在当今快速发展的AI时代，产品经理的角色不再局限于需求收集与规划，还需要深入理解技术实现的边界与成本。本文以Unity ML-Agents环境配置与寻路Demo实战为例，探讨AI产品经理如何通过亲身体验技术落地过程，培养“技术同理心”。

前言：Unity ML-Agents环境配置与寻路Demo实战解析（Mac环境适配版）

1.AI产品经理的技术同理心从何而来？

在智能NPC落地的全流程中，产品经理最常面临的困境是：

“如何判断一个需求是技术亮点，还是开发深坑？”

当策划提出“NPC应动态适应玩家行为”时，若缺乏对技术实现的理解，可能会出现两种极端：

1. 过度乐观：认为“AI无所不能”，要求开发团队3周内上线强化学习驱动的NPC生态；
2. 过度保守：因惧怕技术风险，将方案退化为“预设对话树+随机行为库”，错失创新机会。

解决这一矛盾的关键，在于建立技术同理心——即通过实践验证，理解AI技术的可行性边界与落地成本。

什么是B端产品经理？和C端产品经理有什么区别？

B端产品经理中的B是Business，商业的意思，B端产品经理首先就要理解这个职位的重要性，要设计出更适合这个项目需求的产品方案，B最终产品经理在日常工作中...

查看详情 >

本文复现的“自主寻路NPC”Demo，正是这一能力的具象化体现：

2.产品经理是否需要亲手搭建环境？

1、需求可行性验证：

通过Unity ML-Agents训练基础寻路模型，可快速评估“动态路径规划”功能的算力消耗与训练耗时，避免在PRD中承诺不切实际的性能指标。

2、开发资源评估：

从Python环境配置到模型参数调优的全流程实操，能精准识别团队技术栈的适配性（例如判断是否需要引入专职AI工程师）。

3、用户体验预判：

当NPC因训练不足频繁卡在障碍物旁时，会更直观地理解：玩家期待的“智能”背后，是数据质量、模型结构与奖励函数的精密平衡。

3.技术文档的产品价值

本文虽聚焦于环境配置与Demo实现，但本质上在回答一个问题：

“当产品经理提出AI需求时，如何用技术语言证明其合理性？”

在后续的技术指南中，你将看到：

• 最小化验证路径：如何用最低成本（无需高端设备）跑通训练全流程；
• 风险预埋点识别：从版本依赖到算力瓶颈的避坑清单；
• 需求转化框架：将Demo中的“寻路逻辑”抽象为可复用的产品功能模块。

4.从Demo到产品的思维跃迁

作为AI产品经理，我的目标不是成为开发者，而是构建技术与需求的对话桥梁。

• 当工程师说“这个模型需要100小时训练”，我能快速换算成服务器租赁成本；
• 当老板质疑“为什么不用ChatGPT生成对话”，我能解释离线部署与实时响应的技术矛盾；
• 当玩家反馈“NPC行为太呆板”，我能区分这是数据缺陷、奖励函数错误，还是算力不足。

技术同理心，本质上是一种“翻译能力”——将用户期待转化为技术参数，再将技术限制翻译为产品策略。

下面开始进入正篇：

复刻Unity ML Agents强化学习案例（Mac环境适配版）

本人设备环境：

[ 设备：MacBook M1 Pro ] [ 内存：16G ] [ 系统：macOS 15.3.1 ]

以上设备环境仅作参考，我复刻的教程是 Windows 环境下进行的，Mac 上依然可运行。

温馨提示：以下是小白视角进行的案例演示，高手请绕行

一、安装Unity Hub + Unity编辑器

1.下载并安装Unity Hub

Unity Hub是一个管理Unity安装和项目的工具。

访问Unity Hub官网。

在官网页面上找到“Download Unity Hub”按钮，点击下载。

下载完成后，运行安装程序并按照提示完成安装。

2.通过Unity Hub安装Unity编辑器

打开Unity Hub

安装完成后，打开Unity Hub。

注意：如果是第一次打开，可能会提示你登录Unity账号。如果没有账号，可以点击“Create Account”注册一个。

添加Unity编辑器

在Unity Hub的主界面，点击左上角的“Add”按钮。

在弹出的窗口中，选择你需要的Unity版本。

注意：ML Agents通常需要较新的Unity版本（如2021或更高）。

如果你不确定，可以选择最新的LTS（长期支持）版本。

我安装的是：2022.3.53f1c1 苹果芯片 LTS版

点击“Next”并选择安装路径，然后点击“Done”开始下载和安装。

等待安装完成

Unity编辑器的安装可能需要一些时间，具体取决于你的网络速度和电脑性能。

3.创建一个新的2D项目

1）打开Unity编辑器

安装完成后，Unity Hub会自动启动Unity编辑器。如果没有自动启动，你可以通过Unity Hub手动启动。

2）选择项目模板

• 在Unity启动窗口中，点击“New”创建新项目。
• 在项目模板中，选择“2D”模板（通常在左侧菜单中）。
• 然后选择一个具体的模板，比如“2D (Built-In Render Pipeline)”。

3）设置项目名称和路径

• 在“Project Name”中输入你的项目名称，例如“MLAgentsTutorial”。
• 在“Location”中选择项目的保存路径，建议选择一个容易找到的文件夹。例如 /Users/hamu/UnityProjects/MLAgentsTutorial

4）点击“Create”按钮创建项目。

4.安装ML Agents包

1）打开Unity Package Manager

• 在Unity编辑器中，点击顶部菜单栏的Window>Package Manager。
• 这将打开Unity的包管理器窗口。

2）添加Unity Registry

• 在包管理器窗口中，找到“Packages:”下拉菜单，选择“Unity Registry”。
• 这将显示所有可用的Unity包。

3）搜索并安装ML Agents包

• 在搜索框中输入“ML Agents”，然后找到ML Agents包。
• 点击该包旁边的“Install”按钮进行安装。

安装完成后，你会看到包的状态变为“Installed”或“Remove”。

5.验证安装

安装完成后，关闭并重新打开Unity编辑器。

再次进入Window>Package Manager，确保ML Agents包已经正确安装。

如果看到包的状态为“Installed”，则说明安装成功。

总结：通过以上步骤，你已经安装好了Unity编辑器，成功创建了一个新的Unity 2D项目，并安装了ML Agents包。

二、环境搭建的配置方案[版本兼容性非常重要]

在MacBook M1 Pro（MacOS 15.3.1）上安装特定版本的Python（如3.9.13）并设置虚拟环境，可以通过以下步骤完成。由于M1芯片的特殊性，建议使用Homebrew和pyenv来管理Python版本。

1.安装Homebrew

Homebrew是macOS上常用的包管理工具，可以方便地安装和管理Python

打开终端（Terminal）

在终端输入以下命令并按回车：

/bin/bash -c “$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)”

这将安装Homebrew。

2.安装pyenv

pyenv是一个工具，可以让你轻松安装和管理多个Python版本。

确保Homebrew已安装，然后在终端输入以下命令并按回车：

brew install pyenv

将pyenv添加到你的Shell配置文件中（如~/.zshrc或~/.bash_profile）：

echo ‘export PATH=”$HOME/.pyenv/bin:$PATH”‘ >> ~/.zshrc echo ‘eval “$(pyenv init –path)”‘ >> ~/.zshrc

应用更改：

source ~/.zshrc

3.安装Python 3.9.13

使用pyenv安装特定版本的Python：实测Python 3.9.13兼容ML Agents插件

1.在终端中运行以下命令：

pyenv install 3.9.13

2.设置全局Python版本为3.9.13：

pyenv global 3.9.13

3.验证安装是否成功：

python –version

4.如果安装成功，会显示：

Python 3.9.13

4.在项目目录下创建虚拟环境

虚拟环境可以帮助你为特定项目隔离Python环境，避免依赖冲突。

进入项目目录：

cd /Users/hamu/UnityProjects/MLAgentsTutorial

在项目目录下创建虚拟环境：

python -m venv venv

激活虚拟环境：

source venv/bin/activate

激活后，终端提示符会显示(venv)，表示当前处于虚拟环境中。

例如：

(venv)（base）hamu@HamuMacBook MLAgentsTutorial %

（虚拟环境）（基础环境）用户名@主机名 当前工作目录 %

在项目所在的目录中会出现虚拟环境命名的文件夹，激活此目录下的虚拟环境后，安装的所有必要的包都会被安装此文件夹中，因此所有安装的包都会被隔离在该环境中，不会影响其他项目。

5.安装必要的Python包

在虚拟环境(venv)中安装ML Agents和其他必要的包。

安装pip 并 更新升级 pip ：

python -m pip install –upgrade pip

/Users/hamu/UnityProjects/MLAgentsTutorial/venv/bin/python -m pip install –upgrade pip

验证安装：运行以下命令检查 pip 的版本：

pip –version

如果升级成功，输出的版本号应该接近或等于 25.0.1 。

安装ML Agents：

pip install mlagents

安装torch及其依赖：

pip install torch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0

安装特定版本的protobuf：

pip install protobuf==3.20.3

检查Python版本：

python –version

确保输出为Python 3.9.13。

检查安装的包：

pip list

确保以下包已安装：【版本兼容性非常重要】

• mlagents==0.30.0
• torch==1.11.0
• torchvision==0.12.0
• torchaudio==0.11.0
• protobuf==3.20.3

验证ML Agents是否安装成功：

mlagents-learn –help

如果安装成功，会显示ML Agents的使用帮助信息。

三、环境搭建的注意事项

关于Python版本：

如果你使用pyenv管理Python版本，无需卸载其他版本的Python。pyenv会自动切换版本，不会影响全局环境。

在项目目录下创建虚拟环境时，pyenv会自动使用指定版本的Python。

关于Homebrew：

Homebrew是macOS上常用的包管理工具，用于安装和管理Python等软件。

如果你已经在系统中安装了Python，也可以直接使用pyenv，但安装Homebrew是一个更通用的解决方案。

关于虚拟环境：

虚拟环境是项目依赖隔离的重要工具，建议每个项目都创建独立的虚拟环境。

激活虚拟环境后，所有安装的包都会被隔离在该环境中，不会影响其他项目。

再提醒一次：【版本兼容性非常重要】【版本兼容性非常重要】【版本兼容性非常重要】

到这里，我们的unity 编辑软件+运行环境都已经安装好了，总结如下 ：

设备：

• [ MacBook M1 Pro ]
• [ 内存：16G ]
• [ 系统：macOS 15.3.1 ]

项目软件：

• [ unity版本： 2022.3.53f1c1 苹果芯片 LTS版 ]
• [ 2D 项目：2D (Built-In Render Pipeline)]

核心工具：

• ML Agents

环境配置：

• pip==25.0.1
• Python==3.9.13
• mlagents==0.30.0
• torch==1.11.0
• torchvision==0.12.0
• torchaudio==0.11.0
• protobuf==3.20.3

总个结：

通过以上步骤，你已经成功安装了Unity编辑器，创建了一个新的2D项目，并安装了ML Agents包。此外，你还搭建了Python环境，安装了必要的包，并验证了ML Agents是否正常工作。现在，你可以开始编写AI ML Agents 脚本并训练模型了。

四、运行 unity 项目进行模型的强化训练

1、启动终端

2、在终端指定项目根目录路径：（一定要先指定项目根目录）

cd /Users/hamu/UnityProjects/MLAgentsTutorial

3、激活项目根目录下的虚拟环境：（再激活根目录下的虚拟环境）

source venv/bin/activate

4、运行ML-Agents 强化学习工具：

注意，这里的 Test3 是训练模型存放的目录名，每次训练模型，模型训练的目录最好不要一样，要不会无法运行，如果觉得某个模型训练规则有问题，还想启用同一个目录名，可以删掉生成的训练目录名，再用同一个目录名再次启动模型训练；

5、运行成功标志：

环境搭建完了，我们开始进入 Unity 引擎中，进行 ML-Agents 寻路 Demo 实操环节。