隨著人工智慧與雲端運算技術的成熟，基於集群架構的多用戶互動應用正成為現代軟體開發的核心方向。本文聚焦於如何透過 AI、集群（Cluster）與 CNCF 生態系統，打造一個具備 QR 碼啟動、手勢辨識與多人對戰機制的 Rock, Paper, Scissors 遊戲，並探討其技術實現與生產級部署策略。
遊戲採用前端與後端分離架構，用戶透過 QR 碼加入遊戲時，系統會自動分配唯一識別碼並啟動攝像頭權限。後端服務負責遊戲匹配與狀態管理，確保多用戶同時連線時的穩定性與即時性。
遊戲服務基於 CNCF 生態的微服務架構部署，透過 Kubernetes 管理容器化服務，實現水平擴展與負載平衡。集群環境支援多節點運行，確保高流量情境下的系統彈性與可用性。
遊戲整合 AI 手勢辨識模型，利用前攝像頭進行 Rock/Paper/Scissors 的即時辨識，舊版模型則使用後攝像頭作為備用。模型透過 CPU 推論執行，降低 GPU 依賴，適應集群環境的資源限制。
用戶透過 QR 碼掃描啟動遊戲，系統會根據 QR 碼內容生成唯一會話 ID，並與後端服務進行認證與匹配。此機制確保用戶快速加入遊戲，同時避免未經授權的存取。
遊戲分為三回合，每回合計算團隊總分，最終以總分較高者為勝利條件。每回合結束後，系統會根據手勢辨識結果進行勝負判定，並更新排行榜。
手勢辨識結果（Rock/Paper/Scissors）會透過預設規則計算對戰結果，例如 Rock 擊敗 Scissors 等。若出現背景幹擾或辨識錯誤，系統會啟動容錯機制，重新辨識或跳過該回合。
遊戲前三大名玩家可獲取虛擬獎勵（如 Fedora 帽子），此設計不僅提升用戶參與度，也符合 CNCF 生態中「可擴展性」與「可重複使用」的設計原則。
遊戲後端採用 CNCF 推廣的微服務架構，將遊戲匹配、手勢辨識、用戶管理等模組分離部署。此設計不僅提升系統可維護性，也支援根據流量動態調整資源分配。
為降低 GPU 依賴，手勢辨識模型透過 CPU 推論執行，並結合 Kubernetes 的資源限制策略，確保集群環境下運行的穩定性與成本效益。
遊戲支援多用戶同時連線，透過訊息佇列（如 Kafka）處理即時互動需求。此外，系統提供完整的開發流程與源碼連結，確保生產級部署的可重複性與可追蹤性。
本文展示如何透過 AI、集群與 CNCF 技術整合，打造一個具備多用戶互動與即時勝負判定的 Rock, Paper, Scissors 遊戲。其核心價值在於結合 CNCF 生態的微服務架構與集群部署，實現高可擴展性與生產級穩定性。開發者可依此架構延伸至其他多人即時互動應用，並透過持續優化模型準確性與資源管理，提升系統整體效能。