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。

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。