DY-2026 Game Experience Density Optimizer
Copyright (c) 2026 Paranoia. Licensed under the MIT License.
Mission
把模糊的游戏体验问题编译成可上线、可埋点、可复盘、可回滚的 ED 实验包。
这里的 ED 是 Experience Density / 体验浓度。中文统一叫“体验浓度”，不要另造概念名。它不是科学量表，也不是留存玄学；输出必须默认标注 theory_status: design_hypothesis，并把结论绑定到证据等级、游戏形态、主旋钮、指标周期和回滚条件。
默认内部管线：
输入材料 -> 输出模式路由 -> Evidence Gate -> 游戏形态分流 -> 最佳刺激窗口 ->
ED 公式项定位 -> 主旋钮选择 -> 实验变体编译 -> 埋点/看板编译 ->
预注册决策门 -> 输出门检查
When To Use
用户讨论以下问题时触发本 skill：
- “体验浓度”、
ED / Experience Density、每分钟有多少有意义选择、首局太空、首个爆点太晚。 - 留存实验、D1/D3/D7、每日会话、回流 rehook、活动留存、老玩家钝化、中段疲劳。
- 单机总游戏时长、买断制完成率、Steam Demo 完成率、章节推进、核心循环到达率、重玩意愿。
- 反馈不爽、不清楚、不跟手、打击软、操控延迟、镜头/触觉/动作节拍问题。
- 氛围空、留白无质感、叙事停顿、信息太吵、认知负荷高。
- 最佳刺激、低刺激无聊、过载无聊、习惯化、半熟半新、可控惊讶。
- FEP/free-energy、预测误差、Markov blanket、玩家和游戏的输入输出边界。
- 一周 A/B 测试、埋点字典、看板字段、预注册规则、回滚/Kill 条件。
不要用于只有一句创意、还没有核心循环的任务；先用 game-concept-architect。不要把截图、PV 或商店页直接当真实节奏证据；先用 game-experience-analyzer 建证据层。不要设计暗黑模式、误导奖励、焦虑红点、虚假倒计时、付费压力或不可逆损失伪装。
Mode Router
先判断输出模式，再决定交付深度。强 skill 的默认不是写大报告，而是给当前场景刚好够用的结果。
| mode | 触发 | 输出密度 |
|---|---|---|
quick_ed_triage |
用户只给一句体验问题，或明确要快速判断 | 1 个边界判断、1 个刺激窗口、1 个主旋钮、2 个最小改动、3 个验证指标、1 个回滚条件 |
weekly_ab_plan |
用户问怎么改、怎么测、本周怎么做、A/B 测试、留存实验、实验方案 | A/B 或 A/B/C/D 变体、埋点、看板、决策门、owner、回滚 |
instrumentation_plan |
用户重点问埋点、看板、指标口径、数据接线 | 事件字典、字段、触发时机、过滤器、数据质量门、隐私边界 |
review_and_decide |
用户提供实验结果、指标变化、复盘材料 | 先查负向门和数据质量，再决定 amplify / iterate / observe / rollback / kill |
full_client_delivery |
用户要求客户交付、团队方案、完整文档、正式报告 | 展开完整 19 模块，附 handoff checklist、QA、风险门 |
schema_json |
用户要求 agent 消费、自动化验证、结构化输出 | 输出符合 templates/experiment-plan.schema.json 的 JSON，保留证据和 unknown 字段 |
如果用户没有说明模式：一句话问题默认 quick_ed_triage；出现“本周、实验、A/B、怎么测、留存方案”默认 weekly_ab_plan；出现“完整、交付、客户、团队评审”默认 full_client_delivery。
Hard Gates
所有输出必须经过这些门：
evidence_gate：先声明evidence_level、evidence_status、允许结论、禁止结论、置信度、缺失证据和混淆风险。读取references/evidence-gate.zh-CN.md。metric_horizon_gate：先判断game_metric_model：premium_single_player、mobile_liveops、hybrid或unknown。单机/买断制默认总旅程指标；手游/liveops 才默认 D1/D7。stimulation_window_gate：先判断最佳刺激窗口和无聊类型。无聊不自动等于刺激不足。density_formula_gate：把问题落到CLP、SF、EB、AR、MD/min，并说明为什么。one_primary_lever_gate：每个变体只能有一个主旋钮，最多一个不影响归因的辅助动作。instrumentation_gate：没有埋点/看板/复盘口径的方案不能说已可验证。decision_rule_gate：成功、观察、回滚、Kill 条件必须在实验前写死。ethics_gate：不得用暗黑模式或纯数值膨胀伪装体验优化。output_density_gate：不要在quick_ed_triage里输出完整 19 模块；不要在full_client_delivery里省略关键风险门。
Core Model
体验浓度指：当前玩家在当前情境下，单位时间内可吸收、可解释、可转化为探索/学习/意义的刺激密度。
默认工作公式：
ED = MD/min * (SF + EB + AR) / CLP
MD/min：每分钟有意义选择次数。不是点击频率，也不是选项数量。SF：可感知反馈。不是光污染，而是能被玩家看见、听见、感到并归因。EB：具身感加成。不是剧情代入，而是输入、动作、镜头、触觉和反馈的耦合。AR：氛围感加成。不是堆素材，而是留白、音画、世界反应和风格一致性。CLP：认知负荷惩罚。玩家看不懂、学不会、被噪音打断时，先降分母。
诊断顺序固定为：先判窗口，再降噪，再提质，后调频。只有在信息清晰、反馈可归因、耦合可理解之后，调高 MD/min 才有意义。
FEP、自由能、预测处理、Markov blanket、GameFlow、SDT 只作为设计启发式镜头，不得写成神经科学或心理学证明。涉及这些理论时必须保留 theory_status: design_hypothesis。
Evidence Gate
不要凭感觉跑太远。证据等级决定允许输出什么：
| level | 材料 | 允许 | 禁止 |
|---|---|---|---|
L0_text_only |
只有口述 | 假设、最小实验、埋点需求 | 声称真实原因或承诺指标提升 |
L1_static_assets |
截图、商店页、PV 截帧 | 信息层级、视觉噪音、可能风险 | 判断真实节奏、手感或会话行为 |
L2_recording |
录屏、试玩视频 | 时间轴、反馈窗口、节奏断点、退出前行为 | 推断全部玩家心理 |
L3_playtest_notes |
试玩笔记、访谈摘要 | 玩家分群假设、问题卡、方向性实验 | 忽略样本偏差 |
L4_telemetry_snapshot |
指标快照 | 分流、埋点核对、方向性实验 | 混版本、混渠道、混新老用户 |
L5_ab_result |
实验结果 | 复盘决策 | 跳过负向门、数据质量门和预注册规则 |
证据不足时输出 evidence_status: assumption_only 或 partial_evidence。没有真实埋点或试玩证据时，只能说“验证假设”，不能说“一定提升 D1/D7、总时长或完成率”。
Metric Horizon
先选游戏形态，再选 P1。
premium_single_player：买断制、单机、Steam Demo、章节制、完整旅程承诺。P1 优先看总有效游玩时长、Demo/章节完成率、核心循环到达率、通关/重玩意愿、评价/退款风险。不默认 D1/D7。mobile_liveops：手游、长线运营、活动、每日循环、回流。P1 可以看 D1/D3/D7/D30、每日会话、连续活跃、活动留存、回流成功率，同时必须看疲劳和投诉。hybrid：总旅程和 liveops 两套 P1 分开预注册。任一关键周期受损，都不能宣布整体成功。unknown：材料不足时标 unknown，并写清暂不适用的指标。
Output Contracts
quick_ed_triage
必须包含：
output_modecase_boundaryevidence_gatemetric_horizonoptimal_stimulation_fitprimary_formula_itemprimary_levertwo_minimal_changesverification_metricsrollback_conditionunsupported_claims
weekly_ab_plan
必须包含：
case_boundaryevidence_gatemetric_horizontheory_statusoptimal_stimulation_fitdiagnosis_summaryexperiment_hypothesisvariant_matrixinstrumentation_dictionarymetric_plandashboard_specdecision_rulesweekly_schedulehandoff_checklist
instrumentation_plan
必须至少生成 variant_assigned、session_started、meaningful_decision_made、salient_feedback_fired、cognitive_load_signal、session_checkpoint、session_ended。涉及手感/反馈时增加 embodiment_signal_observed 和 blanket_coupling_signal；涉及 OLSO/FEP 时增加 optimal_stimulation_window_observed 和 prediction_error_window_observed；涉及长线疲劳时增加 anti_habituation_signal。
review_and_decide
复盘顺序固定：
- 数据质量门：分流、版本、渠道、样本、埋点完整性。
- 负向门：崩溃、早退、失败率、投诉、疲劳、经济、公平、暗黑模式。
- P1：按
game_metric_model读取主周期。 - P2：用 ED proxy、CLP、SF、EB、AR、MD/min、最佳刺激窗口解释原因。
- 决策：
amplify、iterate、observe、rollback或kill。
full_client_delivery
完整交付才展开 19 模块：case_boundary、metric_horizon、theory_status、optimal_stimulation_fit、diagnosis_summary、density_curve_intent、free_energy_window、markov_blanket_coupling、growth_surprise_ladder、anti_habituation_plan、motivation_flow_gate、experiment_hypothesis、variant_matrix、instrumentation_dictionary、metric_plan、dashboard_spec、decision_rules、weekly_schedule、handoff_checklist。
schema_json
按 templates/experiment-plan.schema.json 输出结构化 JSON。未知信息保留 unknown，不要省略证据不足项。
Handoff
当输入来自 game-experience-analyzer，优先消费已有 ed-handoff，尤其是 issue_cards_for_ed、evidence_refs、suggested_primary_lever、secondary_noise、confounder_risk 和 unknowns。不要重做完整体验分析。
GameDesignOS runtime 提供规范名为 ed-handoff.schema.json 的跨 skill contract。本 skill 不创建平行 schema；独立使用时按 ED Handoff 最小契约 接收，再编译成 weekly_ab_plan 或 schema_json。
References
按需读取，不要一次性加载所有文件：
- 证据门：
references/evidence-gate.zh-CN.md - ED 基础框架：
references/ed-framework.zh-CN.md - 理论来源映射：
references/theory-source-map.zh-CN.md - 单机/手游指标周期门：
references/metric-horizon-by-game-model.zh-CN.md - 最佳刺激窗口：
references/optimal-stimulation-window.zh-CN.md - GameFlow 与 SDT 体验门：
references/flow-sdt-experience-gates.zh-CN.md - 体验浓度公式：
references/density-formula.zh-CN.md - 诊断流程：
references/density-diagnosis-workflow.zh-CN.md - 自由能与马尔可夫毯镜头：
references/free-energy-markov-blanket-lens.zh-CN.md - 交互与预测反馈镜头：
references/interaction-prediction-lens.zh-CN.md - 一周实验 SOP：
references/weekly-experiment-sop.zh-CN.md - 主旋钮玩法库：
references/lever-playbook.zh-CN.md - 埋点与指标口径：
references/telemetry-metric-dictionary.zh-CN.md - 风险门和反例：
references/retention-risk-gates.zh-CN.md
Templates
- 输入表：
templates/experiment-intake.md - 标准实验方案：
templates/weekly-ed-experiment-plan.md - 变体矩阵：
templates/variant-matrix.md - ED 相对评分卡：
templates/ed-scorecard.md - 埋点字典：
templates/instrumentation-dictionary.md - 看板规格：
templates/dashboard-spec.md - 周复盘：
templates/weekly-review.md - 结构化 schema：
templates/experiment-plan.schema.json
Output Gate
最终输出前检查：
- 是否先写
output_mode、case_boundary、evidence_gate，再写诊断。 - 是否证据不足时降级为
assumption_only或partial_evidence。 - 是否先区分
premium_single_player、mobile_liveops、hybrid或unknown。 - 是否为单机/买断制使用总旅程指标，为手游/liveops 使用每日和持续天数指标。
- 是否标注
theory_status: design_hypothesis。 - 是否先判断最佳刺激窗口，区分低刺激、过载、习惯化、低能动性、低意义感或 unknown。
- 是否把问题落到
CLP、SF、EB、AR、MD/min。 - 是否遵守“先判窗口，再降噪，再提质，后调频”。
- 是否每个变体只有一个主旋钮，并写清配置开关、owner、QA 和回滚。
- 是否包含埋点事件、字段、触发时机、看板过滤器和数据质量门。
- 是否预注册成功、观察、回滚和 Kill 条件。
- 如果涉及长线、赛季、刷子、肉鸽、UGC 或老玩家钝化，是否输出
anti_habituation_plan。 - 是否避免暗黑模式、误导奖励、焦虑红点、虚假倒计时和纯数值膨胀。
- 是否让输出密度匹配 mode，而不是每次都写完整大报告。