limboai
LimboAI 是一款专为 Godot Engine 4 设计的开源 C++ 插件,旨在帮助开发者高效构建复杂的游戏人工智能。它创造性地将“行为树”与“状态机”两种强大的逻辑架构结合在一起,让游戏角色(如 NPC 或敌人)的行为更加丰富、模块化且易于管理。
在传统游戏开发中,编写复杂的 AI 逻辑往往会导致代码混乱、难以调试和维护。LimboAI 通过提供可视化的行为树编辑器、内置文档以及直观的视觉调试器,极大地降低了这一门槛。开发者无需深入 C++ 底层,即可完全使用 GDScript 自定义任务节点和状态,灵活实现从简单的巡逻到复杂的战术决策等各种行为逻辑。此外,项目还附带了详尽的演示场景和教程,帮助用户快速上手。
这款工具非常适合 Godot 游戏开发者、技术美术以及希望提升游戏智能表现的设计师使用。无论你是独立开发者还是团队成员,LimboAI 都能让你以更清晰的结构掌控角色行为,将精力更多地投入到创意玩法的实现上,而非纠结于繁琐的代码逻辑。
使用场景
某独立游戏团队正在开发一款 2D 潜行动作游戏,需要为关卡中的守卫敌人设计一套能根据玩家动态灵活切换“巡逻、警戒、追击、搜索”状态的复杂 AI。
没有 limboai 时
- 代码逻辑如蜘蛛网:开发者被迫在 GDScript 中编写大量嵌套的
if-else和状态标志位,导致代码难以阅读且极易产生逻辑漏洞。 - 调试过程靠猜:当敌人出现“卡在墙角无限循环”或“无视玩家”的 Bug 时,只能依靠打印日志盲目排查,无法直观看到当前执行到哪一步逻辑。
- 策划与程序割裂:调整行为逻辑(如修改警戒范围或追击时长)必须修改代码并重新编译,策划人员无法直接参与行为调优,迭代效率极低。
- 状态切换僵硬:难以优雅地处理中断逻辑(例如在巡逻中被突然打断去追击),往往需要手动重置大量变量,容易引发状态不同步。
使用 limboai 后
- 可视化编排逻辑:利用内置的行为树编辑器,通过拖拽节点即可构建清晰的层级化 AI 逻辑,代码量减少 70%,结构一目了然。
- 实时可视化调试:借助运行时调试器,开发者能直接在编辑器中看到绿色高亮的当前执行路径,瞬间定位逻辑卡点,修复时间从小时级缩短至分钟级。
- 热更调优行为:设计师可直接在编辑器中调整节点参数(如视野角度、反应延迟)并实时在游戏中验证效果,无需程序员介入修改代码。
- 优雅的状态管理:结合分层状态机,轻松实现行为的平滑过渡与中断恢复,确保敌人在任何突发情况下都能做出符合预期的自然反应。
limboai 将原本晦涩难懂的 AI 代码转化为可视化的逻辑蓝图,让游戏角色的行为设计变得高效、透明且易于协作。
运行环境要求
- Windows
- macOS
- Linux
未说明
未说明

快速开始
LimboAI - 适用于 Godot 4 的行为树与状态机
支持的 Godot 引擎版本: 4.6 (较旧版本请见下方)
LimboAI 是一个开源的 C++ 插件,专为 Godot 引擎 4 设计,提供了 行为树 和 状态机 的组合,两者可以协同工作以创建复杂的 AI 行为。它自带行为树编辑器、内置文档、可视化调试器、包含教程的丰富示例项目等!尽管它是用 C++ 实现的,但它完全支持 GDScript,可用于 创建自定义任务 和 状态。
如果您喜欢使用 LimboAI,请考虑通过 Ko-fi 向我捐款以支持我的开发工作 😊 您的支持将帮助我继续改进和优化它。

行为树是一种强大的层次化结构,用于建模和控制游戏中智能体(如角色、敌人)的行为。它们旨在让开发者更轻松地为游戏创建丰富且高度模块化的行为逻辑。要深入了解行为树,请参阅 行为树简介 以及我们的示例项目,其中包含详细的教程。
展示

[!注意] 示例项目 位于
demo文件夹中,并在 发布页面 中单独提供。 运行demo/scenes/showcase.tscn即可开始体验。 该项目还包含一个教程,通过生动的示例介绍行为树的概念。
视频
由不同创作者制作的 YouTube 视频
支持的 Godot 版本
| 插件版本 | GDExtension/AssetLib | 模块 |
|---|---|---|
1.7.x 版本 |
Godot 4.6 或更高 | Godot 4.6 |
1.6.x 版本 |
Godot 4.4、4.5、4.6 | Godot 4.6 |
1.5.x 版本 |
Godot 4.4、4.5 | Godot 4.5 |
1.4.x 版本 |
Godot 4.4、4.5 | Godot 4.4 |
1.2.0-1.3.x 版本 |
Godot 4.3 | Godot 4.3 |
1.1.x 版本 |
Godot 4.2 | Godot 4.2 |
功能特性
行为树(BT):
- 在编辑器中轻松创建、编辑和保存
BehaviorTree资源。 - 使用
BTPlayer节点执行BehaviorTree资源。 - 通过组合和嵌套任务构建复杂的层级行为。
- 利用复合、装饰器和条件任务控制执行流程。
- 通过扩展核心类
BTAction、BTCondition、BTDecorator和BTComposite,创建自定义任务。 - 内置类文档。
- 黑板系统:使用
Blackboard在任务之间无缝共享数据。- 黑板计划:在
BehaviorTree资源中定义变量,并在BTPlayer节点中覆盖其值。 - 计划编辑器:管理变量、其数据类型和属性提示。
- 黑板作用域:防止名称冲突,并支持高级技术,例如 在多个智能体之间共享数据。
- 黑板参数:导出 BB 参数,用户可以为其提供值,或将其绑定到黑板变量(可在自定义任务中使用)。
- 检查器支持指定黑板变量(为以
_var结尾的导出StringName属性提供自定义编辑器)。
- 黑板计划:在
- 使用
BTSubtree任务从其他资源文件中执行子树,从而提高组织性和可重用性。 - 可视化调试器:在运行场景中检查任意 BT 的执行情况,以便识别和排查问题。
- 使用
BehaviorTreeView节点在游戏中可视化 BT(用于自定义游戏内工具)。 - 通过自定义性能监控器监测树的性能。
- 在编辑器中轻松创建、编辑和保存
层次状态机(HSM):
已测试: 行为树任务和 HSM 均有单元测试覆盖。
GDExtension: LimboAI 可以作为 扩展使用。无需自定义引擎构建。
示例 + 教程: 请查看我们的大型示例项目,其中包含使用示例介绍行为树的内容。
入门步骤
请按照 入门指南 学习如何开始使用 LimboAI 和示例项目。
获取 LimboAI
LimboAI 可以作为 C++ 模块或 GDExtension 共享库使用。GDExtension 版本使用起来更方便,但功能上有所限制。无论您选择哪种方式,您的项目都将同时兼容两者,并且可以随时切换。请参阅 使用 GDExtension。
预编译版本
- 对于最新版本,请前往 Actions → All Builds,从列表中选择一个构建,然后向下滚动至 Artifacts 部分。
- 对于发布版本,请查看 Releases。
从源码编译
- 下载 Godot 引擎源代码,并将本模块源代码放入
modules/limboai目录。 - 请参考 Godot 引擎文档,了解 如何从源码编译。
- 如果您计划导出使用 LimboAI 模块的游戏,还需要构建导出模板。
- 要运行单元测试,需使用
tests=yes编译引擎,并以--test --tc="*[LimboAI]*"运行。
对于 GDExtension
- 您需要 SCons 构建工具和 C++ 编译器。更多信息请参阅 编译指南。
- 运行
scons target=editor以构建适用于您当前平台的插件库。- 如果
limboai/godot-cpp目录中尚未存在 godot-cpp/ 仓库,SCons 会自动克隆该仓库。 - 默认情况下,构建的目标文件会放置在示例项目中:
demo/addons/limboai/bin/。
- 如果
- 请查阅
scons -h以获取其他选项和目标。
使用插件
- 在线文档:稳定版、最新版
- 入门指南
- 行为树简介
- 在 GDScript 中创建自定义任务
- 使用黑板共享数据
- 访问场景树中的节点
- 状态机
- 使用 GDExtension
- 使用 LimboAI 与 C#
- 类参考
贡献
我们欢迎任何贡献!请针对 bug 报告、功能请求或代码更改提交问题。 有关参与代码或文档贡献的详细指南,请参阅我们的 贡献页面。
如果您对行为树任务或可在多种项目中使用的功能有任何想法,请提交一个问题进行讨论。
社交
需要帮助吗?我们有一个 Discord 服务器:https://discord.gg/N5MGC95GpP
我在 Mastodon 上分享 LimboAI 的开发进展:https://mastodon.gamedev.place/@limbo。
许可证
本源代码的使用受 MIT 许可证约束,该许可证可在 LICENSE 文件中找到,或访问 https://opensource.org/licenses/MIT 查阅。
LimboAI 的 logo 和演示项目美术资源采用知识共享署名 4.0 国际许可协议授权,详情请参见 https://creativecommons.org/licenses/by/4.0/。
版本历史
v1.7.02026/03/01v1.6.02026/01/28v1.5.32025/12/21v1.5.22025/11/08v1.5.12025/10/15v1.5.02025/10/05v1.4.12025/03/15v1.4.02025/03/05v1.3.12025/02/03v1.3.02025/01/21v1.2.22024/09/16v1.2.12024/09/05v1.2.02024/08/22v1.2-rc2024/08/15v1.1.12024/08/07v1.1.02024/06/18v1.1-rc2024/06/04v1.0.22024/04/23v1.0.12024/04/03v1.02024/03/22常见问题
相似工具推荐
opencode
OpenCode 是一款开源的 AI 编程助手(Coding Agent),旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件,而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码,还是排查难以定位的 Bug,OpenCode 都能通过自然语言交互高效完成,显著减少开发者在重复性劳动和上下文切换上的时间消耗。 这款工具专为软件开发者、工程师及技术研究人员设计,特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构,这意味着用户可以审查代码逻辑、自定义行为策略,甚至私有化部署以保障数据安全,彻底打破了传统闭源 AI 助手的“黑盒”限制。 在技术体验上,OpenCode 提供了灵活的终端界面(Terminal UI)和正在测试中的桌面应用程序,支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具,安装便捷,并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客,还是渴望提升产出的独立开发者,OpenCode 都提供了一个透明、可信
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
funNLP
funNLP 是一个专为中文自然语言处理(NLP)打造的超级资源库,被誉为"NLP 民工的乐园”。它并非单一的软件工具,而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。 面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点,funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具,还独特地收录了丰富的垂直领域资源,如法律、医疗、金融行业的专用词库与数据集,甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性,从基础的字典词典到前沿的 BERT、GPT-2 模型代码,再到高质量的标注数据和竞赛方案,应有尽有。 无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师,还是从事人工智能研究的学者,都能在这里找到急需的“武器弹药”。对于开发者而言,它能大幅减少寻找数据和复现模型的时间;对于研究者,它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神,极大地降低了中文自然语言处理的开发与研究成本,是中文 AI 社区不可或缺的宝藏仓库。
cs-video-courses
cs-video-courses 是一个精心整理的计算机科学视频课程清单,旨在为自学者提供系统化的学习路径。它汇集了全球知名高校(如加州大学伯克利分校、新南威尔士大学等)的完整课程录像,涵盖从编程基础、数据结构与算法,到操作系统、分布式系统、数据库等核心领域,并深入延伸至人工智能、机器学习、量子计算及区块链等前沿方向。 面对网络上零散且质量参差不齐的教学资源,cs-video-courses 解决了学习者难以找到成体系、高难度大学级别课程的痛点。该项目严格筛选内容,仅收录真正的大学层级课程,排除了碎片化的简短教程或商业广告,确保用户能接触到严谨的学术内容。 这份清单特别适合希望夯实计算机基础的开发者、需要补充特定领域知识的研究人员,以及渴望像在校生一样系统学习计算机科学的自学者。其独特的技术亮点在于分类极其详尽,不仅包含传统的软件工程与网络安全,还细分了生成式 AI、大语言模型、计算生物学等新兴学科,并直接链接至官方视频播放列表,让用户能一站式获取高质量的教育资源,免费享受世界顶尖大学的课堂体验。






