跳到主要内容

平衡与经济:从公式到可解释的取舍

先选比较单位,再谈强弱​

平衡不是让所有东西拥有相同数字,而是让不同选项在明确条件下具有可理解的用途。近战与远程可以拥有不同伤害,因为攻击时间、风险、范围和移动机会不同。先定义比较窗口:单次攻击、十秒稳定输出、一波总收益还是整局通关概率。把一个瞬时爆发值与另一个持续输出值直接比较,会得到错误结论。

对于简单战斗,可从每次伤害乘每秒攻击次数得到理论秒伤,再考虑命中率、有效攻击时间和过量伤害。敌人生命除以有效秒伤得到粗略击杀时间,但离散攻击需要向上取整。例如每次造成四点伤害,对九点生命需三次攻击;把伤害从四提到五会把次数降到两次,收益远大于表面百分之二十五。攻击前摇与首次攻击延迟也会影响实际耗时。

因此要同时保留公式与模拟。公式帮助解释方向,离散模拟暴露阈值。暴击期望值适合较长样本,短局却可能被方差主导;平均收益相同的两把武器,稳定性可能完全不同。若失败损失很高,玩家对波动的容忍度也可能变化,但这种偏好需要实际研究,不能从数学期望直接推出。

用资源流描述经济​

经济系统包括来源、去向、存量与交换规则。来源是击败敌人、完成任务或离线产出;去向是升级、建造或消耗品;存量决定玩家能保存多少未来选择。后端经验在这里很有用:每次资源变化都应有原因、数量、配置版本和唯一操作编号。界面只显示余额,领域规则维护不允许负数、重复领取和越级购买等不变量。

type Upgrade = { base: number; growth: number; maxLevel: number };
function costAt(c: Upgrade, level: number): number {
if (!Number.isInteger(level) || level < 0 || level >= c.maxLevel)
throw new Error('invalid level');
const cost = Math.ceil(c.base * c.growth ** level);
if (!Number.isSafeInteger(cost)) throw new Error('cost overflow');
return cost;
}
// 教学假设:首级 20,每级乘 1.18,最高 30 级。
const attackUpgrade = { base: 20, growth: 1.18, maxLevel: 30 };

指数价格增长很快,不能只看前三级是否合理。产能若线性增长,等待时间会逐渐拉长;产能也指数增长,则要比较两者的增长率。先列出每一级成本、增量收益与回本时间,再观察什么时候出现长时间没有新选择的区间。用“每天必须上线多少次”作为唯一调参目标,容易把内容问题变成重复劳动。

平衡表应记录单位,例如金币、秒、格、每秒伤害。配置字段尽量带单位或在模式定义里写明;百分比统一选择零到一或百分数,不混用。金额与可交易资源使用整数最小单位,不能依靠浮点直接比较。数量大到超过安全整数时,要明确改用大整数、十进制字符串或专用数量表示,同时规定显示舍入,不能等玩家进度达到上限后再修。

分清策略平衡与商业化边界​

付费、广告、签到会增加新的资源来源,也会改变经济。先绘制非付费、无广告路径,确认核心内容可以按声明完成,再评估可选加速。激励广告的奖励需要与一次明确的领取意图绑定,关闭、失败和重复回调有不同处理;支付资产则需要服务端可信验证与幂等记账,不能由按钮点击直接发放。本文不提供具体平台合规或法律结论,实际发布要核对当期官方规则。

设计层面可以设自己的保护边界:展示真实价格与完整代价;拒绝广告后仍能继续当前流程;不把付费入口伪装成必要操作;概率奖励说明概率与保底条件;不凭设备或个人脆弱特征秘密提高价格。这里是可审查的产品约束,不是对平台用户偏好的统计结论。商业指标应与投诉、退出、失败恢复和玩法参与一起解释,避免优化出短期数字更高、体验更差的流程。

调参实验需要版本与对照​

调整一项武器时,固定关卡、随机种子和输入策略,记录击杀时间分布、受伤、资源消耗和选择率。选择率低可能来自说明不清、解锁位置不佳或使用门槛,并不一定是数值弱。真人实验还需控制熟练度差异,不能用新手组和老手组直接比较。小样本更适合寻找明显问题,正式结论需匹配足够样本和合理的统计方法。

常见错误包括升级成本翻倍而收益只增一点、退款金额与购入金额使用不同舍入、重复领取造成通胀、配置热更新让同一场战斗前后使用不同属性。处理顺序是先检查交易正确性和版本一致性,再分析策略是否支配。若一次购买同时消耗金币并提高等级,应作为一次状态提交;动画、音效和埋点读取提交结果,失败时不能只回滚其中一半。

用边际收益检查选项是否退化​

除了总收益,还要比较下一次投入带来的额外收益。若同价升级始终有一项在伤害、范围、风险和后续解锁上全面更优,另一项可能只是伪选择。可以通过限制条件、不同敌人组合或成本结构建立用途,而不必强行把所有数值拉齐。调参时保留几个代表性场景,分别记录单目标、群体、移动目标和短爆发结果。任何“已经平衡”的结论都要附适用场景;超出这些条件后仍需重新验证,不能把一张平均值表当作普遍证明。

给 AI 的任务与验收​

任务示例:“实现三种武器的离散战斗模拟,固定命中策略并输出首次命中、总攻击次数、击杀时间和过量伤害。实现三十级升级成本表,检查整数范围与回本时间。保持配置独立,不擅自加入抽卡、付费或广告。”要求 AI 先写假设:是否移动中攻击、是否有前摇、攻击能否打断,模拟才有解释力。

验收包括零余额不能购买、恰好够钱只扣一次、重复操作编号不会重复升级、最高等级返回明确结果、同一配置同一种子可复现。对策略平衡则检查不同距离、敌人数量与生命阈值下是否存在用途差异;不能以“平均伤害接近”就宣称完成平衡。在实验室改变参数时,先预测趋势,再观察阈值带来的非线性变化。复杂跨局资源可继续阅读放置经营。

来源与核查范围​

  • Cocos 3.8 用户数据存储,核查日期:2026-11-17。官方提醒客户端加密不能保证资产安全;本文交易与经济方案是工程建议。
  • 微信官方小游戏 API 类型定义,核查日期:2026-11-17。用于核查激励视频回调结构;平台文档直连受限,发布规则未在本文中核定。