mcpField
P
player-experience-modeling

player-experience-modeling

github.com/lvtd-llc设计与 UI159 次安装7 周前更新
代码仓库

关于 player-experience-modeling

面向 AI 游戏构建 Agent 的技能,用于在实现系统前定义游戏希望带来的玩家体验。它将玩家动机、情感目标和节奏转化为体验模型及实际开发要求。

主要功能

  1. 01基于行为的玩家模型
  2. 02情感与动机目标
  3. 03动机映射
  4. 04贯穿游戏过程的兴趣曲线
  5. 05开发与遥测方面的影响

适用场景

  1. 01确定游戏的目标玩家体验
  2. 02规划引导流程与进度设计
  3. 03安排单次游戏过程的节奏
  4. 04将设计目标转化为开发约束

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/lvtd-llc/skills --skill player-experience-modeling

安装后在 Claude Code 中输入/player-experience-modeling确认已加载。

附带文件references/core/guide.mdworkflows/experience-brief.md

详细介绍

玩家体验建模

在实现系统之前,使用此技能定义游戏旨在创造的体验。它能为 AI 游戏构建 Agent 提供目标,指导品味、节奏、引导和进度设计决策。

来源追溯

主要来源:Jesse Schell 所著的 The Art of Game Design: A Book of Lenses, Third Edition,尤其是第 2、9–11 和 16 章,内容涉及体验、玩家、愉悦、心流、动机、新颖性、判断和兴趣曲线。此工作流经过改编和转述。

辅助来源:自我决定理论,可用于从自主性、胜任感和联结感的角度理解持久动机。

工作流

  1. 根据行为和情境定义目标玩家,而非使用概括性的人口统计特征。
  2. 确定期望带来的情感和动机承诺。
  3. 梳理愉悦、需求、新颖性、精通感和社交驱动因素。
  4. 规划玩家在第一分钟、首次游戏时段、中点、高潮和回归游戏时段的兴趣曲线。
  5. 将体验目标转化为实现约束和遥测指标。

必需输出

  • 玩家模型:目标玩家、情境、技能、焦虑和动机。
  • 体验承诺:游戏应让玩家感受到什么并采取什么行动。
  • 动机图谱:自主性、胜任感、联结感、新颖性、精通感、表达和奖励驱动因素。
  • 兴趣曲线:节拍、强度、多样性和恢复。
  • 构建影响:引导、反馈、难度、节奏、进度和内容优先级。

本地参考资料

生成体验模型之前,请阅读:

  • references/core/guide.md
  • workflows/experience-brief.md

评论

支持 Markdown