今日速览

  • 数值平衡不是”拍脑袋调数字”，核心是可计算的模型：期望值、DPS、TTK（击杀所需时间）三大指标。
  • 概率论是平衡的地基：骰子/暴击/掉落都可用期望值折算成确定数值参与计算（参考《Game Balance Concepts》Level 4）。
  • 指标与统计是平衡的眼睛：均值（mean）、中位数（median）能从实际对局数据里找出”谁太强、谁太弱”（Level 8）。
  • 反馈环决定游戏走向：正反馈让强者更强（滚雪球），负反馈拉近距离（防挫败），难度曲线本质是二者配比。
  • 平衡是持续过程：先建 Excel/配置表 → 公式模拟 → 实测调参 → 再模拟，循环直到”赢家不明显”。

核心学习内容

1. 三大基础指标：期望值、DPS、TTK

  • 期望值：所有可能结果按概率加权平均。例：武器暴击率 20%、暴击 2 倍伤害，则单次攻击期望 = 基础伤 × (1 + 0.2×1) = 1.2 倍。随机系统全部先折算成期望值再比较，就不会被”运气”骗到。
  • DPS（每秒伤害）：期望伤害 ÷ 攻击间隔。这是武器/技能横向比较的唯一通用货币。
  • TTK（Time To Kill）：敌方血量 ÷ 我方 DPS。TTK 决定战斗节奏：1-2 秒是爽快割草，5-10 秒是策略博弈。先定 TTK，再反推血量是标准流程。

2. 从”表格式平衡”到”曲线式平衡”

用表格逐级列出：等级 1-10 的敌人血量、攻击力、金币掉落。检验三条曲线是否协调：

  • 玩家成长曲线（攻击力/血量增长速率）；
  • 敌人难度曲线（血量/伤害增长速率）；
  • 经济曲线（升级所需金币 vs 掉落收入）。

常见错误是三条曲线各自合理、合起来失衡——例如玩家 DPS 追不上敌人血量增长，中期开始”打不动”。用 DeepSeek 生成曲线数据表，一眼就能看出交叉点在哪一级。

3. 指标收集：均值 vs 中位数（Level 8 精华）

  • 均值：全部对局数据的平均，快速判断”大致水平”；
  • 中位数：排序后取中间值，能识破”少数高手拉高均值”的假象。
  • 实操：本地先跑 20 次模拟对局（或让玩家试玩），统计各武器胜率、各关卡通过率。若某武器胜率 70%，看均值与中位数差多少，再决定是削数值还是削机制。

4. 反馈环：难度曲线的隐藏开关

  • 正反馈：击杀回血、连击加成 → 滚雪球，适合爽感游戏，但会放大差距；
  • 负反馈：落后补偿、动态难度 → 拉近差距，防止挫败流失。
  • 平衡高手的做法：正反馈给爽感，负反馈保留存，两者按游戏类型配比，并用公式明确写出来（例如”连续失败 3 次后敌人伤害 ×0.9”）。

🎯 DeepSeek 提示词

① 生成武器 DPS 计算表（适用：设计/比较武器数值）

你是一名游戏数值策划。请为我的 2D 动作游戏设计 6 把武器的数值，并输出 Markdown 表格。
已知：玩家基础攻击间隔 0.5 秒；目标 TTK 为 2~4 秒；敌人初始血量 100，每关 +15%。
要求：
1. 每把武器给出 攻击力、攻击间隔、暴击率、暴击倍率、DPS、期望 TTK 六列；
2. 计算过程写清楚（期望值公式），不要只给结果；
3. 最后指出哪把武器偏强/偏弱，并给出修改建议；
4. 输出格式：表格 + 简短分析 + 修改建议列表。

② 检查数值平衡问题（适用：已有数值表，找失衡点）

你是一名资深游戏数值分析师。下面是我游戏 1~10 级敌人的数值表（JSON 格式）：
[{"level":1,"hp":100,"atk":10,"exp":20}, ...]
同时给出玩家成长数据：每级 +12% 攻击力、+10% 血量、升级所需经验 = 30 × 等级^1.5。
请分析：
1. 计算每级玩家击杀敌人所需攻击次数（TTK），找出 TTK 超过 8 秒的等级区间；
2. 检查玩家经验收入与升级需求的曲线是否匹配（会不会卡级）；
3. 给出 3 条具体修改建议（改哪个数值、改成多少、为什么）。

③ 生成 Godot 难度曲线配置（适用：把曲线落地为可调数据）

你是 Godot 4 游戏开发专家。请为我的游戏生成一个敌人难度曲线配置文件。
需求：敌人血量从第 1 关 50 线性增长到第 20 关 500，但第 10~12 关（Boss 前）设置"喘息点"（血量增长放缓 50%）；攻击力用指数曲线 10 × 1.08^(level-1)。
输出：一个 GDScript 文件（返回 get_enemy_stats(level) 函数，含血量/攻击力/经验），数据用字典硬编码前 20 关，并附 3 行注释说明调整哪个常量会改变曲线形状。

学习心得

对「用 DeepSeek 从零做 Steam 游戏」来说，数值平衡是 AI 最容易帮上忙的环节：DeepSeek 擅长查漏补缺式的计算分析，把武器表、敌人表扔给它，几秒钟就能算出 TTK 和曲线交叉点，省掉整晚手算。关键是先把数值模型定义清楚（期望值、DPS、TTK），再让 AI 在模型上做计算——模型越清晰，AI 越可靠。等游戏原型跑起来，再用”均值 vs 中位数”的思路分析真实对局数据，完成从”AI 建议”到”实测校准”的闭环。

明日关注

  • 学习游戏经济系统：金币产出/消耗的数值闭环设计（Level 10 经济学章节）
  • 用提示词①给当前原型武器表跑一遍 DPS 分析，记录失衡点
  • 在 Godot 里建立数值配置单例（Autoload），把平衡数据从代码中抽离

本文由自动化学习流水线每日生成，坚持即学即记。