AI帮你找队友，为什么不能只看“都喜欢同一个游戏”？

一个AI队友知道你们都喜欢同一款游戏，并不代表你们愿意一起打两个小时副本。这句话听起来像常识，但很多所谓的“智能组队”恰恰栽在这里：系统看到两个账号都玩了同一款合作游戏，就把它们放进同一个推荐列表，然后期待一段愉快的合作关系自然发生。现实往往是，一个人想在开局前把装备配好、路线讨论清楚，另一个人已经冲进了第一个房间；一个人打算通关就睡觉，另一个人才刚刚吃完晚饭。

爱游戏在设计游戏社交助手时，把队友匹配当成一个兼容性问题，而不是相似度问题。相似度回答的是“你们像不像”，兼容性回答的是“你们放在一起会不会顺”。两者差别很大：两个都爱抢输出的玩家非常相似，却可能在副本里互相抢怪；一个爱冲的输出和一个爱观察的辅助并不相似，配合起来却常常最舒服。下面按照“兴趣、行为、关系、推荐、用户控制”的顺序，把这套思路拆开讲。

兴趣标签为什么只是入场券

游戏名称是最容易拿到的信号。玩家玩过什么、收藏过什么、加入过哪些社区，都可以直接统计。基于这些信息，系统能很快回答“这个人大概喜欢哪一类游戏”，也就是兴趣模型里最粗的一层。它有用，但只是入场券：它能帮系统把候选人从全体玩家缩小到“可能有共同话题的一小群人”，却无法进一步判断他们能不能合作。

原因在于，同一款游戏内部就存在完全不同的玩法。以一款常见的多人合作闯关游戏为例，有人追求最短通关时间，会背下每一个刷新点；有人把它当作聚会工具，一边聊天一边随便走走；有人喜欢研究隐藏要素，宁愿在一个房间里停留十分钟。这三种玩家的账号里都写着同一个游戏名，兴趣标签完全一致，游戏习惯却几乎互不相容。

如果匹配只依赖标签，这类冲突就会被系统完全忽略，而玩家会把不愉快归结为“这个推荐不准”，甚至干脆关掉推荐功能。所以在爱游戏的设计思路里，兴趣标签只负责“召回”，也就是先划出一个候选池；真正决定谁排在前面的，是后面几层信号。

行为信号：把“同一款游戏”拆成八个维度

为了让匹配说得清楚，我们把一个玩家在某类游戏里的偏好拆成八个维度。它们并不都需要玩家手动填写，一部分来自玩家自己声明，一部分来自可以解释的行为统计，还有一部分要靠玩家在使用中的反馈慢慢修正。

这张表里最容易被忽略的是“沟通偏好”和“竞技或休闲”。一个只想安静打游戏的玩家，被系统安排给一个全程开麦讲战术的队友，即使段位相同、时间吻合，也会很快疲惫。同样，一个想冲榜的玩家遇到一个说“随便玩玩就行”的队友，不需要任何人犯错，双方的失望已经埋好了。

需要强调的是，这些维度是对“玩法”的描述，而不是对“人”的评价。系统没有必要、也不应该给玩家贴上性格标签，更不应该从行为里推断与游戏无关的个人属性。它只回答一个很窄的问题：在这一类游戏里，这个玩家通常怎样玩，希望怎样合作。

兼容而非相似：哪些要一致，哪些要互补

有了维度以后，下一步是决定每个维度怎么比较。这里最容易犯的错误，是把所有维度都用同一种“越像越好”的方式打分。实际上，维度大致分成三类。

• 必须一致或重叠的维度：在线时间、语言、竞技或休闲倾向。这些维度上的差异不是风格问题，而是能不能开始一局的问题。时间不重叠的两个人，再合拍也无法组队。
• 需要相近但允许有距离的维度：玩法风格、沟通偏好、组队规模。相差一点无所谓，相差太大会持续消耗耐心。比如一个偏稳扎稳打的玩家，可以接受节奏稍快的队友，却很难适应完全不做沟通的速通队。
• 适合互补的维度：角色偏好。一支队伍里全是输出或全是辅助，都不会舒服。系统在这一维上应该看“缺什么”，而不是“像什么”。

把这三类结合起来，兼容性得分就不再是一个简单的相似度，而是一组带条件的规则：先看硬性条件能不能满足，再看软性偏好的距离，最后看队伍组成是否互补。系统可以先把明显不可能的候选人剔除，再在剩下的人里排序，这样排出来的结果，比单个“相似度分数”更容易向玩家解释。

这也是爱游戏不建议只靠段位做匹配的原因之一。段位反映的是技术水平，它对“会不会输”有参考价值，却对“聊不聊得来”“节奏合不合”几乎没有说明力。关于沟通习惯和游戏节奏如何进入匹配，另一篇文章段位相近为什么仍可能不适合组队会展开来谈，这里不再重复。

模拟场景：周五晚上的合作副本

下面是一个模拟场景，用来说明这些信号如何一起工作。所有细节都是为了演示而设定的假设，不代表真实数据。

假设一位玩家在周五晚上打开爱游戏App，想找人一起打一个四人合作副本。他的资料里写着：偏好合作类玩法，常用角色是辅助，平时在晚上八点到十一点之间上线，愿意开麦但不喜欢被频繁催促，属于休闲玩家。过去三周里，他有两个周五晚上玩过同类副本，对局中他更常留在队伍后方补给。

系统先做召回：从当前在线、玩合作类游戏的玩家里，划出几十位候选人。接着做硬性过滤：时间窗口与他不重叠的、只接受纯文字沟通而他习惯开麦的、明确只打排位的，都被排除。剩下的候选人里，系统再比较玩法风格：有的人历史对局显示总是抢先冲进新区域，有的人则习惯等队友到齐；有的人常用角色是输出，有的人也是辅助。

结果排在前面的，是一位常用输出角色、开麦频率适中、偏好稳扎稳打的玩家。两个人的常用角色互补，节奏相近，时间重叠。系统给出的推荐理由是：“你们过去三周里有两个周五晚上都玩过合作副本，你常担任辅助，对方常担任输出，双方都偏好开局前先沟通路线。”

这一步之后，系统并不会替他加好友，也不会直接把两人拉进同一支队伍，而是把这条推荐连同理由展示给他，由他选择是否发出邀请。假设他发了邀请，对方也同意，两人打了一局。对局结束后，系统会轻轻询问：“这次配合感觉如何？”如果他选了“节奏偏慢”，这一维度的权重会略微调整，下次遇到同样风格的推荐时，系统会更谨慎。

这个场景里有几个地方可能出错。第一，玩家声明的偏好可能已经过时，比如他最近其实想尝试更快的节奏；第二，统计出来的“常用辅助”也许只是因为队友总是缺辅助；第三，同样的行为在不同游戏里含义不同，在一款游戏里的谨慎，可能在另一款里只是不熟悉。这些误差都需要通过玩家的反馈慢慢修正，而不是被当作事实固定下来。

稳定偏好、近期行为与冷启动

再来看一个技术上的问题：哪些信号可以长期使用，哪些应该很快淡出。玩家声明的语言、沟通偏好、竞技或休闲倾向，通常变化较慢，可以视作稳定偏好；常用角色、最近玩的游戏类型、组队规模，则更多反映近期行为，会随着阶段变化。同一个人前半年热衷竞技，后半年转向休闲，并不是矛盾，而是玩家状态的自然迁移。

所以爱游戏在设计里把这两类信号分开存放。稳定偏好更新慢，需要玩家自己确认；近期行为可以随时间衰减，越新的记录权重越高。这样一来，玩家换了游戏或换了心态，系统不会固执地拿三个月前的画像去推荐。关于“兴趣漂移”如何影响画像，另一篇讨论旧画像为什么不能一直使用的文章会有更细的展开。

冷启动是另一个现实难题：一个刚注册的玩家没有任何历史，系统怎么推荐？我们的做法是尽量少问，只问最影响兼容性的几个问题，比如通常什么时间上线、习惯开麦还是打字、偏竞技还是偏休闲。问题都可以跳过，也可以稍后修改。跳过的维度，系统在匹配时按“不确定”处理，宁可少推荐，也不要凭猜测给出很有把握的结果。

此外，冷启动阶段的推荐应当明确标注“信息较少”，让玩家知道这份推荐有多大程度只是粗略参考。等玩家真正打过几局，反馈和行为逐渐积累，推荐才会变得更具体。

推荐理由要说得出口，拒绝要拒绝得了

兼容性打分即使做得再细，也只是一种估计，估计就可能出错。真正让匹配变得可用的，是围绕它的解释与控制。

首先是理由。每一条推荐都应该附带一个能被玩家理解、也能被玩家反驳的理由，比如“你们的在线时间重叠”“你们都偏好开局前沟通”。理由不能含糊到“根据你的兴趣推荐”，更不能暗示系统掌握着玩家没有提供的信息。同时，理由也要有隐私边界：它可以描述“你们的偏好相近”，却不能泄露对方的具体游戏记录、在线轨迹或者聊天内容。

其次是反馈闭环。玩家应该能对每一条推荐说“不合适”，并选择原因：时间不对、节奏不合、沟通风格不符、不想再看到这类推荐。这些反馈要真的反映到后续推荐中，而不是变成一个装饰性的按钮。

最后是控制。玩家可以暂停推荐、重置画像、关闭某一类推荐，也可以选择完全不使用社交推荐，只保留自己手动搜索的方式。这一层是整个匹配设计的底线：AI可以帮玩家发现可能合得来的人，但决定是否联系、是否组队、是否继续合作的，始终是玩家本人。关于社交助手的权限边界和用户控制，我们在AI社交助手为什么要把控制权留给玩家一文中有专门讨论。

还有一点需要坦白：兼容性匹配不可能消除所有失败。有些玩家在对局中的状态与平常不同，有些合作的好坏取决于一局里的偶然事件。爱游戏的设计目标不是保证每次组队都愉快，而是把明显不合适的组合尽量挡在前面，把有可能合得来的人更早地介绍给玩家，同时保证玩家随时可以退出、纠正或重新开始。

好的队友推荐，交付的是一次顺畅合作的可能性

回到开头那个判断：知道你们喜欢同一款游戏，只是匹配的起点。真正决定一次组队是否愉快的，是时间、目标、沟通和节奏能不能对上，以及角色能不能互补。把这些拆开来看，就会发现“找队友”更像是给两个人安排一次可能顺畅的合作，而不是把两个相似的账号放在一起。

所以爱游戏对这类功能的态度是：宁可推荐少一点、理由清楚一点，也不做一个看起来很聪明、实际上让玩家反复失望的匹配器。最终的标准并不是推荐了多少人，而是玩家在看到推荐时，能不能理解为什么是他们，能不能安心地说“好”或者“不”。这一点做到了，匹配才算真正开始有用。