mcpField
G
game-analytics

game-analytics

github.com/alphaonedev数据与数据库55 次安装
代码仓库

关于 game-analytics

game-analytics 是分析游戏日志、会话和指标的技能，用于追踪玩家行为及排查性能问题，面向游戏开发者。它支持通过 CLI、API 和代码开展分析。

主要功能

  1. 01解析 JSON 游戏日志
  2. 02分析玩家行为与会话
  3. 03生成玩家移动热图
  4. 04查询性能指标
  5. 05使用 ML 模型预测流失
  6. 06导出分析报告

适用场景

  1. 01找出玩家流失率高的关卡
  2. 02排查多人游戏延迟
  3. 03根据游戏日志追踪玩家操作
  4. 04在 CI/CD 中自动执行性能检查

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/alphaonedev/openclaw-graph --skill game-analytics

安装后在 Claude Code 中输入/game-analytics确认已加载。

详细介绍

用途

此技能用于分析游戏数据指标，以跟踪玩家行为并优化性能，处理游戏中的日志、会话和指标。

适用场景

在开发期间处理游戏内数据时使用此技能，例如识别玩家在哪些关卡中途退出、优化资源使用，或排查实时多人游戏中的性能瓶颈。

主要功能

  • 解析 JSON 格式的游戏日志，以提取会话时长和玩家操作等指标（例如，通过 claw game-analytics parse --input logs.json）。
  • 生成行为跟踪报告，例如使用 API 端点 GET /api/analytics/reports/heatmap?gameId=123 生成玩家移动热力图。
  • 执行优化查询，例如使用类似 SQL 的筛选器查询高延迟事件（例如，YAML 中的配置：metrics: [latency > 500ms]）。
  • 集成 ML 模型进行预测分析，例如使用内嵌函数 claw game-analytics predict --model churn.json，根据游玩模式预测玩家流失。

使用模式

始终通过环境变量 $GAME_ANALYTICS_API_KEY 进行身份验证并初始化。使用 CLI 时，在包含游戏数据文件的项目目录中运行命令。在代码中，将其作为模块导入并直接调用函数。处理大型数据集时使用异步模式，以避免阻塞。例如，将命令串联起来：先解析数据，再进行分析。将输出作为 JSON 流处理，以便传递给其他工具。

常用命令/API

  • CLI 命令：claw game-analytics analyze --file data.json --metric player-session --output report.csv（解析文件，按指标筛选，并保存为 CSV；需要 $GAME_ANALYTICS_API_KEY）。
  • API 端点：POST /api/analytics/track，请求正文为 { "event": "player_login", "data": { "sessionId": "abc123", "timestamp": "2023-10-01T12:00:00Z" } }（发送跟踪数据；使用来自 $GAME_ANALYTICS_API_KEY 的 Bearer 令牌进行身份验证）。
  • 代码片段（Python）： 
    import claw
api_key = os.environ.get('GAME_ANALYTICS_API_KEY')
response = claw.analytics.track(event='level_complete', data={'level': 5}, api_key=api_key)
print(response.json())
  • 配置格式：用于自定义指标的 YAML 文件，例如： 
    metrics:
  - name: session_length
    threshold: 300  # seconds
  filters:
    - player_type: 'new'
    使用 claw game-analytics load-config config.yaml 加载。

集成说明

运行命令前，在环境中设置 $GAME_ANALYTICS_API_KEY。对于 Web 应用，使用 OAuth，通过 claw game-analytics auth --provider google 获取令牌。在 Node.js 项目中，使用 require 引入模块并处理 Promise：

const claw = require('claw');
claw.analytics.setKey(process.env.GAME_ANALYTICS_API_KEY);
claw.analytics.analyze({ file: 'data.json' }).then(data => console.log(data));

确保数据格式匹配（例如，仅接受 JSON 输入）。对于集群集成，可通过为命令添加前缀来关联 'game-dev' 工具，例如 claw game-dev game-analytics analyze。

错误处理

检查 CLI 退出代码以发现错误（例如，代码 401 表示身份验证失败；使用 claw game-analytics retry --command analyze 重试）。对于 API 调用，捕获 HTTP 错误：如果状态码为 403，则记录 "Invalid API key"，并提示重置 $GAME_ANALYTICS_API_KEY。在代码片段中使用 try-except：

try:
    result = claw.analytics.analyze(file='data.json')
except claw.AnalyticsError as e:
    if e.code == 'AUTH_FAILED':
        print("Set GAME_ANALYTICS_API_KEY and retry")

处理前始终验证输入，以避免解析错误（例如，确保 JSON 格式正确）。

具体使用示例

  1. 跟踪移动游戏中的玩家行为：首先将日志导出为 JSON，然后运行 claw game-analytics analyze --file player_logs.json --metric drop-off，找出退出率较高的关卡。使用输出调整游戏设计，例如通过 API 调用：POST /api/analytics/optimize，并传入 { "suggestions": true }。
  2. 优化多人游戏服务器的性能：使用 claw game-analytics load-config perf.yaml 加载配置，然后执行 claw game-analytics query --metric latency --filter 'server=prod' 获取报告。将其集成到 CI/CD 工作流中以自动执行检查，使用以下代码： 
    claw.analytics.query({ metric: 'latency' }).then(results => {
    if (results.avg > 100) console.log('Optimize server');
});

图关系

  • 相关项：game-dev 集群（父级）、player-tracking 技能（依赖项）、data-metrics 技能（同级）。
  • 连接项：game-logging（用于输入数据）、performance-optimization（用于输出操作）。

评论

支持 Markdown