你明明看見一個好點，下一手卻被對方連續叫殺，整盤棋像被一根線牽走。復盤時更煩：引擎早早標出那條路線，好像它從一開始就知道哪裡會塌。威脅空間搜尋要解釋的，正是這種讀棋順序：先看會逼迫對手回應的線，再回頭比較普通好點。
先把棋盤縮小到強迫線
五子棋的難處，表面上是點太多。15 路棋盤開局後，每一步都有幾十個候選點；如果每個點都平等展開，搜尋樹會很快失控。
但實戰裡，很多點並不平等。一個衝四會要求對手立刻擋；一個活三通常會逼出防守；連續的叫殺會讓選擇變少。威脅空間搜尋就抓住這個事實：先研究那些帶有強制回應的分支。
這不是玄學的「機器感」。它更像把棋盤暫時摺疊，只留下「我威脅、你必須處理、我繼續威脅」的骨架。普通的形勢評估晚一點再做。
Allis 為什麼從威脅開始
1990 年代初，Victor Allis 和同事在五子棋求解工作裡系統性使用了威脅空間搜尋，並配合證明數搜尋。相關論文包括 1993 年 AAAI 的 Go-Moku Solved by New Search Techniques，以及 1994 年的 Go-Moku and Threat-Space Search。
這裡的「solved」要放在當時論文討論的規則和設定裡理解。它不能被讀成「所有五子棋變體都已解決」，更不能跳到禁手、Swap2、不同棋盤尺寸都一併蓋章。
Allis 的關鍵觀察很樸素：如果一方已經擁有連續威脅，另一方的許多漂亮構想都來不及實現。搜尋程式應先問一句：眼前有沒有一條能強迫到底的路。
先讀強迫線，棋盤會安靜很多。
威脅在程式裡怎樣被寫成物件
人說「這裡有活三」，程式要把它拆得更細。一個威脅通常包含三個部分：攻擊方落子的點，防守方必須回應的點，以及後續還能接上的威脅。
比如黑棋形成一個活三，白棋可能有兩個防點。程式會把這兩個防點都列入回應集合，然後繼續檢查黑棋在每個回應後是否還能衝四、做四三，或轉到另一側製造雙威脅。
這一步最容易誤解。威脅空間搜尋並非只找「當前最兇的一手」，它關心的是威脅之間能不能串起來。單個衝四很響，後面接不上，價值會下降。
VCF 是最清楚的一條強迫線
VCF 常被譯成連續衝四勝。它的結構很乾淨：我衝四，你擋；我再衝四，你再擋；最後出現五連或無法同時防住的局面。
從讀棋角度看，VCF 很適合機器。每一步的防守通常被限制在少數點，分支窄，結果明確。你復盤時看到引擎給出一串「唯一防」，多半就是這類線。
但實戰不能只盯 VCF。很多勝法從活三、眠三、四三交換開始，前幾步還沒有連續衝四那麼直白。強的搜尋會在 VCF 之外保留更寬的威脅類型，代價是計算量變大。
評估函式負責處理沒有強迫的局面
棋盤不會永遠處在叫殺裡。開局天元附近的厚度，中盤邊線的潛力，禁手規則下黑棋雙三雙四的風險，都需要評估函式來判斷。
現代五子棋引擎通常會把強迫線搜尋和局面評估結合起來。能算清的殺棋先算；算不清或暫時無殺時，再用模式、權重、神經網路評估候選點。2025 年 Rapfi 相關的神經網路蒸餾論文，也是在這個方向上討論效率和棋力的平衡。
所以你看到的「引擎讀棋」，通常不是單一技巧。前端有 VCF、VCT 一類戰術搜尋，後面有更寬的點評分系統。兩者配合，才會顯得又快又穩。
人類能借走的部分：先問對手是否被迫
你不必把 Allis 的演算法背下來。實戰裡最有用的借法，是把候選點分層：第一層看衝四和成五，第二層看活三和四三，第三層才看形狀是否舒服。
舉個局面：你在天元附近有兩條斜線苗頭，邊上還有一個看起來很厚的補強點。先別急著補厚，數一下有沒有一步活三能逼對手擋到某個位置，擋完後你能不能在另一條線衝四。
這個順序會改變很多選擇。看起來「漂亮」的厚勢，如果不給對手壓力，可能只是慢一拍；看起來普通的一手活三，只要能接上下一段威脅，就值得優先計算。
威脅空間搜尋的邊界也要記住
威脅空間搜尋擅長處理強制性，卻容易被規則細節和防守資源拖住。禁手五子棋裡，黑棋的某些雙三、雙四不能下；一個看似漂亮的殺法，可能在最後一步觸發禁手。
它也會漏掉安靜的戰略手。某些局面沒有立刻叫殺，但一步補點能封住對手未來兩條線，同時保留自己的反擊。純戰術搜尋讀不到這種長期價值，需要評估來補。
把它當成一種讀棋習慣會更穩：先找強迫，再看形勢；先驗證殺棋，再談好點。下一局復盤時，挑一個中盤局面，沿著「威脅—防守—再威脅」手動走三層，你會更快看懂引擎為什麼落在那裡。
能逼回應的手，先進入計算。