使用 规则驱动（Rule-based / Heuristic） 的方式
在学习强化学习（Reinforcement Learning, RL）之前，绝大多数初学者会直接跳进 DQN、PPO、A2C，结果往往是：
- 模型能跑，但不知道它在学什么
- Reward 一直震荡，完全无法 Debug
- 不知道「好策略」和「坏策略」差在哪里
因此，在教学与实务中，一个非常重要的步骤是：
先用“人类能理解的规则”，写出一个可运行、可解释的自动代理（Auto Agent）
这个 Agent 不需要聪明，但：
- 行为要可预测
- 逻辑要可解释
能当作强化学习的「Baseline（基线）」
这个函数的行为是在当前环境状态下，决定下一步要采取的动作（action）
短视但直接的策略
- 不考虑边界
- 容易进入死路
- 完全不考虑蛇身
def auto_agent(self,env):
"""简单贪心策略：蛇头朝着食物走"""
head_x, head_y = env.snake_x, env.snake_y
food_x, food_y = env.food_x, env.food_y
# 优先在 x 方向移动
if food_x < head_x:
return 2 # left
elif food_x > head_x:
return 3 # right
elif food_y < head_y:
return 0 # up
elif food_y > head_y:
return 1 # down
else:
return random.choice([0, 1, 2, 3]) # 如果重合就随机
