本项目旨在训练能够自主学习、规划并通过对战持续提升的深度学习策略 AI，长期目标是在文明类复杂策略游戏中达到强大的游戏能力。“强 AI”是项目目标，不代表已经实现通用人工智能或具备经过验证的强棋力。
CIVVIS 是开源文明类模拟器；其规则驱动的 AdvancedAi 在初期主要作为数据采集的老师和对手。我们记录玩家视角、完整候选动作和老师选择，先进行模仿学习，再探索对战强化学习和历史版本自我对弈。真实《文明 VI》及 HD/W&T 的模型联动仍需后续适配和验证。
- 本开发分支基于 CIVVIS 提交
c06690a2751a39c84781b4344b10ccd1a5489495，对应已有数据的基础引擎。上游及 fork 的main可继续独立更新。 prepare.py从固定提交生成.build/engine，增加动作前后采集钩子；可选的arena-clock修复特定场景中唯一存活文明的回合推进。上游源码保持独立。src/包含采集及对战接口；civ6_model/包含实体、动作与跨回合记忆模型；server_processing_v2/包含按整局校验的转换工具；train.py和arena_pipeline.py提供实验训练入口。- 工程验证与小样本试验不等于最终棋力验收。模型、数据及训练集和测试集需要版本化并独立评估。
需要 Git、Python、Rust 和对应的编译工具链。在仓库根目录运行 python LearningAI/prepare.py 生成固定引擎副本，然后运行 cargo build --release --manifest-path LearningAI/Cargo.toml。Windows 的 build.ps1 使用项目指定的本地工具链路径；其他环境需自行配置。训练依赖见 requirements-training.txt，并按实际平台安装 PyTorch。
完整训练数据、模型权重、运行日志、私有配置和服务器凭据不包含在仓库中。数据集发布与许可另行核实。上游 CIVVIS 采用 GPL-3.0-or-later；本目录中的相应代码亦以该许可发布，详见仓库 LICENSE。