Worker专责AI行为树纯计算任务，主线程负责调度、渲染与指令执行；通过postMessage传递序列化状态与指令，用Transferable对象零拷贝传输数据，指令含时间戳与标识以防过期。
Worker线程本身不能直接操作DOM或调用游戏主循环中的渲染逻辑，但它非常适合承担AI行为树的**纯计算密集型任务**：比如状态评估、节点遍历、条件判断、动作优先级排序、指令生成等。关键在于“分离计算”与“协调输出”，而非让Worker控制游戏逻辑全流程。
行为树计算交给Worker，结果通过postMessage传回主线程
将整个行为树（如JSON结构）和当前AI实体的状态（位置、血量、视野内目标列表等）序列化后发送给Worker。Worker加载行为树解析器（可预编译为函数或使用轻量JS解释器），执行tick计算，输出一个明确的**指令对象**（例如{action: "attack", targetId: 5, priority: 0.92}）。主线程收到后，在下一帧中执行该指令（移动、攻击、播放动画等）。
- Worker中不访问
document、canvas、requestAnimationFrame，只做数据处理 - 行为树节点（Selector、Sequence、Condition、Action）用纯函数实现，无副作用
- 避免频繁通信：可批量处理多个AI单位（如每100ms统一计算一批NPC），减少postMessage开销
使用Transferable对象提升大数据传输效率
若AI状态包含大量数值（如路径网格、感知向量、历史轨迹），用ArrayBuffer或TypedArray组织数据，通过postMessage(data, [buffer])零拷贝传递。Worker解析时直接视图操作，避免JSON序列化/反序列化的CPU和内存开销。
- 例如：把100个AI的2D位置+朝向打包成
Float32Array([x1,y1,rot1,x2,y2,rot2,...]) - Worker中用
new Float32Array(transferableBuffer)快速读取 - 主线程更新状态后，重用同一buffer并transfer出去，避免重复分配
指令需带时间戳与上下文标识，避免过期执行
Worker输出的指令必须包含timestamp（如Date.now()）和aiId，主线程收到后检查是否仍在有效窗口内（例如延迟超过150ms则丢弃），并核对实体是否还存活。防止因计算耗时导致指令作用于已死亡或已转移的目标。
立即学习“前端免费学习笔记（深入）”；
- Worker在计算开始时记录
startTime = performance.now()，指令中附带该值 - 主线程对比
performance.now() - startTime > MAX_AI_LATENCY（如120ms）则跳过 - 指令对象结构建议：
{aiId: 7, action: "moveTo", params: {x: 124.3, y: 87.1}, ts: 1715234890123, version: 42}
主线程负责调度与融合，Worker不决策何时运行
Worker不自行启动或轮询。主线程按固定频率（如每秒60次）调用worker.postMessage({type: 'tick', state: currentState})。Worker响应后立即返回结果，不缓存中间状态。所有“决策时机”“实体生命周期”“指令执行反馈”均由主线程管理。
- Worker代码中无
setInterval、setTimeout或while(true) - 主线程可动态调整发送频率（如战斗时升频，潜行时降频）
- 若某帧未收到回复，可沿用上一帧指令（缓存lastCommand），或触发降级逻辑（如停在原地）
不复杂但容易忽略：Worker里的行为树不是“活”的对象，而是每次tick都重建上下文、执行一次快照计算。它像一个无状态的AI编译器，输入状态，输出动作——真正让AI“活起来”的，永远是主线程如何调度、融合、执行这些输出。
