用途：为游戏开发提供 AI 算法能力，包括寻路、NPC 行为决策树和机器学习集成，用于自动化游戏中的 AI 逻辑。
主要能力：寻路实现 A* 算法，支持可配置启发式，网格地图最大 100x100；决策树可从 JSON 配置构建，例如 {"node": "if health < 50 then flee"}，单次决策评估在 10ms 内；机器学习集成封装 TensorFlow API 用于模型训练，提供 /api/ml/train 等端点，支持输入向量进行强化学习；优化方面提供 --optimize-memory 等标志，可减少寻路例程约 20% 堆内存占用。
使用方式：通过 OpenClaw 的 CLI 或 API 调用，需设置环境变量 $GAME_AI_API_KEY 进行认证。CLI 示例：openclaw game-ai pathfind --start 0,0 --end 10,10 --grid '{"width":20,"height":20,"obstacles":[[5,5]]}'。也可用 SDK：import openclaw; result = openclaw.run('game-ai pathfind', {'start': '0,0', 'end': '10,10'})。决策树 API 为 POST /api/game-ai/decision-tree，JSON 体包含 tree 与 input。配置使用 JSON，如 {"algorithm": "A*", "params": {"heuristic": "manhattan"}}，可用 --validate-config 校验。
集成与限制：可导入 OpenClaw SDK 初始化，在 Unity（C# 脚本）或 Unreal（蓝图）中作为模块加入，需匹配版本如 OpenClaw SDK v2.5+；ML 需 pip install tensorflow 并配置 $TF_MODEL_PATH。错误处理需检查响应码（如 401），使用 --debug 记录详情，捕获 ValueError 等异常，网络失败可重试最多 3 次并指数退避。建议在沙箱环境测试集成，避免中断游戏循环。具体收费、价格与平台支持范围暂未提供。