮的「局面 + 当时走的方向 + 当时得分」一并发给 Jev。0 = 不加入（原版行为）。

0

上限受模型上下文窗口约束（32000 token 的 55% 预算）。

规则不进入请求，Jev 看不到 —— 效果看「实际走了哪一步」

决策策略

本 Demo 不含启发式兜底：拿不准时不换别的算法，而是把不确定性标出来交给你判断。