跳到主要内容

关卡与难度:设计可学习的挑战序列

难度来自玩家需要处理什么​

给敌人加血确实可能提高通关成本,但难度不只有数值。观察信息的负担、操作精度、决策时间、同时追踪的目标、失败损失和规则知识,都影响挑战。后端开发者可以把关卡看成带前置知识的场景数据:它不仅配置实体,还安排玩家在何时知道什么、被要求完成什么,以及完成后如何确认自己掌握了规则。

例如首次出现冲锋敌人时,宽阔场地、单个敌人和明显预警能让玩家学习方向承诺;第二关加入狭窄通道,要求提前选位置;第三关让两个敌人错峰攻击,要求观察节奏。三关可以使用完全相同的血量。若第一次就同时出现三种新敌人,失败后很难分辨是知识、观察还是操作问题,也无法给出有效反馈。

关卡节奏需要高压与恢复。恢复段可以是安全移动、低强度敌人、奖励选择或回看地图,让玩家消化上一段信息。持续增加密度会让不同挑战趋于同一种疲劳。这里的“恢复”并不要求没有玩法:让玩家利用刚学会的能力轻松处理旧问题,也能提供掌握感。是否符合目标受众仍需观察,不能由设计者的喜好直接推断。

先写技能图,再写关卡表​

技能图描述前置关系,例如“辨认预警→移动避让→在恢复期输出→同时处理追击敌人”。每一关选一个主要学习目标,少量辅助目标。把目标写成行为:“在冲锋结束后进入射程并完成攻击”,比“熟悉操作”更可验收。还应区分强制掌握和可选精通;主线可允许受到少量伤害,额外挑战再要求无伤,否则入门门槛可能由次要目标决定。

关卡数据与验证器分离。数据描述生成组、地形、时间预算和胜负条件,验证器检查引用、边界和可达性。地图格子可达不等于角色可通过,需要考虑角色半径、碰撞体、移动规则和动态障碍。若是推箱或钥匙门谜题,普通连通性也不足以证明可解;必须把钥匙拥有状态、箱子位置等加入搜索状态。

type Encounter = {
id: string;
prerequisite: string[];
objective: string;
waves: { at: number; enemy: string; count: number }[];
success: { surviveSeconds: number };
};
const lesson: Encounter = {
id: 'rush-intro', prerequisite: ['move'],
objective: '识别方向锁定并侧移',
waves: [{ at: 2, enemy: 'rusher', count: 1 }],
success: { surviveSeconds: 20 },
};

在 Cocos Creator 3.8.8 中,关卡控制器读取已校验配置并创建实体;胜负判断从模型收集事实,不根据节点是否已播放完死亡动画来决定。需要把“敌人失去战斗能力”和“视图已回收”分开,否则波次之间会被动画时长意外影响。路径和刷怪点最好在编辑器显示调试标记,运行时再叠加碰撞与射程可视化,减少凭画面猜测。

用失败位置而非平均胜率定位问题​

胜率把很多原因压成一个数。至少同时看首次受伤时刻、失败地点、使用的行动、是否看过规则和重试次数。如果失败集中在新机制出现后的第一秒,可能是提示或布局问题;如果玩家能解释原因但无法操作,可能是反应窗口或输入容错问题;如果出现一条无需观察就稳定获胜的路线,才需要检查策略空间与数值。

试玩样本还存在选择偏差。完成前几关的人才会进入后续关卡,因此后续胜率上升不一定意味着更简单。记录进入条件、玩家经验和配置版本;同一玩家重复尝试也不能当作独立新手样本。自动代理适合验证可达性、资源是否足够或某策略是否支配,不适合直接代表人类注意力、疲劳与审美判断。

动态难度要明确调什么、何时调、是否向玩家说明。教学原型可以在连续失败后提供可拒绝的减速辅助,或放宽容错;不要偷偷在玩家表现改善时同步提高敌人属性,让成长失去意义。排行榜或竞赛模式需要清楚区分辅助条件,否则成绩不可比较。收费项也不应借助隐藏难度变化制造必须购买的假象。

排查不公平与不可解​

“出生即受伤”先检查刷怪禁区、镜头可见范围和预警,不能仅降低伤害。“偶尔卡关”应保存种子、配置版本与实体快照,然后检查生成预算、寻路失败和胜负条件是否互相排斥。“最后一只敌人找不到”可能是敌人生成在不可达格,也可能是计数包含已经回收的对象。为这些情况显示剩余有效敌人数量及其坐标,比增加超时强制通关更能定位根因。

关卡编辑流程也要保护设计者。保存时检测重复编号、负时间、无效敌人类型与地图外坐标;发布前按固定种子批量运行规则模拟,输出失败案例。自动校验不会证明关卡好玩,但能让试玩时间集中在真正的设计问题上。没有必要一开始就制作完整可视化编辑器,结构化 JSON 加调试覆盖层通常足够支持第一批关卡。

为关卡保留可诊断的失败​

失败反馈应指向玩家可以改变的行动。被冲锋击中时,可以回显最后一次方向预警和命中位置;资源不足时,显示关键消耗与可选路径。不要把所有失败都归为战力不足,这会抹掉规则学习的机会。调试版还可以保留失败前数秒的输入和状态环形缓冲,只在失败时导出,减少日志体积。回放用于找因果,实际玩家看到的反馈则应简洁,并让重试入口容易到达,避免每次验证策略都要重复等待无关流程。

给 AI 的任务与验收​

任务可以是:“生成三关配置,只改变敌人组合与地形,不改变玩家属性;每关写出主要学习目标、前置技能和失败反馈。实现数据验证与刷怪点可视化,不加入动态难度。为不可达刷怪点输出关卡编号与坐标。”要求 AI 说明每关如何迫使玩家使用已学技能,避免只是把敌人数从十改成二十。

验收时检查地图通路、出生保护、胜负互斥以及暂停恢复后的生成时刻;用相同输入重放可比较配置修改前后的差异。真人试玩另行验证玩家能否说出新机制并完成对应行为。可在实验室改变预警时间,观察同一规则的操作窗口如何变化;数值的推导方法见平衡与经济。

来源与核查范围​

  • MDA 原论文,核查日期:2026-11-17。用于提醒规则变动会通过动态影响体验,不提供本文的关卡难度数值。
  • Red Blob Games:A* 算法与图表示,核查日期:2026-11-17。路径搜索依赖图的定义;关卡验证建议是本文的工程推导。