本文探讨了通过注入领域知识来改善基于文本游戏的智能代理实现，采用深度强化学习框架，结合知识图谱和输入编码策略。实验结果表明，该方法在游戏状态表示和行动策略学习上显著优于传统模型，提升了代理在文本游戏中的性能。

仅仅依靠结果预测很少能够产生采取行动的最佳策略，需要结合对可行行动和潜在状态的了解，才能显著提高行动效用。