Como jogar cobrinha de verdade
O jogo da cobrinha parece simples à primeira vista, mas tem camadas que a maioria dos tutoriais ignora. A mecânica básica é conhecida: você controla uma cobra, come maçãs e cresce. O problema é que a maioria das pessoas joga sem entender por que perde, e isso se resume a uma coisa: você se aperta sozinho antes mesmo da cobra ficar longa demais para caber na tela. Aqui vai o que funciona na prática, com os ajustes que eu fiz depois de perder muito mais tempo do que deveria em 2018 num projeto de automação que envolvia pathfinding simples.
Jogar cobrinha: o que ninguém te conta
O jogo é executado dentro de um grid discreto. Cada célula da grade é um ponto possível. Quando você pressiona uma tecla, a cobra não "anda" gradualmente. Ela salta de uma célula para a seguinte, num intervalo fixo. A velocidade do jogo é determinada pelo delay entre esses ticks. Um delay de 150ms é o padrão confortável. Menos que 100ms e os erros humanos disparam porque o tempo de reação não acompanha a velocidade. O erro mais comum que eu vejo é as pessoas tentarem mudar de direção enquanto a cobra ainda está no meio do caminho entre dois ticks. Isso não funciona. A direção só é avaliada no momento do tick. Se você apertar "cima" e "direita" rápido demais antes do próximo tick, a cobra só vai obedecer à última direção registrada, ou travar se a nova direção for oposta à atual. Por isso, o controle precisa ser antecipado, não reativo.
Outra coisa que ninguém explica: a colisão não é baseada na posição exata do corpo, mas no mapeamento da grade. A cabeça ocupa uma célula, e se essa célula já está ocupada pelo próprio corpo ou pela parede, o jogo acaba. A cauda se move junto, então tecnicamente, se você comer uma maçã e sua cabeça chegar na mesma célula que a ponta da cauda no mesmo tick, muitos implementações consideram isso válido porque a cauda "sai" antes da cabeça "entrar". Isso parece pequeno, mas faz diferença em situações de grid apertado. Eu tive um problema específico há alguns anos desenvolvendo um bot de Snake. A implementação inicial do pathfinding usava BFS puro para encontrar o caminho mais curto até a comida. Funcionava até a cobra ocupar mais de 60% da grade. Daí o algoritmo ficava preso em loops porque calculava caminhos que cortavam o próprio corpo, criando uma sensação de armadilha. A solução foi implementar uma verificação de acessibilidade pós-caminho: depois de encontrar o caminho mais curto via BFS, eu simulo o movimento da cobra nesse caminho e verifico se a cauda e o resto do corpo ainda têm rota de fuga para algum espaço vazio. Se não tiverem, eu descarto o caminho e uso um fallback para sobreviver primeiro, explorando o espaço livre disponível até que uma nova abertura se forme.
Isso resolve o problema de quedas bruscas de taxa de sobrevivência em grades grandes. A diferença no desempenho é notável: um bot ingênuo com BFS puro sobrevive em média 30 segundos antes de morrer, enquanto com a validação de acessibilidade esse tempo sobe para vários minutos em grades de 20x20, dependendo da densidade.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Dicas práticas que realmente funcionam
Se você está jogando manualmente, a regra de ouro é: nunca feche o loop completamente. Deixar sempre um caminho aberto ao longo da borda ou em algum corredor estratégico evita que a cobra se trave. Eu costumo manter um "espaço de manobra" de pelo menos três células livres em qualquer direção cardinal que a cobra possa usar para recuar se a situação apertar. A forma mais eficiente de crescer sem se arriscar é o chamado "modo espiral": preencher o grid de fora para dentro, mantendo sempre um corredor desobstruído atrás de si. Isso elimina decisões difíceis no final do jogo porque você já mapeou mentalmente onde a cobra precisa ir. O contra é que esse método é lento e monótono, mas garante que você não perca por erro de cálculo.
Se o seu objetivo é pontuação alta e não apenas completar o jogo, a abordagem muda. Você precisa ser agressivo de forma calculada. A prioridade é sempre manter acesso ao maior bloco contínuo de espaço vazio. Antes de perseguir uma maçã, verifique se o caminho até ela não separa o espaço disponível em duas partes desconectadas. Se separar, ignore a maçã por enquanto e explore outras opções até que o espaço se reorganize. Em implementações de jogos da cobrinha online, há um detalhe técnico importante: a renderização e a lógica do jogo podem rodar em frames diferentes. Se o jogo usa requestAnimationFrame para desenhar mas setInterval para a lógica, você pode ter uma leve dessincronia entre o que vê na tela e o que o motor do jogo processou. Isso é mais perceptível em velocidades altas, onde um frame visual pode mostrar a cobra já na nova posição enquanto o tick lógico ainda está sendo resolvido. Não afeta a jogabilidade em si, mas pode confundir a percepção de timing.
Para quem quer desenvolver seu próprio clone, uma estrutura mínima funcional precisa de: uma grade bidimensional, uma lista encadeada ou array para o corpo da cobra, um gerador de comida que garanta que o spawn não sobreponha o corpo existente, e um loop principal que processe entrada, mova a cobra, verifique colisões e atualize a pontuação num intervalo determinístico. JavaScript com canvas ou Python com pygame são escolhas razoáveis. A complexidade de tempo de uma verificação de colisão simples é O(n) onde n é o comprimento da cobra, porque cada célula do corpo precisa ser checada contra a posição da cabeça. Em cobras muito longas, isso pode se tornar um gargalo se não for otimizado com uma tabela de hash ou conjunto de células ocupadas, reduzindo a verificação para O(1). Vale mencionar também que a versão original do jogo, criada pela IBM em 1976 como "Blockade", já apresentava mecânicas de grid e crescimento idênticas às que usamos hoje, o que mostra que o design básico é sólido e não precisa de modificações para funcionar bem. A dificuldade natural escala apenas com o comprimento da cobra e a velocidade configurada, o que significa que o cerne do desafio é puramente cognitivo, não técnico.
Se você busca uma experiência mais polida do que os clones básicos, existem implementações como a do Google Chrome quando fica sem internet, que adicionaram animações suaves, sistema de pontuação alta persistente via localStorage e níveis de velocidade progressiva. Esses detalhes não mudam a mecânica central, mas melhoram significativamente a fluidez da jogatina. O código-fonte dessa versão específica está disponível publicamente e serve como referência decente para quem quer estudar como lidar com state management num jogo simples sem complicações desnecessárias.
