Negamax四子棋quiescent search实现与静默走法评估问题

以下为适配四子棋规则的核心问题解答，同时针对你遇到的地平线效应bug给出落地修复方案。

1. 静态搜索的待遍历走法设计（对应国际象棋代码的every_capture_has_been_examined逻辑） #

国际象棋版本的遍历逻辑围绕「吃子」这类会剧烈改变盘面价值的强制走法设计，四子棋无吃子规则，必须替换为适配本规则的高威胁走法筛选逻辑，不能硬套吃子判断。
实际实现时仅需生成三类高威胁走法纳入静态搜索遍历，并且严格按威胁等级从高到低排序，方便提前触发alpha-beta剪枝：

• 己方落子后直接形成四子连珠的制胜走法，优先级最高
• 可阻挡对手下一步直接制胜的防守走法：如果当前对手存在一步成四的空位，所有能落到该空位完成堵截的走法都要纳入
• 落子后能形成开放式三子（两端无封堵，下一步即可成四）、或者同时形成两个独立三子威胁（双杀）的进攻走法
  其余不产生即时胜负威胁的走法（比如落子形成单个被封堵的三子、零散的二子连线、完全不涉及双方威胁区的落子）全部不纳入静态搜索展开，避免搜索量爆炸。遍历过程和普通Negamax逻辑一致，触发beta截断直接返回即可，不需要遍历完所有高威胁走法。

2. 四子棋静默走法的评估逻辑 #

静态搜索的核心设计就是不展开低威胁的静默走法，这类走法的价值完全由进入静态搜索时计算的stand_pat（当前盘面的静态估值）代表——这个值的实际含义是：假设双方后续都走无威胁的静默走法，当前盘面的固有优劣分。
要让这个估值准确，你的Evaluate函数必须满足两个要求：

• 不能只计算己方优势分，必须同步计算双方的威胁权重：己方的制胜威胁加正分，对手的制胜威胁要扣对应权重的负分，且对手的一步杀威胁权重必须远高于己方普通三子、二子的优势分
• 不要给无成四可能的连线虚高估值：比如一端已经被堵死的三子、落子路径被挡住没法凑成四子的连线，估值要远低于开放式的威胁连线。你之前遇到的AI误选c5落子的问题，很大一部分原因就是估值函数给c3-c5这种无即时成四可能的三子加了过高的分，同时没有给红方d列即将成四的威胁扣足够的负分。

3. 静态搜索的深度设置 #

你看到的无深度参数版本不是只搜单层，它是递归执行的：只要当前层还存在高威胁非静默走法，就会一直递归展开，直到某一层没有任何高威胁走法为止，才会返回最终估值。
但四子棋场景下不建议用无深度限制的递归，一旦出现双方连续造威胁、互相堵截的长链路，很容易出现栈溢出或者搜索超时。实际实现时给Quiesce函数加一个最大静态搜索深度参数即可，初始值设3-4层就足够覆盖绝大多数连续强制威胁场景，每次递归调用时深度减1，深度归0直接返回当前的stand_pat，不再展开走法。

地平线效应bug的修复方案 #

你遇到的深度1搜索误选c5、送给红方d6制胜机会的问题，本质是两个实现漏洞：

1. 静态搜索没有纳入对手一步制胜的走法：主搜索到深度1的叶子节点进入静态搜索时，你没有展开红方走d6直接获胜的高威胁走法，只算了当前盘面黄方有c列三子的优势，自然会误判c5是最优解
2. stand_pat估值失真：红方d列已经有三子、d6空位即可成四的局面，本身就属于接近输棋的大劣盘面，你的估值函数没有给这个威胁足够的负权重，导致基准分计算错误。

下面是适配四子棋的Quiesce函数参考实现：

// q_depth为静态搜索最大深度，避免无限递归
int Quiesce(int alpha, int beta, int q_depth) {
    // 计算当前盘面的静默基准分
    int stand_pat = Evaluate();
    // 达到静态搜索深度上限，直接返回基准分
    if (q_depth <= 0) {
        return stand_pat;
    }
    // Beta截断：当前分已经超过对手可接受的上限，直接返回
    if (stand_pat >= beta) {
        return beta;
    }
    // 拉高Alpha下界
    if (alpha < stand_pat) {
        alpha = stand_pat;
    }

    // 仅生成高威胁非静默走法，按威胁等级从高到低排序
    MoveList moves = GenerateHighThreatMoves();
    for (int i = 0; i < moves.count; i++) {
        MakeMove(moves[i]);
        // Negamax框架下注意符号翻转，静态深度每次递减
        int score = -Quiesce(-beta, -alpha, q_depth - 1);
        UndoMove(moves[i]);

        if (score >= beta) {
            return beta;
        }
        if (score > alpha) {
            alpha = score;
        }
    }
    return alpha;
}

最后两个落地实现提示：

• 主搜索调用Quiesce时，初始静态深度设3即可，再深对棋力提升极小，反而会拖慢搜索速度
• 估值分数要做明确分层：比如一步制胜的分数设为10000，开放式三子设300分，普通二子设30分，确保任何非制胜的优势累加，都不会盖过一步输棋的负分。

内容的提问来源于stack exchange，提问作者Carmellose