mcpField
G
game-balance-analysis

game-balance-analysis

github.com/yuki001数据与数据库10557 次安装4 周前更新
代码仓库

关于 game-balance-analysis

game-balance-analysis 是用于分析和评估游戏数值平衡的技能,面向需要制定、诊断或比较设计方案的游戏设计者。它强调可执行的计算与模拟,并将结果关联到玩家体验、证据和验证计划。

主要功能

  1. 01分类平衡目标与选项关系
  2. 02区分数据、预测和假设
  3. 03通过脚本或模拟验证模型
  4. 04按任务路由到专项指南
  5. 05把数值变化转化为玩家影响

适用场景

  1. 01为新系统制定首轮平衡数值
  2. 02诊断失衡并调整参数
  3. 03评估拟议的平衡改动
  4. 04规划测试与数据验证

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/yuki001/game-dev-skills --skill game-balance-analysis

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

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

references/
calculation-recipes.md
combat-and-progression-playbook.md
design-balance-model.md
diagnose-and-tune.md
economy-playbook.md
evaluate-balance-proposal.md
evidence-and-validation.md
pvp-and-metagame-playbook.md
random-reward-playbook.md
simulation-and-tooling.md

详细介绍

游戏平衡分析

通过具体模型和面向玩家的结果来设计、分析和评判游戏平衡。提供实际数值、表格、计算、调整方案或结论,而不是泛泛讨论平衡理论。

核心规则

选择平衡目标

建模前先对任务分类。请求可能涉及以下一项或多项:

  • 成本、收益、速率和结果之间的数学关系;
  • 面向目标受众或技能段位的难度;
  • 玩家力量、挑战、可参与内容和奖励时机的推进;
  • 初始条件,例如回合顺序、阵营、出生点、地图或初始库存;
  • 多种策略的可行性及其相互作用;
  • 物品、能力、角色或配装的相对价值;
  • 实际公平性和感知公平性。

当目标相互冲突时,说明其中的权衡,并优先考虑用户期望的体验。不要为了优化一种平衡类型而悄然牺牲另一种。

建立相关情境的模型

根据需要,将每项结论关联到受众、模式、内容集、技能段位、配装、时间范围和版本。区分已确认的规则或数据、计算得出的预测、设计假设和未知因素。

判断选项之间的关系

比较选项前,先判断其主导关系:

  • transitive:收益大体上越高,成本或劣势也应越大;
  • intransitive:价值取决于对手的选择或克制循环;
  • situational:价值取决于内容、状态、时机或频率;
  • mixed:需要采用不止一种模型。

不要强行把非传递关系或情境关系的选项纳入同一条绝对强度曲线。

保留有意义的差异

数值相等并非目标。当刻意的不对称或微小差异能够体现特色、促进探索、带来风险、提升易用性或丰富决策,且不会压缩选择空间时,应予以接受。如果某种差异会使目标情境下的一条合理路径变成必选、毫无意义、无法了解或不公平,则建议进行调整。

从三个层面看待随机系统

始终区分:

  1. 数学概率和结果分布;
  2. 玩家效用,包括阈值、损失、重复结果和边际效益递减;
  3. 信息、呈现方式、记忆和信任所形成的感知概率。

数学上公平的随机系统,在其效用或感知公平性与预期体验相悖时,仍可能需要重新设计。

让结论的置信度与证据相符

初步数值和边界检查应采用数学分析;玩家行为和理解程度应通过游戏测试评估;群体中的重复模式应通过遥测数据分析。任何一种来源都不能替代其他来源。说明哪些证据能够证实或推翻结论。

使用两种可执行产物生命周期

对于每个非平凡的数值设计,都要使用可执行产物验证模型和参数。阅读 references/simulation-and-tooling.md,并选择:

  • 用于独立的一次性计算、不变量检查、边界检查或方案评估的临时验证脚本;运行脚本,记录决策所需的证据,然后删除脚本和临时输出;
  • 用于需要反复设计、探索或调整的平衡系统的持久化模拟/调优工具;交付并保留该工具、可编辑参数、场景和已接受的结果集。

只有在少量独立计算就能完全确定结果,且参数扫描、重复状态或随机性不会带来有用的验证时,才只用行内算术。说明为什么不需要脚本。

不要仅凭检查就接受模型。运行已知基准、常规场景、边界场景和拟议参数。当模型具有随机性或迭代性时,使用固定种子并报告分布,而不是单次运行结果。

将持久化模拟器视为平衡模型的可执行规范。验证模型保真度和参数适用性。当结果与已确认的规则、已知案例或观察到的行为冲突时,判断问题出在模型/工具,还是参数未达到目标。先修正并为模型和模拟器设置版本,添加失败案例作为回归检查,重新运行验证,然后再调优参数。绝不要用参数调整来弥补已知的模型缺陷。

任务路由

只阅读一份主要任务手册:

任务阅读
创建首轮数值或新的平衡模型references/design-balance-model.md
诊断现有失衡并进行调优references/diagnose-and-tune.md
评估或比较拟议的平衡改动references/evaluate-balance-proposal.md

然后只阅读相关领域手册:

领域阅读
战斗、敌人、经验值、等级、奖励、PvE 进度references/combat-and-progression-playbook.md
货币、来源/消耗、价格、交易、通货膨胀references/economy-playbook.md
竞技对局、滚雪球效应、评级、元游戏references/pvp-and-metagame-playbook.md
战利品、卡牌、骰子、连胜、保底、重复物品保护references/random-reward-playbook.md

仅在任务所需计算涉及相关内容时阅读 references/calculation-recipes.md。设计、诊断或评估实质性数值模型时,阅读 references/simulation-and-tooling.md。当结论依赖试玩、遥测数据、实验或统计推断时,阅读 references/evidence-and-validation.md。

工作要求

  • 分析现有系统前,先检查实际规则、配置、数据或代码行为。
  • 假设数量保持精简并标注清楚;若初步方案有用,即可继续;只有在合理答案会导向相反模型或结论时才暂停。
  • 计算常规、优化和相关边界场景。
  • 将参数改动转化为玩家实际感受到的结果。
  • 追踪重大影响对相邻系统和选项的作用。
  • 为每个实质性数值模型创建并运行临时验证脚本或持久化模拟工具。对于临时工作,说明检查了什么并确认已清理。对于保留的工具,提供路径、调用方式、输入和结果摘要。
  • 最后给出建议数值、调优选项,或明确结论及验证计划。

除非用户的任务或单独的工程工作流程授权,否则不要实施所选改动。

评论

支持 Markdown