找回密码
 立即注册
搜索
查看: 483|回复: 9

[其他] 【全文翻译·12篇】Ian Schreiber 游戏平衡概念:从概率、成本曲线到数值与机制平衡

[复制链接]
     
发表于 2026-9-4 09:42 | 显示全部楼层 |阅读模式
本帖最后由 marquez 于 2026-9-4 09:51 编辑

《游戏平衡概念》中文全译
原作:Ian Schreiber
原站:Game Balance Concepts
原文发布于:2010 年 6 月 17 日至 2010 年 9 月 8 日
中文翻译:OpenAI Codex(应用户要求逐段翻译,未调用其他翻译模型)
授权说明原作采用 Creative Commons Attribution 3.0 United States(CC BY 3.0 US) 许可。你可以在保留原作者及来源署名的前提下分享、复制、传播和改编本译文。
本译本收录原站全部 12 篇正式博文正文,保留原有标题层级、列表、强调、数字和正文外链;不收录评论区、导航栏、订阅组件及其他 WordPress 界面文字。游戏名优先采用通行中文译名;可能造成歧义时保留英文原名。
目录
什么是《游戏平衡概念》?发布日期:2010-06-17
阅读英文原文
这个博客是做什么的?这是我第二个决定开设免费在线游戏设计课程的夏天。去年夏天的课程是一门概论,较为笼统地涵盖了游戏设计的各个领域;你可以在 Game Design Concepts 找到它。
今年夏天,我要深入探讨一个范围更窄的主题——游戏平衡。去年我曾用一节课讲过这个话题,但我认为它值得得到更充分的讨论,所以今年我会深入研究平衡问题。
你可以在这里免费观看介绍视频,其中更详细地说明了课程主题。(更新:由于课程平台出现技术问题,这段视频曾有一小段时间无法观看。问题已经解决,现在所有人都应该能够创建账户、观看视频并下载课程大纲。感谢大家报告问题,也感谢大家在我与 supercoolschool.com 协作解决问题期间耐心等待!
费用是多少?浏览这个博客以及今后发布在这里的全部信息,100% 免费。我甚至把这些内容采用知识共享许可发布,因此,只要注明我的署名,你在授课或写书时都可以使用或引用这些材料。
今年夏天还新增了收费版,价格仅为 55 美元,大致相当于一本教材的费用。收费版包含大家去年夏天提出希望增加的内容——直播讲座和个别指导:
  • 直播讲座:每周一美国东部夏令时间中午举行。每次预计约一小时,包括问答环节。
  • 讲座录像:即使你没能参加直播,也可以在线观看之后发布的录像。
  • 额外的多媒体内容:包括带批注的 PowerPoint 文件和 Excel 工作表示例。
  • 直接邮件回复:我会直接通过电子邮件回复你的评论或问题。
报名方法会很快公布。
课程何时开始?课程计划持续十周,从 7 月 5 日星期一开始,到 9 月 8 日星期三结束。你可以在这里下载课程大纲。

IGDA 会员优惠!发布日期:2010-06-30
阅读英文原文
我很高兴地宣布:付费的 IGDA 会员可以享受 10 美元优惠,会员参加收费课程的总费用将从 55 美元降至 45 美元。
具体方式如下:照常报名课程并支付 55 美元。我会根据你付款时使用的姓名和电子邮件地址向 IGDA 核实会员身份,随后通过 PayPal 向你退还 10 美元。退款会在课程第一周完成,最晚不超过 7 月 11 日。(如果你报名课程时使用的姓名或电子邮件地址与 IGDA 档案中的信息不同,只需发邮件告诉我。报名后一两天内,你应该会收到 gamebalanceconcepts@yahoo.com 发来的邮件,直接回复那封邮件即可。)
如果你参加的是免费(0 美元)课程,同时也是 IGDA 会员,课程当然仍然免费,但不会再有额外折扣。

第 1 关:游戏平衡导论发布日期:2010-07-07
阅读英文原文
课程公告我得承认,课程已经开始之后仍有人报名收费课程,这让我有点意外;不过,开学初期才加入一门课,大概也很常见。为了对那些提前很久报名的人公平,我会在本周日(7 月 10 日)美国东部夏令时间午夜关闭报名。因此,如果你还没有报名但仍想参加,请务必在那之前点击 PayPal 链接!
阅读与游戏材料如果还没看过,请先观看本课程的介绍视频,然后再继续阅读。你可能需要在该网站创建账户,但介绍视频可以免费注册观看。
本周主题对于经验丰富的游戏设计师(或者希望立刻深入细节的人)来说,本周的开局可能会显得有些慢。我这一周主要想做两件事:让所有人进入“接到一项平衡任务的游戏设计师”这种思维状态;同时确立一些基础术语,使我们能够准确地讨论游戏平衡。
你可以把本周想成一个教学关。接下来几周,课程的难度和节奏都会逐步提升。
什么是游戏平衡?我本来会先问“什么是游戏平衡?”,不过我已经在预告视频里回答过了。虽然这样说或许过于简化,但我们可以认为,游戏平衡主要就是确定游戏中应该使用哪些数值。
这立刻引出一个问题:如果一款游戏根本不涉及数字或数学呢?比如,操场上的捉人游戏(Tag)*就没有数字。这是否意味着,“游戏平衡”这个概念用在 *Tag 上毫无意义?
答案是,Tag 其实也有数值:每名玩家能跑多快、能跑多久;玩家彼此相距多远;游戏场地有多大;某个人要当多久的“捉人者”。我们之所以不记录这些数据,只是因为 Tag 并非职业运动……但假如它真是一项职业运动,你尽可以相信,一定会有球员卡和网站,上面列满各种数字!
所以,每一款游戏其实都有数值,即使这些数值隐藏在规则背后或只是隐含存在;这些数值的用途,就是描述游戏状态。
怎样判断一款游戏是否平衡?判断一款游戏是否平衡,并不总是一件简单的事。例如,*国际象棋(Chess并非完全平衡:人们观察到,先手拥有轻微优势。然而,这种不平衡究竟源于机制——也就是说,先行确实带来真正的战术或战略优势——还是源于心理,目前尚无定论。后一种解释是:棋手相信先手占优,于是在后手时不知不觉地发挥得更差。有趣的是,这种先手优势在水平较低的对局中会消失,只有在锦标赛级别的比赛中才能观察到。别忘了,这是一款以某种形式流传了几千年的游戏,可我们至今仍不知道它究竟有多么*不平衡!
在国际象棋中,玩家水平越高,游戏的不平衡越明显。有些游戏却正好相反:高水平玩家可以通过聪明的打法纠正游戏固有的不平衡。例如,*卡坦岛(Settlers of Catan)*的大部分玩法都围绕玩家之间交换资源展开。如果某名玩家因为起始位置较好而取得轻微优势,其他玩家可以约定暂时不和他交易,或者只提出对他不利的交换条件,直到各方的起始差异被抹平。休闲局里通常不会发生这种事,因为玩家未必能识别游戏早期的细微优势;但在赛事级别的对局中,玩家更有可能察觉游戏内在的不平衡,并据此采取行动。
简而言之,游戏平衡既不容易,也不直观。(不过,既然我要连续十周讨论这个主题,你大概早就猜到了!)
建立一套分析用语和去年夏天一样,我们需要先定义几个关键术语,接下来讨论不同类型的平衡时会反复用到它们。
确定性在本课程中,我把“确定性游戏”定义为:从给定的游戏状态出发,执行某个特定行动之后,总会得到相同的新游戏状态。
国际象棋围棋西洋跳棋都是确定性游戏。你不会碰到这种情况:移动一枚棋子,途中却因为意外掷出了某个战斗骰结果,棋子不知怎么就丢了。(当然,除非你玩的是某种非确定性变体。)
*糖果乐园(Candy Land)蛇梯棋(Chutes & Ladders)*都不是确定性游戏。两者都通过随机机制决定玩家前进的距离,所以你永远无法确切知道自己下一回合会走多远。
扑克也不是确定性游戏。你可能连续打出几手表面看来状态完全相同的牌——你的手牌以及桌面上所有明牌都一样——但每手牌的实际结果仍可能不同,因为你不知道对手拿着什么牌。
石头剪刀布也不是确定性游戏:同一个出招,例如石头,会根据对手的选择而有时胜、有时负、有时平。
请注意,以上每款游戏都包含确定性成分。例如,在蛇梯棋中掷完骰子、在扑克中亮牌,或者在石头剪刀布中双方出手之后,回合的结算都遵循确定性的游戏规则。如果你出石头而对手出布,结果永远相同。
非确定性确定性游戏的反面就是非确定性游戏。说明两者差别最简单的办法,是比较街机经典作品*吃豆人(Pac-Man)及其续作吃豆女士(Ms. Pac-Man)*。
初代吃豆人是完全确定性的。幽灵所遵循的 AI 完全取决于当前游戏状态。因此,在某一关按照预先规定的顺序输入控制指令,每一次都会得到完全相同的结果。由于这种确定性,有些玩家找出了固定的移动路线;游戏于是从一场追与逃的较量,变成了对路线的记忆和执行。
这最终成了一个问题:街机游戏若想维持盈利,玩家每局的平均游戏时间必须不超过 3 分钟;但掌握固定路线的玩家却可以连续玩几个小时。吃豆女士因此加入了非确定性元素:幽灵有时会随机选择方向。这样一来,游戏的重心便从执行固定路线重新转回快速思考和即时反应;至少在高手竞赛层面,两款游戏的玩法相当不同。
这并不是说非确定性游戏总是“更好”。别忘了,国际象棋围棋都是已有几千年历史的确定性游戏;今天的游戏设计师如果发现自己的作品发布两三年后还有人在玩,就已经会觉得很幸运了。因此,我不是说其中一种方法优于另一种,而是说:分析确定性游戏与非确定性游戏的平衡,需要采用不同的方法。
理论上说,确定性游戏可以接受某种暴力分析:枚举所有可能的走法,并确定其中最优的一步。需要考察的走法数量可能大得惊人——围棋就是如此——以至于无法用暴力方法求出整个游戏的解;但至少在某些情形下,通常是开局和残局,我们可以进行一些数值计算,找出最优走法。
非确定性游戏不能这样处理。你需要借助概率,算出每种行动取胜的可能性,同时承认任意一次实际对局都可能产生不同结果。
可解性这就把我们带到游戏是否“可解”的问题。一般而言,当我们说一款游戏可解,是指在游戏进程中的任意时点,都存在一个唯一且可以获知的“最佳”行动,而且玩家有可能知道这个行动是什么。通常,我们认为可解性是游戏中不受欢迎的特征。如果玩家已经知道最佳行动,就不再需要做任何有趣的决策;每个决定都显而易见。
不过,可解性分为许多种,其中一些并不像另一些那么糟糕。
平凡可解通常,当我们以负面含义说一款游戏“可解”时,实际指的是它“平凡可解”:人脑能够在实时游戏过程中把它完全解开。*井字棋(Tic-Tac-Toe)*就是常见例子。尚未破解游戏的幼童会觉得它百玩不厌;但到某个阶段,他们会摸清所有可能变化、解开游戏,从此不再觉得它有趣。
我们依然可以讨论平凡可解游戏的平衡。例如,我们知道,如果双方都采用最优策略,井字棋必然以平局结束;从这个意义上说,它是平衡的。
但也可以换个角度:考察井字棋所有可能出现的对局,你会发现 X 获胜的方式比 O 更多。因此,也可以说它不平衡,因为先手具有优势——尽管双方都采取最优策略时,这种优势会被抵消。这些就是分析平凡可解游戏时需要考虑的平衡问题。
理论上的完全可解国际象棋和围棋等游戏在理论上可以求解,但它们的可能变化实在太多,人脑乃至计算机都无法在现实中解开整款游戏。这类游戏虽然可解,却依然有趣,因为其复杂程度超出了我们的求解能力。
判断这类游戏是否平衡十分困难,因为我们既不知道它们的解,也没有真正求解的手段。我们只能依靠游戏设计师的直觉、专家玩家有时彼此冲突的意见,或者大量顶级赛事对局的统计数据,来合理猜测游戏是否平衡。(另一个不切实际的办法,是坐等计算机在我们有生之年强大到足以解开它们——但这一天可能会来,也可能不会。)
求解非确定性游戏你可能会以为,只有确定性游戏才能被求解。毕竟,非确定性游戏包含随机或未知因素,所以“最优”打法并不能保证胜利,甚至不能保证平局。不过,我认为非确定性游戏仍然可以被“求解”,只是它的“解”看起来很不一样:此时的解,是一套能让获胜概率达到最大的行动方案。
纸牌游戏扑克提供了一个有趣的例子。你知道自己手中有什么牌,也知道桌面上亮出了什么牌。根据这些信息,可以精确计算这手牌的获胜概率;顶尖赛事选手实际上能够在牌桌上实时完成这种计算。因此,你的每一次下注,要么是最优的,要么不是。例如,假设你算出自己有 50% 的概率赢得一个 300 美元的底池,而继续留在牌局只需再付 10 美元,那么继续显然是最优行动:如果一半时候损失 10 美元,另一半时候赢得 300 美元,长期下来你会赚钱。在这个例子里,“解”就是下注。
你或许会问:如果扑克可以求解,为什么它没有变成一种乏味的机械劳动——玩家拿着计算器算概率,再根据数字决定下注还是弃牌?从游戏平衡的角度看,这种局面很危险:玩家不仅知道最佳行动是什么,因而所有决定都变得显而易见;而且最优打法有时仍会输,等于玩家精于概率计算反而受到了惩罚!在这类游戏中,你需要某种机制,绕开“可解性导致玩家受挫”这个问题。
扑克的解决办法,也是它如此有趣的原因,在于玩家可以为了诈唬而故意采用次优打法。对手的行为会影响你的判断:坐在对面的人猛烈下注,是因为他手牌极佳,掌握了你不知道的信息?还是因为他数学很差?又或者他其实很懂数学,明知手牌几乎赢不了仍然重注,只想骗你相信他的牌比实际更好?这种人的因素是不可解的;但游戏中可解的部分会为玩家提供判断依据。因此,在最高水平上,扑克是一场心理游戏,而不是数学游戏。正是这些心理因素,使高手之间的扑克不会退化成纯粹的运气游戏。
求解非传递性游戏非传递性游戏”是“类似石头剪刀布的游戏”的一种正式说法。由于结果取决于你和对手同时作出的选择,游戏似乎不存在最优行动,因此也无从求解。但事实上,它确实可以求解……只是它的解与其他类型的游戏很不一样。
石头剪刀布的解是 1:1:1,也就是说,三种手势的使用次数应大致相等。如果你偏爱其中一种——比如比其他手势更常出——对手就可以更频繁地出克制它的剪刀,从而让自己的胜率略高于平均水平。所以总体而言,石头剪刀布的“解”,就是长期以相同频率随机使用每种手势。
假设我们修改规则:每次用石头获胜按两场胜利计算,而不是一场。此时就会产生一个比例不均等的新解。我们可以用数学方法精确计算这个新比例,课程后面会讨论具体做法。举例来说,如果你正在设计一款即时战略游戏,其中某些单位以非传递性的方式克制另一些单位,但又希望某些单位在实际游戏中比其他单位更稀有、更特殊,这种方法就可能很有用。你可以调整各单位的相对能力,让某些单位更具成本效率,或者总体上更强;这又会改变最优打法下各种单位出现的相对频率。
完全信息与可解性相关的另一个概念,是信息的可获得程度。在“完全信息”游戏中,所有玩家在任何时刻都知道游戏状态的全部要素。国际象棋和围棋就是显而易见的例子。
由此你也许能看出:任何具有完全信息的确定性游戏,至少在理论上都是完全可解的。
另一些游戏具有不同程度的“不完全信息”,也就是每名玩家都不知道完整的游戏状态。*红心大战(Hearts)扑克*等纸牌游戏就是如此。在这些游戏中,每名玩家都掌握某些对手不知道的私有信息,而游戏的一部分恰恰是设法推断其他玩家知道什么。特别是在红心大战中,全体玩家掌握的信息加在一起就构成完整的游戏状态;如果玩家把各自的信息合并,游戏便会成为完全信息游戏。
还有些游戏包含对所有玩家都隐藏的信息,纸牌游戏*拉米(Rummy)*就是一例。所有玩家都知道弃牌堆里有哪些牌,这是公共信息;每名玩家知道自己的手牌,却不知道别人的手牌,这是私有信息;没有任何玩家知道牌库里还剩什么牌,以及这些牌按什么顺序排列,这是隐藏信息。
*万智牌(Magic: The Gathering)*等集换式卡牌游戏还增加了更多层次的私有信息,因为玩家对游戏的可能性空间也掌握着一部分独有信息。具体而言,每名玩家知道自己牌组里有哪些牌,却不知道对手牌组的内容;与此同时,双方都不知道自己抽牌堆中卡牌的确切顺序。更有意思的是,某些牌可以有限度地揭示上述各种信息,例如让你窥视对手的手牌或牌库。组建牌组时的一项挑战,正是在“获取信息有多重要”和“真正发动攻击或进行防御有多重要”之间作出取舍。
对称性另一个会影响游戏平衡的概念,是游戏究竟“对称”还是“非对称”。在对称游戏中,所有玩家拥有完全相同的起始位置,并遵循相同规则。国际象棋几乎是对称的,唯一麻烦的小细节是白方先行。
能否通过修改规则让国际象棋变得对称?可以。例如,让双方同时写下自己的走法,然后同时公开并结算,游戏就会完全对称——事实上,确实存在沿用这种思路的变体。请注意,这里的对称性以增加复杂度为代价:你需要额外规则处理两枚棋子同时移入或穿过同一格,或者一枚棋子进入某格的同时另一枚棋子正好离开等情况。
从一个角度看,可以说完全对称的游戏天然平衡。至少我们知道,没有玩家从开局起就占优或处于劣势,因为他们的初始位置一模一样。然而,单有对称性并不能保证游戏中的对象策略也是平衡的:某些棋子仍可能比其他棋子强大得多,某些策略也仍可能明显最优,而对称性对此毫无改变。因此,完全对称并不是设计师制作平衡游戏的一条“捷径”。
元游戏元游戏(metagame)”从字面上说,就是“围绕游戏的游戏”。它通常指玩家没有在实际进行一局游戏时所做的事情,而这些行为仍会影响他们下一局获胜的机会。万智牌等集换式卡牌游戏就是典型例子:玩家在两局之间构筑牌组,牌组内容会影响其获胜能力。再比如,顶级扑克选手乃至世界级石头剪刀布选手,会分析对手的常见行为和策略。职业体育在比赛之间也有各种活动:球探考察、选秀、交易、训练等等。
对于元游戏成分很强的游戏,元游戏本身的平衡是一项重要考量。即使一局游戏本身平衡,元游戏的不平衡仍可能摧毁整体平衡。职业体育就是很好的例子。任何职业体育项目都内含这样一个正反馈循环:赢得更多比赛的队伍会获得更多金钱;更多金钱让它们能够吸引更优秀的运动员,从而进一步提高赢下更多比赛的概率。(向所有住在纽约的人说声抱歉:这正是其他人都讨厌扬基队的原因。)
其他体育项目会设置元游戏机制来约束这种正反馈。美式橄榄球就采用了以下制度:
  • 选秀。 当一批球员离开原队、等待其他球队挑选时,实力最弱的球队最先选择。这样一来,弱队每年可以优先选到最强的新人。
  • 工资帽。 限制球员能够获得的薪酬,可以防止某支球队用无穷无尽的金钱解决问题。即使是弱队,也有能力为少数球员开出规则允许的最高薪酬。
  • 球员人数限制。 每支球队可拥有的球员数量有限;强队不能无限囤积人才。
这些元游戏机制并非随意设定或偶然形成,而是懂得游戏平衡的人有意加入的。这也是为什么在任何一个星期日,NFL 最弱的球队都有可能击败最强球队。
由此,你也许会认为,修复元游戏是一种平衡游戏的绝佳办法。集换式卡牌游戏却提供了两个说明这种策略会失败的例子。
首先,让我们回到万智牌诞生初期。卡牌之间存在稀有度差异,于是有些稀有牌最终就是比对应的普通牌强得多。Richard Garfield 显然认为,稀有度本身就是一种平衡手段。(公平地说,在当时这并非不合理的假设。他不可能预见有人会为了集齐一套稀有牌花费数千美元,也不知道玩家后来大多会无视“赌注(ante)”规则——那本来也是一项额外的平衡因素。)如今,集换式卡牌游戏的设计师已经更清楚这个问题。虽然偶尔仍能看到“越稀有就越强”的游戏,但值得庆幸的是,玩家越来越不愿容忍这种把戏。
其次,实体集换式卡牌游戏面临一个电子游戏没有的问题:一套卡牌一经发行,如果后来发现严重失衡,就已经来不及用“补丁”修复。在极端情况下,运营方可以限制甚至彻底禁用某张牌,或者发布勘误,但大多数时候这些办法并不现实,设计师只能接受既成事实。有时,设计师会试图在下一系列中制作一张“针对牌”,来平衡上一系列里过强的卡牌。这是一种元游戏层面的解决方案:如果所有竞技牌组都在用卡牌 X,那么推出一张会惩罚对手使用 X 的新卡 Y,就给了玩家一种新的元游戏选择……但如果 Y 没有任何其他用途,它就只有放在当前元游戏环境中才有价值。这样一来,元游戏实质上变成了石头(统治环境的牌组)—布(带针对牌的牌组)—剪刀(其他所有牌组)。它或许比只有一种统治策略的环境稍好,却好不了多少;更重要的是,它把重点从实际对局转移到了局外构筑:你还不如直接向对手展示牌组,据此宣布胜负。
这当然是一个极端例子,处理这种不平衡还有别的办法。针对牌也许同时具有其他有用效果;整款游戏也可以被设计成让玩家在对局中的选择对结果产生很大影响,使牌组更多只是影响玩法风格,而不是预先锁死策略。尽管如此,有些游戏确实极端到印出这样的卡:“当对手打出[某张有具体名称的牌]时,[对手会遭遇非常糟糕的后果]”,除此之外再无其他效果。因此,我认为这个问题值得指出。
游戏平衡与元游戏平衡在职业体育中,修复元游戏可以让比赛更平衡;在集换式卡牌游戏中,元游戏层面的修补却像是在投机取巧。为什么会有这种差别?
原因是,职业体育的不平衡原本就出在元游戏层面,所以用元游戏机制修复它恰如其分。集换式卡牌游戏的不平衡则存在于游戏机制或单个游戏对象——也就是具体卡牌——之中;由此产生的元游戏失衡只是症状,而不是根因。因此,用元游戏方案修补集换式卡牌游戏,只是在处理症状,最初的问题仍然没有得到控制。
这里的教训是:游戏某一部分的平衡问题可能传播到其他部分,并在那里显现出来。所以,你在试玩中看到的问题,未必就是实际需要修改的地方。发现一处失衡时,不要立刻贴上一块补丁;先问自己:这种失衡为什么会发生?真正的原因是什么?然后继续追问:那个原因又由什么导致?再往下又是什么?如此尽可能深入地追溯。
懒人也能轻松做游戏平衡我打算每周最后都留下一些你现在就能做的事,帮助你改善正在制作的游戏;然后再布置一些可以提升能力的“作业”。本周刚讨论的主要是术语——对称性、确定性、可解性、完全信息和元游戏——眼下能立刻动手的事情不多,所以我先来说说不该做什么。
如果你难以平衡一款游戏,最省事的办法就是让玩家替你完成平衡。一种方式是使用拍卖机制。注意,拍卖作为游戏机制本身没有任何问题——它往往很吸引人,也很刺激——但设计师可能把它当作拐杖,用来掩盖游戏失衡;你必须对此保持警惕。
举个例子说明它如何运作。假设你是暴雪的一名设计师,正在开发*《魔兽争霸 IV》*。这是一款兽人与人类对战的双人游戏,你想让双方平衡,但觉得兽人比人类稍强一点,差距不算太大。你决定,最好的平衡方法是减少兽人的初始资源:如果人类开局有 100 金币,兽人也许应该少一些。少多少?这正是游戏平衡要解决的问题,可你完全不知道答案。
有一种解决办法:游戏开始时,让两名玩家用自己的初始金币竞价,争夺使用兽人的权利。出价最高者获得兽人,但扣除其出价的金币;另一名玩家使用较弱的人类,并以完整的 100 金币开局。最终,玩家会逐渐形成共识,竞价金额也会稳定在差不多的水平,从而使双方达到平衡。我称它为懒惰的设计,是因为这个问题存在一个正确答案,而你不愿费力把它找出来,反而把负担转嫁给玩家,让他们替你平衡游戏。
不过请注意,在试玩测试中,这其实可以成为一件很好的工具。遇到上述情况,完全可以临时加入拍卖,让测试者就某项内容的价值达成共识;然后在最终版本中按这个共识定价,同时移除拍卖机制。
还有一种让玩家替你平衡游戏的办法:在多人混战游戏中加入机制,让玩家很容易联手围攻领先者。这样,只要一名玩家发现并利用了某处失衡,其他人就能合作将其压制。当然,这又会带来其他玩法问题。玩家可能故意“隐藏实力”,也就是有意采用次优打法,以免引起太多注意。表现优秀的玩家即使没有钻规则漏洞,也可能觉得其他人是在惩罚自己的高水平。“围攻领先者”机制构成了强烈的负反馈循环,而负反馈还会产生其他后果:游戏通常会拖得更久;前期技术对结果的影响不如后期;有些玩家甚至会觉得,胜负更多取决于自己不被人注意的本领,而不是实际的游戏水平。再次强调,允许玩家结盟互相对抗本身没有什么错;但如果其唯一目的只是让玩家替你收拾糟糕设计和平衡能力留下的烂摊子,那就不该成为你的第一个、也是唯一一个解决方案。
那么,现在有没有什么事能立刻改善你手头游戏的平衡?我建议检查一下,你是否把玩家当成了游戏平衡的拐杖,例如依赖拍卖、围攻领先者或类似机制。试着拿掉这根拐杖,看看会发生什么。你可能会发现,这些机制原来遮住了一些游戏失衡;将其移除后,失衡会变得更明显。当你找到先前被掩盖的真正问题,就可以修复它们,让游戏本身更扎实。(如果拍卖或围攻领先者对玩法确实重要,之后随时可以重新加入。)
作业我大胆猜一下:既然你读到了这里,空闲时间里大概至少会玩一款游戏。如果你在游戏行业担任设计师,也许工作时还会为了研究而玩游戏。你也可能有机会观看别人游戏,比如在测试自己的作品时观察试玩者,或者在电视上观看游戏节目或职业体育比赛。
本周玩这些游戏或观看别人游戏时,不要只顾娱乐。请思考游戏中的行动,并问自己:你认为这款游戏平衡吗?为什么?如果不平衡,失衡在哪里?这些失衡的根本原因是什么?如果要修复,你会怎样修改?如果写下来有助于思考,那就把你的想法记下来。
这样做的目的,并不是真要改进你所考察的游戏,而是练习以批判方式思考游戏平衡。即使实际采用的过程完全相同,从情感上说,发现别人游戏里的问题总比发现自己作品的问题容易。因此,先从观察他人游戏的平衡与失衡开始。
回复

使用道具 举报

     
 楼主| 发表于 2026-9-4 09:43 | 显示全部楼层
本帖最后由 marquez 于 2026-9-4 09:45 编辑

第 2 关:数值关系
发布日期:2010-07-14
阅读英文原文
课程公告正如上周所承诺的,收费课程现已停止报名。如果你刚刚发现这个博客,我很抱歉,不过你大概也不会想在落后两周的情况下才开始上课。如果你来晚了,我能给出的最佳建议就是从博客开头读起,按自己的时间逐步赶上进度。
阅读与游戏材料本周除了这篇文章以外没有其他材料……不过稍后的“作业”会安排一些阅读作为补偿。
本周主题这一周,我会讨论游戏里会出现哪些不同类型的数值,以及怎样对它们分类。这对后面的内容十分重要:如果你连自己面对的是哪一种数值都不知道,就不可能真正知道如何平衡游戏,或者怎样选择正确的数字。有时,平衡调整可以简单到只需用一种数值替换另一种。因此,在讨论其他事情之前,我们必须先了解数值有哪些类型,并对它们的运作方式形成直觉。
具体来说,我们要考察数值之间的关系。游戏中的数字并非存在于真空里,只有相互比较时才有意义。比如,我告诉你某款游戏的主角每次攻击造成 5 点伤害;如果不知道敌人在倒地死亡前能承受多少伤害,这个数字就什么也说明不了。现在我们有了两个数值——伤害和生命值——而每一个都只有联系另一个时才有意义。
又比如,我说一把剑售价 250 金币。这个数字本身同样毫无意义;直到我再告诉你,玩家经常能在乡野间捡到装有数千金币的钱袋,你才知道这把剑很便宜。相反,如果每赢一场战斗最多只能得到 1 金币,它就贵得惊人。即使在同一款游戏里,某样东西的相对价值也会变化:250 金币在开局也许是一笔巨款,到游戏末期却只是零花钱。在*《魔兽世界》*中,1 金币过去曾是一笔可观的钱;如今要买真正史诗级的战利品,却要花几十乃至几百金币。
既然如此,数值之间究竟可以通过哪些方式发生联系?
恒等关系与线性关系最简单的一类关系,数学爱好者会称为“恒等关系”:两个数值以完全相同的方式变化。给一个数值加 1,就等于给另一个数值加 1。就游戏平衡而言,可以把它们视为同一个数值。
你也许会觉得,既然如此,干脆只保留一个数值不就行了?但在某些情况下,两个用途不同的数值恰好能够一比一转换,是有道理的。例如,*《创世纪 III:出埃及记》(Ultima III: Exodus)*中有“食物”资源,每个角色都需要食物,才不会在地下城里饿死。食物从不会作为掉落物出现,只能向城镇里的食物商人购买。它会随时间减少,没有其他价值,也不能出售或换成别的东西;其唯一用途,是持续而缓慢地消耗你的资源。每个角色还有“金币”,它们是在冒险中获得的。与食物不同,金币不会随时间减少,而且用途广泛:你可以用它贿赂守卫、购买提示、武器或护甲……也可以买食物。两者显然是两个独立数值,在游戏中的作用截然不同;但每单位食物恰好售价 1 金币——10 份食物花 10 金币,1000 份食物花 1000 金币,依此类推。食物与金币之间存在恒等关系……不过在这里是单向的,因为金币可以换成食物,食物却不能换回金币。
恒等关系更普遍的形式是“线性关系”,即两个数值之间的兑换率为常数。如果一个治疗法术始终消耗 5 点 MP,并恰好恢复 50 点 HP,那么 MP 与 HP 之间就是 1:10 的线性关系。如果花费 100 金币可以获得 1 点敏捷,那么金币与敏捷之间就是 100:1 的线性关系。其他情况以此类推。
请注意,到目前为止,我们暂不考虑关系中部分结果随机的情况,例如治疗法术每次随机恢复 25 到 75 点 HP。几周后我们会专门讨论随机性,所以现在先方便地把它排除在外。
指数关系与三角数关系有时,线性关系并不适合你的游戏。你所面对的关系可能具有递增回报或递减回报。
例如,在一款回合制战略游戏中,假设玩家可以支付资源,换取本回合的额外行动。多一个行动或许只是一点小提升,但多出三四个行动,可能就近似于完整地多进行一个回合——它带来的力量可能远不止单次额外行动的三四倍。这就是递增回报:每新增一个行动,都比前一个更有价值。因此,玩家购买的额外行动越多,每一个行动的成本也应越高。
再比如,某款游戏鼓励玩家每回合花光游戏货币,才能跟上对手;囤积现金存在真正的机会成本,也就是玩家会错过本可通过及时花钱获得的机会。此时,一次买下许多件物品,实际上不如分开逐件购买有利,所以给玩家提供某种“批量购买折扣”就合情合理。这里出现的是递减回报:后买的每件物品都不如前一件有用。
在这些情况下,你需要一种数值关系,使兑换率会随着一次兑换数量的多少而提高或降低。最简单的方法是采用“指数关系”:一个数值做加法时,另一个数值做乘法。例如翻倍:第一个数值每增加 1,另一个数值就乘以 2。这样,购买 1、2、3、4、5 个单位的成本会依次为 1、2、4、8、16。可以看出,采用这种关系时,数字会以极快速度膨胀。
正因为数字很快就会大到令人难以承受,使用指数关系时必须格外谨慎。在我玩过的几乎所有集换式卡牌游戏中,只要某张牌上出现“翻倍”二字——比如把另一张牌的某项数值翻倍——它最后往往都会过强。我能立刻想到的例外只有一张孤注一掷的牌:它会让你的攻击力翻倍,但如果你没能在当回合取胜,回合结束时就会直接输掉游戏!这里的教训是:使用指数关系时一定要非常、非常小心。
如果你希望某个数值递增,但又不想让它像指数那样增长得太快呢?游戏设计中常用的一种模式是“三角数关系”。即使不熟悉这个术语,你大概也见过下面这个数列:
1,3,6,10,15,21,28,……
这就是经典的三角数模式,之所以得名,是因为它有多种用三角形呈现的方式。回到之前的例子:第一个额外行动也许花费 1 份资源;第二个花费 2 份,累计成本为 3;第三个花费 3 份,累计为 6;依此类推。
观察三角数时,一个有趣之处是相邻两项的差。前两项 1 和 3 相差 2;接下来两项 3 和 6 相差 3;再下一组 6 和 10 相差 4。因此,这些连续的差值是线性的:它们遵循 1、2、3、4……的模式。
当成本需要递增时,三角数通常是一个相当不错的初始猜测。那如果你需要的是递减成本——某样东西开头昂贵,后来越来越便宜——该怎么办?先确定第一件应当花多少,再让之后每一件都少花 1。例如,假设第一件“零件(Widget)”定价 7 金币,那么可以让第二件花 6 金币,累计 13;第三件花 5 金币,累计 18;依此类推。
请注意,在这种情况下,迟早会出现下一件物品成本降为零、甚至成为负数的荒谬情形。游戏平衡中经常遇到这种现象:一条数学公式走到极端时,平衡就会崩溃。设计上的解决办法,是为公式设定硬性边界,根本不让它抵达那些极端值。在上面的“零件”例子中,可以直接禁止玩家一次购买超过三四件。
其他数值关系线性关系和三角数关系虽然是游戏中最常见的两类,却并非仅有的选择。事实上,潜在的数值关系有无限多种。如果常见关系都不适合你的游戏,那就创造一种定制关系。
也许你的成本曲线存在若干峰值:某些阈值在游戏中具有特殊意义,因此跨过它们的成本应高于其他位置。例如,如果游戏里所有东西都只有 5 点生命值,那么造成 4 点与 5 点伤害之间其实存在巨大差别;第 5 点伤害的价格很可能远高于一般预期。你的曲线也可能上下波动,让几个特定数量格外便宜或昂贵。你可以在两个数值之间建立任何想要的比率……但这样做之前,必须理解它会对实际玩法产生什么影响。
系统内部的关系游戏中的单个数值通常存在于更大的系统中。分析游戏系统里的各种数字及其相互关系,可以让我们深入理解游戏是如何达到平衡的。
来看一个简单例子:NES 上的初代*《勇者斗恶龙》(Dragon Warrior)*。它的战斗系统有四项主要属性:生命值(HP)、魔法值(MP)、攻击和防御。这是一款消耗战游戏:玩家探索各片区域,每走几步就会遭遇敌人;只要 HP 降到零,玩家就会失败。
这些数值怎样相互联系?随机遭遇与 HP 相关:每场遭遇都会减少 HP。也可以反过来说——在地图上行走并卷入战斗,本质上是在把 HP 转化为遭遇次数。这是一种反向关系:遭遇越多,剩余 HP 越少。
HP 与防御之间存在直接关系:防御越高,受到的伤害越少,HP 就能支撑得越久。实际上,提高防御就相当于给自己增加了一大截额外 HP。
颇为有趣的是,HP 与攻击之间也存在同样的关系。攻击属性越高,击败敌人的速度越快;越快结束战斗,敌人伤害你的机会就越少,因此你承受的总伤害也越低。于是,攻击更高时,你能够在更多场战斗中存活。
MP 是一个很有意思的例子,因为它用途很多。治疗法术可以直接把 MP 转化为 HP;攻击法术会造成伤害——理想情况下比普通攻击更多——它与更高的攻击属性一样,可以提前结束战斗,从而保住 HP;增益和减益法术同样能降低一场战斗中受到的伤害;传送法术则让你跨越很远的距离,不必在途中战斗,因而仍是在保存 HP。所以,MP 尽管用途多样,几乎每一种用途都在直接或间接地把它转化为 HP。
如果把这些关系全部画在纸上,你会发现,攻击、防御、MP 和怪物遭遇全都直接连向 HP。由于 HP 决定玩家是否失败,设计师便把它置于所有关系的中心。这是一种常用技巧:让一项资源成为其他所有资源的枢纽;最好再让这项核心资源直接对应游戏的胜利或失败条件。
这里还有一层额外的关系:怪物遭遇让战斗系统与游戏里的另外两个系统发生互动。击败怪物后,你会得到两样东西:金币和经验值(XP),它们分别与经济系统和升级系统互动。
先考察升级系统。积累足够的 XP,角色就会升级,所有属性——HP、MP、攻击和防御——都会提高。可以看出,这形成了一条反馈循环:击败敌人使你升级,升级提高属性,更高的属性又让你击败更多敌人。事实上,如果游戏里没有某种抵消力量,这原本会成为一条正反馈循环,让玩家的力量迅速膨胀到很高水平。抵消力量之一来自 XP 与等级之间的递增关系:升到下一级所需的 XP 会越来越多。另一项抵消力量是玩家的时间。玩家当然可以一直留在游戏早期区域殴打最弱的敌人,把等级练到尽可能高;但这样获得经验太慢,游戏便激励玩家承担一定风险,以更快升级。
再看经济系统。金币有几种用途,最主要的是购买会永久提高攻击或防御的装备,因此实际上是在把金币转化为额外的永久 HP。金币也能购买消耗品,其中大多数会模仿某些法术的效果;于是,玩家可以在有限范围内——因为物品栏只有少数格子——把金币转化为临时 MP。这里又出现了一条反馈循环:打败怪物赚取金币,玩家用金币提高属性,从而能够打败更多怪物。这一次,防止它演变为正反馈循环的是进程限制:可购买的装备种类有限,更昂贵的装备又位于更远的区域,而玩家在开局时实力不足,根本到不了那里。当然,一旦买到游戏中最昂贵的装备,再多金币也没有太大用处。
与经济系统相连的另一条循环,是游戏进程本身。游戏中许多区域被锁在门后;要打开这些门,玩家必须花金币购买魔法钥匙。你击败怪物,获得金币,用金币购买钥匙,再用钥匙开启新区域;新区里有更强的怪物,又能让你获得更多金币和 XP。当然,这条循环本身仍受玩家属性限制:如果新区怪物强得无法应付,提前开门也帮不了玩家多少。
设计师应如何平衡这些系统中的所有内容?办法是把一切都换算回 HP 这一核心数值,然后相互比较。
例如,假设你有一个治疗法术和一个伤害法术,想知道哪个更好。先计算使用伤害法术、提前结束战斗后,玩家可以少损失多少 HP;再把它与治疗法术实际恢复的 HP 比较。又比如,你想比较某把剑和某件护甲孰优孰劣;同样可以计算两者分别能为玩家多保住多少 HP。
这并不意味着,要实现平衡,游戏里的一切就必须完全等价。例如,你可能希望游戏后期学到的法术具有更高的成本效率,让玩家有理由使用它们;也可能故意让更昂贵的装备具有更低的成本效率,迫使玩家真正为之付出努力。不过,在游戏的任一特定时点,你大概仍希望当时提供的选择彼此至少大致平衡。例如,玩家到达一个新城镇,看到几件新装备时,可以预期它们的“可保全 HP/价格”比率大体相当。
另一个例子你可能会问:这种分析适用于 RPG 这类以属性驱动的游戏,但对其他类型是否有用?答案是肯定的。我们来考察一款动作游戏——因街机版和 NES 版而广为人知的初代*《超级马力欧兄弟》*。
马力欧里有哪些资源?有生命、金币和时间——时间由倒计时器表示;此外还有真正的数字分数。游戏里也有各种对象,例如金币砖块、敌人等等,它们会根据具体情境帮助或妨碍玩家。下面分析这些内容之间的关系。
  • 金币: 金币与生命之间是 100:1 的关系,因为收集 100 枚金币会奖励一条额外生命。金币与分数之间是 1:200 的关系,因为每收集一枚金币会得到 200 分。金币砖块和金币之间也存在关系,因为每个砖块会提供一定数量的金币。
  • 时间: 时间与分数之间是 100:1 的关系,因为每关结束时会获得剩余时间奖励。时间与生命之间还有反向关系,因为倒计时耗尽会使你失去一条生命。
  • 敌人: 敌人与分数相关,因为消灭敌人可获得 100 到 1000 分,具体取决于敌人类型。敌人与生命之间则存在反向关系,因为敌人有时会让你丧命。(在少数特定关卡中,敌人与生命也可能存在正向关系:连续踩踏足够多的敌人会奖励额外生命,但这是特殊情况。)
  • 生命: 生命与其他所有资源之间存在一种奇特关系,因为失去一条生命会重置本关的金币、时间和敌人。请注意:金币可以带来额外生命,而失去生命又会重置金币。因此,任何包含超过 100 枚金币的关卡都会形成正反馈循环:玩家可以故意死亡,再次收集 100 枚以上金币,如此重复,获得无限生命。初代*《超级马力欧兄弟》没有这种关卡,但《超级马力欧兄弟 3》*有。
  • 生命与分数的关系: 两者没有直接联系。不过,失去一条生命会重置许多能够提供得分机会的内容,所以玩家可以间接把生命转化为分数。有趣的是,这个关系不能反向运作:与当时其他街机游戏不同,玩家无法通过取得足够高的分数赚取额外生命。

纵观这些关系,可以看出,分数其实是*《超级马力欧兄弟》*的核心资源,因为一切都与分数相连。放在早期街机游戏的语境中,这很合理:胜利条件并不是“通关”,而是“取得最高分”。
该怎样平衡这些资源?有几种方法。你可以计算一关中通常会消灭多少敌人,并评估它们的相对风险,也就是哪些敌人更难击杀、哪些更可能杀死玩家;再将这些数值与典型关卡里的金币数量,以及玩家通关时通常剩余的时间比较。然后,你可以改变上述每种行为给玩家的分数——这是作用于整款游戏的全局调整;也可以改变某一关的金币和敌人数量、可用时间或关卡长度——这是针对个别关卡的局部调整。所有这些手段都能调节玩家的预期总分,同时改变各项活动——收集金币、踩踏敌人、快速通关——对最终分数的贡献比例。
设计游戏时,请记住你可以调整资源,甚至可以删除一种资源,或者把核心资源换成别的东西。马力欧系列很好地承受了这种改变:初代之后的作品彻底取消了分数,后来的一切都围绕生命发生联系。
数值关系之间的互动当资源及其关系连成链条或循环时,这些关系会彼此叠加。它们可能结合起来、使效果更强,也可能完全或部分地相互抵消。
我们刚刚在马力欧中见过生命与金币的例子。如果一关包含 200 枚金币,那么“100 金币换 1 条生命”的关系,会和该关中“1 条生命可以换来 200 金币”的关系结合,形成翻倍效应:一次循环便能把 1 条生命变成 2 条。
另一个例子来自 PS2 游戏*《博德之门:黑暗联盟》(Baldur’s Gate: Dark Alliance)*。在这款动作 RPG 中,击败敌人会获得 XP,积累 XP 又会使玩家升级。XP 与等级之间呈三角数关系:从 1 级升到 2 级需要 1000 XP,从 2 级升到 3 级需要 2000 XP,升到 4 级需要 3000 XP,依此类推。
每次升级时,玩家都会得到若干升级点,用于购买特殊能力。升级点也遵循三角数进程:达到 2 级时得到 1 点;达到 3 级时得到 2 点;下一级得到 3 点;再下一级得到 4 点;依此类推。
不过,这两种关系会串联起来,因为 XP 带来等级,等级又带来升级点。玩家真正赚取的资源是 XP,所以我们关心的是 XP 与升级点的比率。两个三角数关系实际上会相互抵消,最终形成“1000 XP 换 1 个升级点”的线性关系。升级点虽然按等级分批发放,但从平均值看,玩家始终以恒定的 XP 比率获得它们。
时间——也就是玩家在游戏中投入的实际时间——怎样进入这套关系?如果玩家反复与相同敌人战斗,每次获得相同数量的 XP,那么升一级所需的时间会按三角数增长;而平均获得每个升级点所需的时间则保持不变。不过,与多数 RPG 一样,玩家面对更强的怪物时,系统会提高 XP 奖励。这条递增的 XP 曲线没有等级所需 XP 的三角数进程增长得快,因此不能完全抵消三角数效应,却会部分削弱它。换句话说,玩家在前期升级稍快、后期稍慢,但两次升级之间的游戏时间并不会像三角数那样迅速增加。
然而,请留意它与升级点的互动方式。由于 XP 与升级点之间是线性关系,而玩家每单位时间获得的 XP 又越来越多,玩家获得升级点的速度实际上在不断提高
这样的系统会产生一些有趣效果。改变 XP 的获取速度——也就是击败敌人后,XP 奖励究竟以多快速度增长——就能同时改变升级速度和升级点的获取速度。如果 XP 奖励比等级本身的三角数需求增长得更快,玩家反而会随着游戏推进而越来越快地升级。如果 XP 奖励增长得比升级需求慢,玩家就会在前期升级较快、后期较慢;这通常正是你想要的,因为它会在早期频繁奖励玩家,等玩家已经投入并愿意继续玩下去后,再逐渐拉开奖励间隔。如果两者以完全相同的速度增长,玩家就会大致以恒定速度升级。
假设你决定让玩家前期升级更快、后期更慢,但绝不希望相邻两级之间超过一小时。该怎样平衡 XP 系统?很简单:先确定玩家在后期大约处于什么等级,把那一阶段的 XP 收益调到每升一级约需一小时,然后从那里倒推回去。
这套升级系统还有一个有用的性质:它形成一条负反馈循环,使玩家在游戏各阶段都被约束在一个较窄的等级区间。考虑两种情况:
  • 等级过高: 玩家花了大量时间刷级,如今相对于当前区域的敌人已经过强。一方面,他能更快击败附近敌人,不必在这里停留太久;另一方面,由于自身等级已经很高,这些敌人提供的 XP 收益并不好,击败弱小敌人也很难再升多少级。XP 奖励曲线实际上限制了玩家能够达到的最高等级。
  • 等级过低: 再看相反情况。玩家迅速推进游戏,现在等级低于当前区域的敌人。此时,相对于玩家自己的等级,敌人提供的 XP 会很高;玩家只需击败少数几个敌人,就能迅速升级。
无论属于哪种情况,游戏系统都会把玩家等级从两个极端推回中间的一小段范围。只要知道玩家在进程中的每一步大概会处于什么等级,要把战斗系统平衡到合适的挑战程度就会容易得多
不同关系怎样相互作用怎样知道两种数值关系叠加后会发生什么?下面是一份速查指南:
  • 两种线性关系串联: 将兑换率相乘。如果 1 单位资源 A 可以换 2 单位资源 B,1 单位资源 B 又可以换 5 单位资源 C,那么 A 与 C 之间就是 1:10 的兑换关系(2×5)。
  • 线性关系与递增关系(三角数或指数)同向结合: 递增关系只是整体乘上一个更大的数,其曲线性质不会改变。
  • 线性关系抵消递增关系: 如果线性兑换率很大,它在前期可能占据主导;但递增关系最终会超越它。两条曲线具体在哪里相交、游戏何时从一种关系转入另一种,取决于确切数值。调整这些数字,可以为玩家创造一次有趣的策略转折。
  • 两种递增关系同向结合: 最终得到一种比其中任何单独关系增长都更快的递增关系。
  • 两种递增关系相互抵消: 结果取决于具体关系。一般来说,指数关系会压过三角数关系,至于多快压过则取决于实际数字。两种完全相同的关系,例如两条纯粹的三角数关系,会相互抵消,形成线性关系或恒等关系。
如果你正在制作一款游戏……你目前是否正在设计自己的游戏?可以试试这样做:在一张纸上列出游戏中的每一种资源或数值,给每一项画上方框,并把方框分散排列。然后,在游戏中存在直接关系的每一对方框之间画箭头,并在箭头上注明关系类型——线性、三角数、指数等等。
利用这张图,找出游戏平衡中几个值得关注的地方:
  • 图里有没有这样的循环:一种资源可以换成另一种,再换成其他东西,最后又换回最初的资源?如果走完这条循环后,取回的原始资源比开始时更多,你可能刚刚发现了游戏里的一条正反馈循环。
  • 是否有一种核心资源,看起来其他一切都与它相连?如果有,这项核心资源是否对应游戏的胜利或失败条件,还是显得相当任意?如果没有核心资源,创造一种是否合理——比如在现有资源之间加入新的关系?
接着,你可以用这张图预测玩法变化。如果改变某种关系的性质,通常可以相当有把握地猜测还有哪些关系会随之改变,以及这会对整个游戏系统产生什么效果。
如果你的作品是一款带有某种进程系统的单人游戏,“时间”——即玩家实际游玩所花的时间——应当被视为一种资源。你可以利用关系图,判断玩家通过游玩得到的奖励和力量增长,预计会随着时间提高、降低,还是保持不变。
作业下面是本周的游戏平衡挑战。首先,选择一款你玩过并且熟悉、同时带有进程机制的单人游戏。此类游戏包括动作冒险游戏(《塞尔达传说》)、动作 RPG(《暗黑破坏神》)、RPG(《最终幻想》)或 MMORPG(《魔兽世界》)。我建议选择相对简单的作品,例如 NES 时代或更早的游戏。你要分析其中的数值;正如前面的例子所示,即使很简单的游戏也可能拥有相当复杂的系统。
在这些游戏中,玩家会经历某种成长过程,随时间获得新能力和/或提高属性。随着玩家推进,敌人也会变强:这可能只是属性提高,也可能是敌人获得了新能力,迫使玩家用更好的战略和战术才能取胜。
先问自己一个问题:总体来说,游戏的难度曲线是什么样?是否开局容易,然后缓慢、持续地变难?还是你发现了以下一种或多种不理想的模式?
  • 某一连串关卡推进得极其缓慢,因为玩家当时力量不足,而且力量提升又不够快,无法弥补差距,只能长期停在一个地方刷级。
  • 某座地下城的难度突然飙升,敌人比前后紧邻区域的敌人都难对付得多。
  • 某座地下城远比设计意图可能要求的更简单:等你真正抵达那里时,力量已经远超当地敌人,可以一路横扫。
  • 游戏最难的部分不在结尾,而在中途某处。也许你获得了某件极其强大的武器、某名同伴或某种特殊能力,从那一刻起直到结局,实际上都处于不可战胜的状态。
到目前为止,你只是运用记忆和直觉。回忆所选游戏中那些大获全胜或痛苦刷级的突出时刻,大概只需几秒。培养直觉固然有用,但如果用数学为直觉提供依据,它会变得更可靠。因此,把你凭直觉认为游戏失衡的节点写下来之后,就开始正式分析。
首先,寻找一份列出游戏全部数值的攻略或 FAQ。一次网络搜索也许会找到详细得出人意料的流程指南,其中展示了游戏里的每个数字、每项资源,以及它们究竟怎样相互联系。
接下来,在纸上列出游戏中的全部资源。以 FAQ 为依据,把资源之间的所有关系也标出来:在它们之间画箭头,并给箭头注明关系类型。借助这张图,你也许能够准确识别当时究竟发生了什么。
例如,也许你觉得自己在某座地下城里升了很多级,短时间内获得大量力量。此时,可以先检查升级系统:也许某个等级区间的升级 XP 需求远低于整条进程曲线的其他部分。你也可以检查战斗奖励系统:也许那座地下城的敌人提供的 XP 远超预期。
再比如,也许找到一把极强的武器后,游戏就显得过于容易。此时应查看战斗系统:分别画出整个游戏过程中“你能造成多少伤害”和“敌人能承受多少伤害”两条曲线,并找到获得那把武器时力量突然跃升的位置。这样,你也许能在图中直接看到自己与敌人的力量水平随时间变化的关系。
最后,如果从这个角度发现了游戏中的失衡区域,就应该能够根据数值和曲线立即提出修改建议。你不仅会知道究竟该改动哪一项资源,还会知道应该改动多少
这项练习大概会花上几个小时,因为研究一款游戏并分析其数值绝非轻而易举,即使作品本身很简单也是如此。不过,完成之后,你会更熟练地识别游戏中的资源和关系,也会更有能力运用自己对游戏系统的理解,改善这些系统的平衡。
回复

使用道具 举报

     
 楼主| 发表于 2026-9-4 09:43 | 显示全部楼层
本帖最后由 marquez 于 2026-9-4 09:45 编辑

第 3 关:传递性机制与成本曲线
发布日期:2010-07-21
阅读英文原文
阅读与游戏材料本周除了这篇文章以外没有其他材料。不过,这篇文章相当长,应该已经足够。和上周一样,你还会做一些外部研究作为补充。
本周主题这一周是最让我兴奋的课程之一,因为我们终于要以非常具体的方式深入游戏平衡的实际细节。接下来要讲的工作,我已经做了十年;但在此之前,我从未真正把这套过程写下来,也没有尝试向别人讲清楚。我将讨论如何平衡游戏中的传递性机制。
提醒一下:“非传递性”指的是类似石头剪刀布的关系——每种选择都强于另一种选择,却不存在唯一的“最佳”行动。在传递性游戏中,有些东西在游戏效果上就是明显优于另一些东西。我们通过设置不同成本来平衡它们:更好的东西更贵,较弱的东西更便宜。可是,我们怎么知道一样东西究竟应该定价多少?这是一个大问题,也是本周讨论的主题。
传递性机制的例子先交代一下背景:哪些游戏具有传递性机制?答案是,绝大多数游戏都有。下面是一些例子:
  • RPG 通常要求玩家花费货币升级装备、购买消耗品。升级本身也是传递性的:在我能想到的几乎每款 RPG 中,高等级角色都优于低等级角色。
  • *《生化奇兵》(BioShock)《无主之地》(Borderlands)等带进程机制的射击游戏也采用类似设计。例如,在《生化奇兵》*中,玩家使用自动售货机获取消耗品需要付费,也会消耗 ADAM 购买新的特殊能力;高阶能力就是比对应的低阶能力更好——比如造成更多伤害——但购买成本也更高。
  • 现实中的职业体育用金钱成本体现这种关系:水平更高的运动员会要求更高的薪酬。
  • *《模拟人生》《模拟城市》等模拟游戏会给各种可购买对象标价,而这些对象往往具有传递性。《模拟人生》*里一张优质床比廉价床更贵,但它恢复角色需求值的效率也高得多。
  • 复古街机游戏通常采用传递性的计分机制:敌人越危险、越难对付,击败它获得的分数就越高。
  • 回合制和即时战略游戏可能兼有传递性与非传递性机制。某些兵种天生克制或受制于另一些兵种,呈现非传递性,例如常见的“步兵克弓手、弓手克飞行单位、飞行单位克步兵”。不过,游戏里也常有一组行为方式相似的单位,其中强力版本比弱版更强、也更昂贵,例如轻步兵与重步兵。
  • 塔防游戏往往具有非传递性:某些防御塔擅长应对特定攻击,例如范围伤害特别克制成群来袭的敌人。但在多数塔防游戏中,每座塔又可以升级成自身的强化版本,而强化版价格更高;这一部分就是传递性的。
  • 集换式卡牌游戏也是一例。它们可能包含非传递性机制,元游戏中也几乎总有非传递性元素——谢天谢地,较好的牌组并不只是“更昂贵”。但每一张卡通常都有某种成本,并以此为基准进行平衡,使高成本卡牌更加有用或更强。
你或许已经发现,大多数例子都有一个共同点:几乎每款游戏都有某种用来购买东西的资源,例如*《最终幻想》中的 Gil、《万智牌》中的法术力,以及《生化奇兵》*中的 ADAM。上周我们讨论过,把一切都换算成同一种资源,便能相互比较并平衡不同游戏对象。你大概已经想到,这里正是那个概念的延伸。
不过,上周我们还说过,核心资源应当对应游戏的胜利或失败条件;这里显然已不再如此——RPG 的失败条件通常是生命值耗尽,而不是金币耗尽。在处理成本的游戏中,常见做法是专门创造一种人工资源,也就是某种游戏内“货币”,把它作为核心资源,而不采用胜负条件,因为每样东西都可以标出货币价格。
成本与收益说到这里,假设我们有一款使用某种类货币资源的游戏,需要平衡两个对象:其中一个也许更好,但价格更高。先从一句简单的话开始:在传递性机制中,每个对象都有一组成本和一组收益;所有游戏内效果都可以归入其中一类。
提到成本,我们通常会想到资源支出,例如一把剑售价 250 金币。但我在这里采用更宽泛的定义:成本包括任何缺点或限制。资源支出当然在内,因为它会使玩家在游戏中退让一步。但如果这把剑对恶魔只能发挥一半威力,这也是成本的一部分,因为它在某些情境中较弱;如果它只能由特定职业装备,这也是限制——你不能给队伍里的每个人都买一把;如果剑经历 50 场遭遇后就会粉碎,或者会把所造成伤害的 10% 反弹给持剑者,又或者会使持有者无法施放魔法,我都会把这些效果称为“成本”,因为它们都是使用这个待平衡对象时要承受的缺点或限制。
如果成本涵盖一切坏处,那么收益就涵盖一切好处。这把剑也许伤害很高,也许允许你使用某种很酷的特殊能力,也许会同时提高多项属性。
有些效果同时兼具两面。假如一把剑对龙造成双倍伤害呢?这显然是一项收益——它有时比普通伤害更强;但这项收益也受到限制——它并非始终造成双倍伤害,只在特定情境下有效。又或者,一把剑会阻止你施放 1 级法术,这显然是成本;但如果游戏中大多数剑会禁止你施放所有法术,那么这项限制就“没那么严格”,反而产生某种净收益。怎样判断一个效果应称为“成本”还是“收益”?在我们的分析中,这并不重要:负收益等同于成本,反之亦然;我们的目标是让两边相等。我们希望成本与收益在数值上相等。 无论你给一边做加法,还是从另一边做减法,最终结果都相同。
我个人觉得,所有数字都保持为正数、不用负数最容易理解。因此,如果某项东西原本会是“负成本”,我就把它叫作收益。这样只需要做加法,永远不用做减法;加法更简单。当然,如果你想用不同方式分类,也完全可以,数学结果并不会改变。
理论就是如此:把一个对象的所有成本相加,再把所有收益相加,目标是让两个数字相等。如果成本小于收益,它就太好:增加成本,或者删除一些收益;如果成本大于收益,它就太弱:降低成本,或者增加收益。你可能会问,我们怎样比较金币成本与装备一把剑所增加的攻击点数这类截然不同的东西?稍后就会讲到。但在此之前,我还想介绍一个概念。
强度过高、强度不足、定价过高与定价过低暂且假设,我们确实能够以某种方式把一切换算成同一种资源成本,让它们可以直接比较。现在有个对象相对于成本提供了过多收益。我们该降低收益、提高成本,还是两者都改?
大多数时候,两种做法都可以。设计师需要判断,究竟是让对象维持现有成本更重要,还是保留现有效果更重要。有时,你必须让对象处于某个特定价格区间,因为你知道玩家抵达出售它的城镇时能负担多少;有时,你只是很想把某个特别酷的效果放进游戏,不愿改动它。先决定哪一部分必须保持不变……然后去改另一部分
有时——通常发生在系统的极端边缘——你没有选择。例如,一个对象已经免费,你就无法继续降价;这意味着你可能找到了一种无论定价多少都过弱的效果。既然不可能再降低成本,就只能提高收益。对此我们有一个专门术语:称这个对象“强度不足(underpowered)”,意思是必须调整的明确是收益水平,而不是成本。
同样,有些对象无论以任何成本存在于游戏中都太强。假如一个对象拥有自动触发的“我赢/你输”效果,那么它的价格必须高到几乎永远无法获得。此时我们称它“强度过高(overpowered)”:必须降低其收益水平,仅仅加价不足以解决问题。
偶尔,你也会遇到一些真正独特的效果,难以添加、删除或修改;它的收益是不可拆分的一整套,你唯一能做的就是调整成本。这时,如果对象太便宜,可以称为“定价过低(undercosted)”;如果太贵,则称为“定价过高(overcosted)”。
我之所以定义这些词,是因为区分“定价过低”与“强度过高”有时很重要。两者都意味着对象太好,但补救方法不同。
对于单纯“太好”的对象——成本或收益任一边都可以调整——还有一个更概括的说法:它“高于曲线(above the curve)”。相应地,过弱的对象则“低于曲线(below the curve)”。这和“曲线”有什么关系?下一节就会看到。
成本曲线回到之前的问题:金币、攻击点、魔法值,以及附着在对象上的各种属性和能力彼此差别很大,怎样把它们直接比较?答案是,把一切都换算成资源成本。例如,如果我们知道每一点额外攻击带来线性收益,而且“攻击 +1”价值 25 金币,那么一把提供攻击 +10 的剑应当售价 250 金币,这并不难判断。对于更复杂的对象,先把所有成本换算成金币后相加,再把所有收益也换算成等值金币后相加,然后比较。怎样知道每项资源值多少钱?这正是所谓的成本曲线
没错,这意味着你必须考察游戏中的每一种可能效果,无论它是成本还是收益,并找出它们彼此之间的相对价值。没错,这需要大量前期工作。好处是,一旦掌握这些关于游戏的信息,制作新的平衡内容就相当容易:把所有东西代入公式,只要数字对得上,基本就能保证它处于平衡状态。
建立成本曲线第一步是确定资源成本增加与收益增加之间的关系——这也正是它叫“成本曲线”,而不是“成本表”“成本图”或“成本复式记账总账”的原因。接下来,你还要确定游戏中的所有正面与负面效果,怎样换算成核心资源成本。这两件事通常都不直观。
定义成本与收益之间的关系两者可能按线性比例增长:成本 +1,收益也 +1。不过,这种关系相当少见。
成本也可能遵循递增曲线:每增加一份收益,都比上一份更贵;角色越强,进一步提升的价格就越高。RPG 中经常见到这种设计。玩家从探索或战斗遭遇中获得的货币会随进程增加。因此,如果你现在每场遭遇赚到的金币已经是早期的两倍以上,那么一套新护甲即使售价是旧护甲的两倍,你赚够升级费用所需的时间实际上反而更短。此外,设计师也可能出于其他设计目的,希望每一点增量越来越贵,例如创造更有趣的选择。假如所有属性提升的价格完全一样,显而易见的决策通常是把全部金币都投入最重要的一两项属性,忽略其他属性;但如果同一属性每增加一点都会越来越贵,玩家就可能考虑其他选项。无论具体原因是什么,你都可能采用三角数或指数之类的递增曲线,让效果强一倍的东西花费远不止两倍。
另一些游戏采用递减的成本曲线。例如,在某些回合制战略游戏中,囤积资源存在机会成本。短期内,其他人都在购买东西、扩张局面;如果你不消费以跟上他们,就可能落后到再也追不上。在购买机会有限的游戏中,这一点尤其明显:在*《波多黎各》(Puerto Rico)里等得太久,你最喜欢的建筑也许会被别人先买走;在《卡坦岛》里太晚建造新聚落,最好的位置也许已经被其他人占据。遇到这种情况,如果设计师希望囤积资源仍是一种可行策略,就必须补偿机会成本,让价格高一倍的东西具有超过*两倍的效果。
有些游戏采用定制曲线,不遵循单一而简单的公式或关系。例如,在*《万智牌》中,主要资源是法术力,而你通常每回合只能打出一张能够产生法术力的牌。如果牌组中三分之一是产费牌,平均每抽三张牌会得到一张。由于起手有 7 张牌,之后通常每回合抽一张,玩家在前四个回合一般能每回合增加一点法术力;此后则平均每三个*回合才增加一点。因此,我们可以预期成本曲线会在五点法术力附近发生变化:从那里开始,每多一点法术力都会值钱得多。这也可以解释,为什么某些高费牌会拥有夸张得惊人的游戏效果。
在有些游戏中,无论采用哪种成本曲线都可能实现平衡,但不同曲线会产生不同效果。例如,在典型集换式卡牌游戏中,玩家会在整局游戏里以恒定速度获得新资源。如果游戏采用递增成本曲线,成本越高,边际收益反而越小,那么重心会落在前期:廉价卡牌与高费牌相比几乎一样强,所以早早铺出大量力量,会比等到后期才打出只强一点的东西更有优势。相反,如果采用递减成本曲线——便宜的东西很弱,昂贵的东西极强——重心就会落在后期,由那些真正庞大的对象统治战局。你也可以设计一条在特定阈值突然跃升或改变的定制曲线,把对局引导成明确的前期、中期和后期。普遍而言,这些选择没有绝对的“对”或“错”;一切都取决于设计目标,尤其是你希望的游戏时长、回合数量和整体玩法节奏。
无论如何,在平衡传递性系统时,最重要的任务之一,就是确定成本曲线的确切性质,即成本与收益之间究竟是什么数值关系。
定义基础成本与收益建立成本曲线的下一步,是完整列出游戏中的所有成本和收益。先从大量反复使用的常见效果入手,找出那些只做一件事、没有其他效果的对象,再设法判断那一件事值多少。(如果你还不确定成本曲线在数学上究竟属于哪一种,这样做很可能也会帮助你找到答案。)
确定部分基础成本和收益的价值后,就开始把它们组合起来。也许你已经知道,提供伤害加成的法术应该花多少,也知道提供防御加成的法术应该花多少;那么,同时提供两种加成的法术呢?在某些游戏中,组合效果的成本会高于各效果单独成本之和,因为玩家只用一个行动就能获得多项加成;在另一些游戏中,组合成本会低于分开购买的总成本,因为两种加成未必总能同时发挥作用,或者仅在特定情境下有用;还有些游戏会让组合成本恰好等于单项成本之和。你需要了解不同效果在自己的游戏里如何组合,以及组合怎样影响相对成本。一旦知道大多数基础效果怎样定价,同时知道怎样组合它们,你就获得了很强的分析能力。之后再逐项判断新效果的成本。
到了某个阶段,你还会开始识别非资源成本,也就是各种缺点和限制,并判断它们值多少。处理方法相同:找到一个或多个对象,其中除某一项以外,其他所有成本与收益的数值都已知;然后用基本算术,或者你喜欢的话用代数,求出缺失的数字。
最终还需要考察附带多层限制的成本或收益。如果一项收益每次使用时都要抛硬币,因而只有一半时间生效,它的价值真的恰好是始终生效时的一半吗,还是高于或低于一半?如果使用某项收益必须满足会带来额外机会成本的条件——例如“队伍中没有盗贼时才能使用这项能力”——那么,这个取舍值多少,能够抵消多少收益?
示例:实际推导成本曲线为了看看这套方法在实践中如何运作,我会通过分析,推导*《万智牌》近期刚刚公布的系列 *Magic 2011 的部分成本曲线。我选择这款游戏,是因为从这个角度说,集换式卡牌游戏属于最难平衡的游戏:一个典型基础系列或扩展系列可能有数百张牌,每张都要单独平衡。如果我们能分析万智牌,这套方法几乎就可以用于任何其他游戏。接下来不可避免地会涉及新系列内容;如果你还没看过牌表,准备等正式发售,请把这里当成剧透警告。
为方便起见,我们专门考察生物牌,因为它们最容易标准化和直接比较:所有生物都有法术力费用、力量、防御力,通常还有某种特殊能力。其他类型的牌往往只有独特的专用效果,不容易相互比较。
以前从未玩过万智牌也没关系。你很快会发现,完成这项分析并不需要了解多少规则。例如,如果我告诉你“飞行”异能带来的收益相当于 1 点法术力,你不必知道或关心飞行究竟是什么、怎样运作;只需知道,给一个生物加上飞行,法术力费用就应增加 1。遇到不认识的术语,可以先假定你不必了解它。少数确实需要知道的规则,我会边分析边解释。
先来确定基础成本曲线。为此,我们首先考察最基本的生物:完全没有特殊异能,只有法术力费用、力量和防御力。这个系列共有 116 个生物,其中 11 个属于这一类。暂时忽略神器生物,因为它们还涉及额外的元游戏因素。
继续之前,需要先了解一件有关法术力费用的事:法术力分为五种颜色——白(W)、绿(G)、红(R)、黑(B)和蓝(U)。实际上还有第六种“类型”,称为“无色”,意思是可以用任意颜色支付。因此,费用“G4”总计是五点法术力,其中一点必须为绿色,另外四点可以是任意颜色,包括绿色。由于有色法术力的限制更严格,我们预期它的成本应高于无色法术力。
下面是没有特殊异能的生物:
  • W,2/1(即费用为一点白色法术力,力量 2,防御力 1)
  • W4,3/5
  • W1,2/2
  • U4,2/5
  • U1,1/3
  • B2,3/2
  • B3,4/2
  • R3,3/3
  • R1,2/1
  • G1,2/2
  • G4,5/4
观察费用最低的生物时,我们立刻在三张牌上碰到一个问题。这里省略牌名,因为讨论平衡时名称并不相关:
  • W,2/1
  • R1,2/1
  • G1,2/2
显然,不同颜色并非生而平等:W(一点法术力)和 R1(两点法术力)都能得到 2/1 生物,所以同等生物在白色中的价格低于红色。同样,R1 得到 2/1,费用相等的 G1 却得到 2/2,所以绿色同样价格能买到更多生物数值。这使分析复杂起来,因为我们不能把不同颜色互换。或者说,我们也可以这样做,但必须假定游戏设计师犯了一些平衡错误。(从现有游戏反推成本曲线的困难就在这里:如果平衡并不完美——而它从来不会完美——不做适当修正,数学结果就可能略有偏差。)无论怎样,我们都不能假定每个生物处在完全相同的曲线上。
实际上,我猜设计师是有意这样做的:让某些颜色在生物方面占优,以补偿它们在其他领域能力较少。例如,绿色出了名地拥有体型巨大的生物,却没多少其他花样;既然它如此专一,给它价格优惠才算公平。红色和蓝色拥有许多有趣的法术工具,因此让它们的生物相对较弱也很合理。
不过,只在同一颜色内部比较,我们仍能看出一些规律:
  • W,2/1
  • W1,2/2
  • B2,3/2
  • B3,4/2
比较两个白色生物,多支付一点无色法术力,等同于增加 1 点防御力;比较两个黑色生物,多支付一点无色法术力,等同于增加 1 点力量。因此可以初步猜测:1 点无色法术力(成本)=1 点力量(收益)=1 点防御力(收益)。
我们还可以跨颜色考察相似的生物,作进一步猜测:
  • W,2/1
  • R1,2/1
  • W4,3/5
  • U4,2/5
根据这些比较,红色与蓝色似乎天生比白色、黑色和绿色多承担“力量 −1”或“防御力 −1”的“成本”。
成本曲线是不是线性的——每增加一点有色法术力,就增加一点收益?在某个范围内似乎如此,但四点或五点法术力附近好像出现了一次跳升:
  • W,2/1(W 换来总计 3 点力量/防御力)
  • W4,3/5(多支付 4 点无色法术力,多得到 5 点力量/防御力)
  • G1,2/2(G1 换来总计 4 点力量/防御力)
  • G4,5/4(多支付 3 点无色法术力,多得到 5 点力量/防御力)
正如前面预测的,在总费用达到五点时可能存在额外的成本加成,因为在场上凑齐第五点法术力,比凑齐前四点更困难。绿色得到的加成似乎又比白色更大。
完成这些分析后,可以对成本曲线作出第一个猜测。既然无色法术力与力量/防御力的提高存在明确的线性关系,我们就把无色法术力选作核心资源,并令每一点无色法术力代表数值成本 1。我们也知道,每一点力量或防御力分别带来收益 1。
最基础的牌是费用 W 的 2/1,它总共提供 3 点收益:力量 2,防御力 1。我们可以推断 W 的成本一定是 3。也可以结合对游戏的了解,换一种猜测:W 的成本其实是 2,而每一张牌仅仅因为占据了一张牌的位置,就自动带有成本 1。毕竟,牌会占用你的手牌和牌组空间,所以即使法术力费用为零,也至少要有一些用处,才值得存在。
到目前为止,我们得到的成本曲线如下:
  • 成本为 0 时,提供 1 点收益。
  • 总法术力费用增加时,收益按线性方式提高,直到四点法术力为止。
  • 第五点法术力提供双倍收益;绿色则提供三倍收益。这大概是在补偿把第五点法术力放上场的难度。
成本项目为:
  • 基础成本=1(只要一张牌存在,就先从这个数字起算)
  • 每一点无色法术力=1
  • 每一点有色法术力=2
  • 总法术力费用达到五点或以上=+1(绿色生物为 +2)
收益项目为:
  • 力量 +1 或防御力 +1=1
  • 生物为红色或蓝色=1(这显然代表某种元游戏层面的特权)
我们的数据还不足以确认这套模型准确无误。也许还有其他成本与收益数值组合,同样符合观察结果。但如果这些数字正确,我们已经可以设计一些新卡。
一个 4/3 的蓝色生物应当花费多少?其收益为 1(蓝色)+4(力量)+3(防御力)=8。基础成本是 1,第一点有色法术力 U 是 2,再增加四点无色法术力,成本多 4;但这样总法术力费用会达到五点,又触发 +1 额外成本,合计正好为 8。因此,我们预计费用应是 U4。
一个 4/1 的绿色生物应当花费多少?收益是 5,即力量 4 加防御力 1。费用 G2 提供的成本也是 5:基础成本 1,有色的 G 为 2,两点无色法术力为 2。
如果我提出这样一张牌:费用 W3 的 1/4 生物,它平衡吗?把数字相加:成本为基础 1+有色法术力 2+三点无色法术力 3=6;收益为力量 1+防御力 4=5。因此,这个生物恰好低于曲线 1 点。把费用降为 W2,或者把身材提高到 2/4 或 1/5,都能使它平衡。
可见,少量信息就能让我们做很多事,但局限也同样明显:我们不知道费用中包含多个有色法术力时会怎样;不知道总费用高于五点或低于一点时会怎样;也不知道任何特殊异能该如何计价。我们可以根据游戏直觉随意猜测,但先来看看更多生物。这个系列中,有 18 张生物牌只带标准的关键字异能:
  • W3,3/2,飞行
  • WW3,5/5,飞行、先攻、系命、反恶魔与反龙保护
  • WW2,2/3,飞行、先攻
  • WW3,4/4,飞行、警戒
  • W1,2/1,飞行
  • WW,2/2,先攻、反黑保护
  • W2,2/2,飞行
  • U3,2/4,飞行
  • BB,2/2,先攻、反白保护
  • B2,2/2,沼泽行者
  • B1,2/1,系命
  • R3,3/2,敏捷
  • GG5,7/7,践踏
  • GG,3/2,践踏
  • G3,2/4,延势
  • GG3,3/5,死触
  • G,0/3,守军、延势
  • GG4,6/4,践踏
接下来怎么办?最容易分析的是那些只有一种异能的对象,例如所有只带飞行的白色牌。观察这些牌,可以相当清楚地看出:飞行带来的收益,与力量 +1 或防御力 +1 相同;在我们的模型中,其收益为 1。
我们还可以把它们与之前没有异能的生物直接比较,推导几种特殊异能的收益:
  • B2,3/2
  • B2,2/2,沼泽行者
  • R3,3/3
  • R3,3/2,敏捷
沼泽行者和敏捷——无论它们究竟是什么——带来的收益同样是 1。再根据费用 B1、身材 2/1、具有系命的那张牌以及现有模型,可以猜测系命的收益也是 1。
考察四费的某些红色和蓝色生物时,我们遇到了一件奇怪的事。比较下面几张:
  • W3,3/2,飞行
  • W4,3/5(多 1 点成本,却多 2 点收益,因为跨过了五费阈值)
  • U3,2/4,飞行(总成本与 W3 完全相同,收益却多 1……而且它是蓝色?)
  • R3,3/3(总成本和总收益都与 W3 相同,但它是红色?)
也许红色和蓝色获得高费加成的阈值是四点法术力,而不是五点。此外,飞行对蓝色的成本或许低于白色……但因为在这里它看起来会变成零成本,我们也可以猜测,U3 那个生物只是略高于曲线。
绿色中又有一组奇怪的比较:
  • G3,2/4,延势(成本 6,收益为 6+延势?)
  • G4,5/4(成本 8,收益 9?)
乍看之下,两张牌似乎都高于曲线 1 点。另一种解释是:既然额外加成在两张牌上保持一致,也许这是有意设计。假设延势和我们见过的其他异能一样,收益为 1,那么可以猜测,绿色不仅在总费用五点时获得高费加成,四点时也会获得。(如果你熟悉游戏规则,就会知道延势只包含飞行效果的一部分,并不具备另一部分,所以它的收益大概应该是飞行的一半。遗憾的是,标准万智牌没有半点法术力费用,可怜的 G3 大概注定要略高或略低于曲线。)
为了继续分析,暂且假定延势的收益为 1——或者至少原设计师有意赋予它这一收益,并据此平衡卡牌。这样,就能用下面这张牌推导“守军”异能的价值:
  • G,0/3,守军、延势
成本是 1(基础)+2(G 法术力)=3;收益则是 3(防御力)+1(延势)+?(守军)。要让这张牌平衡,守军的收益似乎必须是 1。这是怎么回事?
玩过万智牌的人会明白:守军听起来像一种特殊异能,实际却是一项限制——它意味着这张牌不能攻击。因此,可以把它视为额外的 1 点成本,而不是 −1 点收益;这样数学就成立了。
我们已经得到了很多信息,但仍有一些东西暂时超出掌握范围。我们很想知道,费用里出现第二点有色法术力时会怎样——它是否和第一点一样也带来 +2 成本?也想知道总费用升到六点或七点时会怎样——是否还会触发额外的“高费”加成?我们的牌表中有很多费用包含两点有色法术力的牌,也有几张高费绿色生物;但它们同时还带有至少一种尚未定价的特殊异能。存在多个未知数时,无法推导成本与收益。例如,即使算出了 GG4 生物正确的总收益,也无法知道其中多少来自第二点绿色法术力,多少来自总费用六点,又有多少来自践踏异能。这是否意味着我们卡住了?好在还有几种办法可以继续。
一个技巧是寻找两张除一处以外完全相同的牌。它们可能同时包含多个未知项目,但只要能隔离出唯一的差异,就可以获得新信息。例如,观察下面两张牌:
  • GG4,6/4,践踏
  • GG5,7/7,践踏
我们不知道 GG4 或 GG5 的成本,也不知道践踏的收益,但确实能够看出:增加一点无色法术力、让总费用从六点变为七点,会带来力量与防御力合计 +4 的收益。看来,凑到总费用七点一定非常困难!
还可以考察下面两张费用相同的牌:
  • WW3,5/5,飞行、先攻、系命、反恶魔与反龙保护
  • WW3,4/4,飞行、警戒
由此也许会猜测:警戒的价值等于力量 +1、防御力 +1、先攻、系命和保护异能之和;那会使警戒成为一种好得离谱的特殊异能,收益至少为 4。或者,如果我们熟悉游戏,知道警戒根本没有那么强,就会看出,相对于 4/4 生物,那张 5/5 生物明显高于曲线。
我们仍不知道第二点有色法术力的成本,所以采用另一个技巧:先作有依据的猜测,再通过反复试算验证。以下面这个生物为例:
  • GG,3/2,践踏
我们知道力量和防御力合计提供 5 点收益;又因为多数单个关键字异能——飞行、敏捷、沼泽行者、系命——都带来 1 点收益,可以猜测践踏的收益也是 1,总收益便是 6。如果这个猜测成立,已知成本包括基础 1 和第一点 G 的 2,所以第二点 G 的成本必然是 3。凭直觉看,这也说得通:要求两点有色法术力,比只要求一点更严格地限制了牌组构筑。
也可以换个角度,比较两个相似生物:
  • G1,2/2
  • GG,3/2,践踏
G1 与 GG 的成本差,等于一点无色法术力的成本与第二点 G 成本之差;收益差则是 1 点额外力量,再加我们猜测践踏带来的 1 点。因此,第二点 G 比一点无色法术力多 2 点成本,也就是总成本 3。
不过,我们仍不能完全确定。也许 GG 生物高于曲线,或者绿色还有一项尚未发现的生物加成。检查费用含两点白色法术力的生物,看看规律是否仍然成立:
  • WW,2/2,先攻、反黑保护
  • WW2,2/3,飞行、先攻
  • WW3,4/4,飞行、警戒
假设反黑保护、先攻和警戒各提供 1 点收益——与其他特殊异能相似——那么其中大多数似乎都处于曲线上。WW 的预期成本为 6;2/2、先攻、反黑保护的总收益看来也恰好是 6。WW3 的成本为 10——别忘了,总费用达到五点还要 +1;4/4、飞行、警戒的收益大概也正好是 10。
WW2 的数学不太吻合:它的成本是 8,但 2/3、飞行和先攻的收益相加只有 7。因此,这张牌可能低于曲线 1 点。
确认第二点有色法术力的成本大概是 +3 后,可以回到绿色,确定践踏的价值。费用 GG、身材 3/2、具有践踏的生物确实表明,正如先前所猜测的,践踏收益为 1。
现在既然知道了践踏和第二点有色法术力的价值,就能再次考察 GG4 与 GG5 生物,准确判断总费用达到六点或七点时发生了什么。先看 GG4、6/4、践踏。它的总收益是 11;已知成本包括:1(基础)+2(第一点 G)+3(第二点 G)+4(无色)+1(超过四点法术力)+1(超过五点法术力)=12。因此,第六点法术力看来不但没有带来额外收益,这张牌甚至已经低于曲线。(另一种可能是,生物具有很高力量/防御力时,践踏会更有价值;我们还没有考虑异能组合的影响。)
再与 GG5、7/7、践踏比较。它的收益为 15;已知成本为 1(基础)+2(第一点 G)+3(第二点 G)+5(无色)+1(超过四点法术力)+1(超过五点法术力)=13。因此,从总费用五点上升到七点,似乎还会获得 +2 的额外收益。我们可以猜测:六费时加 1,七费时再加 1,而 GG4 那张牌只是略低于曲线。
最后,通过费用 GG3、身材 3/5、具有死触的生物,可以算出死触的价值。成本是 1(基础)+2(第一点 G)+3(第二点 G)+3(无色)+1(超过四点法术力)+1(超过五点法术力)=11。已知收益为力量与防御力合计 8,再加死触;这意味着死触的收益为 3。其他异能都只按 1 定价,相比之下这个数字似乎很高;但如果玩过万智牌,你会知道死触确实是一项强大的异能,所以这里的高数值也许合理。
从这里出发,我们可以做大量工作来创造新生物。仅仅完成上述分析,就已经找出几张似乎高于或低于曲线的生物。(当然,这是一种简化。某些牌沿袭自早期系列,未必按当前曲线平衡;每张牌还带有一些本身不产生效果、却会被其他牌引用的类别或关键字,因此具有元游戏收益。例如,一张牌若是“鬼怪”,同时存在一张能给所有鬼怪提供战斗加成的牌,那么“鬼怪”这个类别就有用处;在某些牌组中,即使前一张牌本身低于曲线,也可能值得使用。但请记住,这意味着有些牌通常强度不足,放进合适牌组后却可能强度过高——这正是元游戏平衡发挥作用的地方。我们目前只关心传递性平衡,而不是元游戏平衡,但必须明白两者确实相互影响。)
到这个阶段,我们已经可以检查系列中的绝大多数其他卡牌,因为它们几乎都只是成本、力量、防御力、也许再加几种已经识别的基础异能,以及最多一种定制异能的组合。除了定制异能以外,其他项目全都已知,所以几乎随便拿出一张牌,都能评估其异能的收益——至少是原设计师赋予它的收益。我们未必知道哪些带有定制异能的牌高于或低于曲线,但至少能判断哪些异能只有边际用途,哪些又极其有用;还可以为它们赋予数值、相互比较,看看这些价值是否符合直觉。
猜猜它值几费!来看一个例子:W1、2/2,并且每当你获得生命时,它便得到力量 +1、防御力 +1。这项异能值多少?成本为 4,力量/防御力收益也是 4,因此异能免费——要么它几乎一文不值,要么这张牌高于曲线。游戏本身没有不依赖特定卡牌就能获得生命的机制,而且获得生命通常本来就是较弱的效果,因为它不会使你更接近胜利。因此可以猜测,这是一项相当次要的效果;设计师也许有意让这张牌略高于曲线,为原本强度不足的“获得生命”机制提供元游戏优势。
再看一张:W4、2/3,进场时你获得 3 点生命。成本为 8,力量/防御力收益为 5,因此获得生命的收益显然价值 3——每一点生命对应 1 点成本。
再来:UU1、2/2,进场时将目标生物移回其拥有者手上。这里的成本是 7;已知收益为 5——力量和防御力共 4,蓝色身份为 1——所以移回手牌效果的收益是 2。
还有一张:U1、1/1,横置后迫使目标敌方生物在本回合能攻击则必须攻击。成本为 4,已知收益为 3——力量和防御力共 2,蓝色身份 1——因此特殊异能被定为相对轻微的 1 点收益。
下面这张带有缺点:U2、2/3、飞行,并且只能阻挡具有飞行的生物。收益为 5(力量/防御力)+1(蓝色)+1(飞行)=7;法术力成本为 1(基础)+2(U)+2(无色)=5,这说明阻挡限制价值 2 点成本。凭直觉看,这似乎不对:守军——原文在此称为“完全无法阻挡”,但按规则实际是“无法攻击”——也只价值 1 点成本。因此,这张牌大概略高于曲线。
另一个缺点:B4、4/5,须横置进场。收益为 9;法术力成本为 1(基础)+2(B)+4(无色)+1(超过五点法术力)=8,所以额外缺点的成本必然为 1。
再看一项强力异能:BB1、1/1,横置以消灭目标已横置生物。法术力成本为 7;力量/防御力收益为 2,所以特殊异能看来要值 5。这个数值似乎极高;另一方面,它确实非常强,也能与许多其他卡牌形成配合,因此也许合理。我们也可以主张,它很强——收益也许是 3 或 4——但还没那么强;或者通过实战表现及与系列中其他强力异能比较,认为它其实更强——收益为 6 或 7。不管怎样,我们至少得到了一个可用于比较的数字。
由此可见,绝大多数卡牌都能用这种方式分析;即使游戏本身非常复杂,这项技术仍能让我们相当准确地把握其成本曲线。并非所有牌都恰好落在曲线上,但只要玩上一段时间,你就会直觉地知道哪些牌平衡,哪些太好或太弱。以那些“感觉平衡”的生物为基准,可以提出一条成本曲线以及一组成本与收益数值,再验证这些生物是否确实处于曲线上,同时确认你凭直觉判断过强或过弱的对象,是否也被数学正确地显示为高于或低于曲线。利用已经知道的内容,就能对尚不知道的内容作出相当不错的推测,找出其他你尚未形成看法、但可能太好或太弱的牌。
事实上,即使你只是玩家而不是设计师,也可以用这项技术判断,哪些卡牌更有可能出现在赛事或竞技环境中。
经验法则怎样知道自己的数字是否正确?很大程度上,你需要结合设计直觉与试玩测试,找出究竟什么适合自己的游戏。不过,我仍可以给出几条基本建议。
第一,受到范围或条件限制的收益绝不是成本,而且它的收益总会至少略大于零。假如一把剑对蛇造成额外伤害,而游戏里只有少数几条蛇,且分散在个别地点,这项收益很小,却肯定不是缺点。
第二,如果你让玩家在两项收益之间选择,这一选择的成本必须至少等于两项收益中较贵的那一项。最坏情况下,玩家每次都会选更好、也就是更昂贵的收益,所以整体定价至少要达到玩家实际选择的那项收益。一般而言,提供选择时,应尽量让选项带来的收益大致相等;在两个同样好的东西之间作选择,远比在一个明显强大、一个明显弱小的效果之间作选择有趣。
最后,有时你不得不猜,却又没有条件进行充分测试。也许试玩预算不多;也许发行商正拿枪顶着你的头,命令你现在就交付。不管原因是什么,你手上有个对象可能略高或略低于曲线,必须选择偏向哪一边。遇到这种情况,宁可让对象太弱,也不要让它太强。如果它太弱,最坏的结果只是无人使用,但游戏中的其他对象仍然可以发挥作用——这不理想,却不会摧毁游戏。相反,如果一个对象强得离谱,它就会永远被采用;相比之下,其他那些真正处于曲线上的平衡对象都会显得过弱,实际上再也无人使用。一个严重弱模的对象只毁掉自己;一个严重超模的对象却会毁掉整款游戏的平衡。
新游戏的成本曲线到目前为止,我们讨论的是如何从现有游戏推导成本曲线——一种逆向工程,用来弄清游戏怎样实现平衡。这未必是一项轻松工作,有时会相当繁琐,但至少过程比较直接
如果正在制作新游戏,建立成本曲线就困难得多。游戏尚不存在,你也还没有玩过它的最终形态,因此无法形成同样充分的曲线直觉,也不了解哪些效果真的很强、哪些真的很弱。这意味着,在核心机制基本稳定之后,必须安排大量专门以平衡为目的的试玩测试,并相应地为项目排期。
新游戏更难建立成本曲线的另一个原因,是你拥有随意平衡数值的绝对自由。面对现有游戏,所有数字都必须与已经发布的内容保持一致,因此自由度不高;成本曲线结构也许有几种选择,但结合已有内容,真正合理的通常只有少数。新游戏却没有这些约束:设计成本曲线的有效方案可能有成千上万种,远远超过你能够试玩验证的数量。制作新游戏时,只能咬紧牙关,在可以计算的地方认真计算,作出最好的初始猜测……然后尽早把某个可玩的版本交到测试者手中,为学习如何平衡游戏系统争取尽可能多的时间。
设计新游戏的成本曲线还有一个棘手问题:修改成本曲线会消耗大量设计时间。假设你在为一款集换式卡牌游戏制作 200 张牌的系列;新机制之一是额外抽牌,全系列有 20 张牌以某种方式使用它。起初你把“多抽一张牌”定为 2 点收益,经过测试后却发现应当是 3。现在,使用这项机制的全部二十张牌都必须修改。请记住,你一定会把数学算错,因为没有人能够第一次就把游戏平衡做对。成本曲线连续发生多次修改,就意味着整套卡牌必须一遍又一遍重做。如果有无限的测试时间,你可以耐心而细致地逐项修改,直到平衡完美。但在现实世界中,这仍是一个未解问题。我参与过平衡最出色的一款集换式卡牌游戏,是在已经发布三个系列后才推导出成本曲线的;真正平衡得很好的,是成本曲线得出之后发布的后续系列。开发也更高效,因为那些只依赖数学、没有其他特殊之处的基础牌甚至不需要试玩。此后,我一直尝试在开发新游戏时提前考虑成本曲线,但至今仍没有找到一种合理可行的好办法。
还有一个未解问题,我称之为“强度膨胀”。它专属于那些会长期延续、不断在自身之上增加内容的游戏:集换式卡牌游戏、MMO、可以导入前作角色的续作、Facebook 游戏、战略游戏扩展包等等。凡是随着时间持续加入新内容、而非一次性独立产品的游戏,都会面对它。问题在于,任何一批内容都不可能做到完美:游戏里的每个对象不可能全都完美落在曲线上;有些略高,有些略低。目标当然是让一切尽可能接近成本曲线,但你现在就必须接受,总有少数对象会比应有水平稍好——哪怕差别只来自微乎其微的舍入误差。
随着时间推移,只要玩家群体足够庞大而且技术足够高,所有能够带来优势的东西——无论优势多么微小——都会脱颖而出,使用频率越来越高。玩家会适应这样一种环境:竞技对局中出现的总是优中选优的内容,并逐渐把那个水平当成“标准”成本曲线。
知道这一点后,设计师便陷入困境。如果继续使用“旧”成本曲线,奇迹般地制作出一批完美平衡的新对象,也不会有人使用,因为它们没有任何一个比得上旧系列中最好的、也就是高于曲线的对象。为了让新系列有竞争力,你必须建立一条成本曲线,以旧系列里最强的对象和策略为参照进行平衡。这意味着成本曲线所代表的力量水平会随时间不断提高。提高得快还是慢,取决于你的平衡工作做得多好;但长期一定会出现某种不为零的“强度通胀”。
从某个角度看,这未必是坏事,因为它实际上会迫使玩家不断购买新内容,才能跟上环境。玩家过去占据统治地位的旧策略最终会落后于强度曲线;为了继续竞争,他们必须获得新东西。玩家定期继续向我们购买产品,当然是好事。不过,这里有一条非常细的界线:一旦玩家察觉,我们在故意提高游戏的力量水平,只是为了逼迫他们购买新内容,他们就有理由退出游戏,转而做别的事情。我们实质上是在下最后通牒:“要么买,要么走。”这样做很危险,因为许多玩家会选择“走”。所以,强度膨胀问题不是懒惰设计的借口。即使知道成本曲线会随时间上升,也应让这个过程缓慢而渐进,避免老玩家感到无所适从;当然,新内容还必须凭自身魅力吸引玩家——因为用起来有趣,而不只是因为强得离谱。
如果你正在制作一款游戏……如果你现在正在设计的游戏含有传递性机制,而且这些机制围绕同一种资源成本展开,试着把成本曲线推导出来。你大概不需要我提醒,但我偏要说,哼。
请记住,无论你是否意识到,游戏都已经拥有一条成本曲线。把这当作深入了解自己游戏平衡的机会。
作业本周的“作业”有三个选项。每个选项都有两重目的:第一,练习从现有游戏推导成本曲线;第二,练习应用这条曲线,识别相对于其他对象太强或太弱的内容——无论它们是卡牌、武器还是其他东西。
选项一:继续分析 Magic 2011如果博客中的分析引起了你的兴趣,就把它继续下去。在网上找一份 Magic 2011 完整牌表——应该不难——从我们已经确定的数学关系出发,尽可能构建成本曲线的其余部分。同时,找出你认为高于或低于曲线的牌。下面汇总了目前的模型,供你参考;随着评估更多卡牌,你也许会决定修改其中一部分:
  • 法术力成本: 基础 1;每一点无色法术力为 1;第一点有色法术力为 2,第二点有色法术力为 3。
  • 高费加成: 如果牌需要四点或更多法术力,成本 +1——仅适用于红色、蓝色和绿色生物;如果牌需要五点或更多法术力,成本 +1——仅适用于白色、黑色和绿色生物,没错,绿色会同时获得两种加成;总法术力费用超过五点后,每多一点再额外 +1 成本。
  • 特殊成本: 守军异能带来 +1 成本。
  • 基础收益: 每一点力量和防御力分别为 1;红色和蓝色生物另有 1 点收益。
  • 特殊收益: 飞行、先攻、践踏、系命、敏捷、沼泽行者、延势、警戒、反白保护、反黑保护,各带来 +1 收益;死触带来 +2 收益。
你也可以阅读 Mark Rosewater 的万智牌设计文章档案。不过,档案中有大量文章讨论具体卡牌和系列的细枝末节,要从中找出相关的通用设计内容并不容易——而且这个档案非常庞大!
选项二:《龙与地下城》如果你对集换式卡牌游戏没兴趣,也许更喜欢 RPG。找出手边任意版本的*《龙与地下城玩家手册》,翻到列出装备的章节,重点查看游戏中的基础武器及其金币价格。你需要运用一点我们尚未讲过的基础概率,计算每种武器的平均伤害。提示:投掷一枚 *n 面骰时,平均点数是(n+1)/2;没错,这意味着“平均值”可能是小数。如果同时掷多枚骰子,分别计算每一枚的平均值,再把结果相加。然后,把武器的平均伤害与金币成本联系起来,尝试推导武器的成本曲线。
请注意,不同版本中有些武器可能带有“特殊能力”,例如射程更远,或者对某类敌人造成额外伤害。只有在除一项以外的所有成本或收益都已知时,才尝试推导未知项。先从简单的近战武器入手;建立基础成本曲线之后,分析较复杂的武器。
如果很快做完,还想接受额外挑战,也为游戏中的护甲建立成本曲线,看看能否找出伤害与护甲等级(AC)之间的关系。
选项三:《光环 3》如果前两个选项都不吸引你,可以考察第一人称射击游戏,尤其是*《光环 3》(Halo 3)。它略有不同,因为游戏没有真正的经济系统,也不存在一种用于购买*物品的统一资源。不过,游戏有多种武器,每种都有大量属性:有效射程、伤害、射速,偶尔还会有范围伤害或双持等特殊能力。
这项练习以每秒伤害(DPS)作为核心资源。你需要寻找 FAQ,或者亲自玩游戏做实验,又或者仔细分析 YouTube 上的实机视频,确定每种武器的 DPS。计算方法是:用单发伤害乘以射速——以每秒射击次数计——所得结果就是 DPS。
把其他所有因素都换算成 DPS,尝试确定 DPS 与准确度、射程以及各种特殊能力之间的取舍。(“准确度”等因素不容易量化,你也许必须稍作变通,自行设定一些数字。)
然后开始分析:根据你的成本曲线,哪些武器看起来高于或低于曲线?要实现平衡,每种武器应该增加或减少多少 DPS?当然,结果是否符合你的直觉——无论这份直觉来自亲自游玩,还是来自阅读玩家论坛里的评论?
回复

使用道具 举报

     
 楼主| 发表于 2026-9-4 09:43 | 显示全部楼层
本帖最后由 marquez 于 2026-9-4 09:48 编辑

第 5 关:概率与随机性如何彻底失控
发布日期:2010-08-04
阅读英文原文
阅读与游戏材料本周没有——除了这篇博客文章本身。
上周问题的答案如果想核对上周的答案,请看下面。
龙骰首先要注意,所谓“龙骰”其实只是伪装起来的“1d6+1”。既然“龙”总会获胜,就把它当作“7”;六个面于是是 2、3、4、5、6、7。所以,这道题真正问的是:给一次 1d6 投掷加上 +1 奖励,会怎样影响你掷得更高的概率?结果是:影响远比多数人想象得大!
把 2—7 对 1—6 的全部 36 种可能写出来,会发现输给庄家的方式有 21 种(7-1、7-2、7-3、7-4、7-5、7-6、6-1、6-2、6-3、6-4、6-5、5-1、5-2、5-3、5-4、4-1、4-2、4-3、3-1、3-2、2-1),和局有 5 种(6-6、5-5、4-4、3-3、2-2),获胜有 10 种(5-6、4-5、4-6、3-4、3-5、3-6、2-3、2-4、2-5、2-6)。和局可以忽略,因为它只会触发重掷,而我们会一直重掷到出现胜负为止。因此,只有 31 种结果会真正结束一局;其中 21 种失败、10 种获胜,所以这款游戏的获胜概率只有 10/31。换句话说,平均不到三局赢一次。
鸟笼骰3d6 共有 216 种结果,用 Excel 计算比手工容易。不过,真要数出来,你会发现:假设选择数字 1 作为获奖号码,恰好赢一份奖金的方式有 75 种——1-X-X,其中“X”是五种失败点数中的任意一种,共 25 种;再加上另外两枚骰子取胜的 X-1-X 与 X-X-1,总计 75 种。同理,赢两份奖金的方式有 15 种——1-1-X、1-X-1、X-1-1,三种位置排列各有五种,共 15 种;赢三份奖金只有一种方式,即 1-1-1。由于 1 到 6 的所有数字等可能,无论选择哪一个数字作为获奖号码,赔率都相同。
计算期望值时,要把 216 种结果分别乘以各自的概率;由于 216 种投骰结果等可能,只须把所有结果的收益相加,再除以 216,就能得到期望输赢比例。
(75 种单次获胜×1 美元奖金)+(15 种双倍获胜×2 美元)+(1 种三倍获胜×3 美元)=108 美元奖金。我们总共玩 216 局,而 108 正好是 216 的一半,所以乍看之下似乎赔率公平。
别急!还必须数出所有失败结果,而失败次数多于 108。在 216 种投骰方式中,只有 91 种能获胜,却有 125 种会失败。出现这种差异,是因为虽然自己的号码掷出两次或三次时更值钱,但掷出两次或三次其他号码的方式要多得多。125 次失败每次都会让你损失 1 美元。
全部相加,玩 216 局的期望值为 17 美元;换言之,每次下注 1 美元玩这款游戏,预期损失约 7.9 美分。这听起来也许不多——7.9 美分真的只是零钱——但请记住,这是每一美元的损失,所以本游戏的庄家优势其实高达 7.9%,在整个赌场里也属于最差的赔率之一!
皇家同花顺在这道题中,你会依次从 52 张牌里抽 5 张。它们必须是 10、J、Q、K、A,但顺序任意。第一张可以是任意花色的上述 5 种点数,所以第一抽共有 20 张牌能使你保留组成皇家同花顺的可能,概率为 20/52。第二张必须与第一张同花色,因此剩余 51 张里只有 4 张合格,概率为 4/51。第三张时,剩余 50 张里只有组成该皇家同花顺所需的 3 张,概率为 3/50。第四张是 49 张里选 2 张,最后一张则必须是剩余 48 张中的那 1 张。全部相乘,得到 480/311,875,200,也就是 649,740 分之一。若想看小数,结果是 0.0000015;再乘 100 换成百分比,则为 0.00015%,略高于万分之一个百分点。对我们大多数人而言,从五张牌中见到一次“天然”皇家同花顺,即使一生能遇到一次也算幸运。
IMF 彩票查看上周的评论,会发现好几位读者找出了不需要蒙特卡洛模拟的解法。答案是 45 点资源,也就是说,这张牌平均会在场上停留 10 个回合。既然它每回合有 10% 的概率离场,这个答案其实相当直观……然而,正如概率问题已经向我们展示的那样,大多数事情都直观。所以,偏偏这道题的答案很直观,这件事本身反而有些反直觉。
本周主题上周,我暂时打断了课程此前关于游戏平衡方法的讨论,为自己认为每位设计师都应掌握的概率论知识划出一条基线,好让我们至少能算出一些基本赔率。本周,我要把这一切炸得粉碎,带你看看真实概率可能在两个地方彻底出错:人类心理与计算机。
人类心理说到心理,我上周已经简要提过:多数人对真实赔率的直觉糟糕透顶。因此,即使我们真的把游戏里的随机元素做得完全公平——而且稍后会看到,这并不总是容易——仍有大量玩家会觉得游戏不公平。所以,作为游戏设计师,我们不仅必须理解真实概率,也必须理解玩家怎样感知游戏中的概率、这种感知与现实有何差异,从而在设计希望他们体验到的游玩过程时,把这种偏差考虑进去。
计算机大多数计算机都是确定性机器:它们只有 0 和 1,遵循确定性算法,把一些 0 和 1 转换成另一些 0 和 1。但我们偏偏必须从确定性系统里得到一个非确定性数值,也就是“随机数”。实现方法是一种数学障眼法,它产生了所谓的伪随机数:看起来有那么点像随机,实际上却不是。理解随机与伪随机的差异,对电子游戏设计师意义重大;即使是桌游设计师,只要他们可能为自己的作品开发计算机版本——“热门”桌游经常如此——或者打算在桌游中加入任何带随机性的电子元件,也同样需要理解。
不过先谈谈……运气与技巧进入心理与计算机之前,有一个过去一周里被我们大体忽略的隐含假设,值得拿出来讨论和质疑。这个假设是:给游戏加入一些随机性可能有益,但随机性太多则不好;我们也许还觉得,所有游戏都落在一条连续谱上,一端是“100% 依赖技巧”——如国际象棋围棋——另一端是“100% 依赖运气”——如*《蛇梯棋》《糖果乐园》*。
如果只看这些游戏,我们甚至可能进一步认为,休闲与核心玩家之间也存在对应分界:游戏中的运气成分越多,受众越休闲;结果越依赖技巧,我们就越觉得它面向核心玩家。
然而,情况并非总是如此。例如,井字棋完全没有随机性,但我们通常不会认为它需要很高技巧。与此同时,每一手扑克都高度随机,我们仍认为它是一款由技巧主导的游戏。另一方面,二十一点同样随机,但除了算牌以外,我们更倾向于把它视为机会游戏,而不是像扑克那样的技巧游戏。
再来看职业体育这样的身体竞技。一方面,我们把它们视为技巧游戏;另一方面,爱好者会追踪运动员和比赛的各种统计数据,讨论某名球员进球或投篮不中的概率,体育赌客还会对比赛结果下现金赌注,仿佛这些不是技巧游戏,而是机会游戏。
究竟是怎么回事?有几种解释。
扑克与二十一点为什么我们对扑克二十一点的看法不同?区别在于玩家何时下注,以及玩家的选择能对游戏结果施加怎样的影响。
扑克里,成功的玩家会计算赔率,判断自己持有获胜牌型的概率,再把这个结果连同自己对其他玩家反应的观察,一起纳入下注决策。随着更多牌被揭开,玩家会调整策略。玩家对赔率的理解以及应对变化的能力,与其游戏表现直接相关。
相比之下,二十一点要求你在一手牌开始、尚不知道自己会拿到什么牌时下注;随着更多牌被揭开,你通常也没有“加注”或“弃牌”的选择。
二十一点确实包含技巧,但这种技巧与扑克截然不同。根据自己的点数、庄家明牌,以及牌库中剩余高牌的比例——如果你在算牌——判断何时要牌、停牌、分牌或加倍……这些与*《吃豆人》里的技巧属于同一种意义。你在记忆并遵循一套确定性模式,并没有作出多么有趣的决策。你只须按照算法下注,并期望在给定洗牌结果的前提下,长期发挥到自己所能达到的最好水平。我们不会仅仅因为赌场在双骰赌局(Craps)轮盘赌*中赢多输少,就认为赌场很有“技巧”,原因也相同。
职业体育那么体育运动中的问题呢?为什么一款显然依赖技巧的游戏,看起来却仿佛包含随机投骰?这个悖论源于参照框架。如果你是观众,按定义便无法控制比赛结果;对你而言,结果就是一个随机事件。如果你真的是运动队员,比赛胜负则部分取决于你的技巧水平。这就是为什么一方面,职业运动员会按获胜表现获得报酬——比赛对他们并不是赌博;另一方面,体育迷仍可以对从他们视角看来随机的比赛结果下注。
动作游戏在依赖动作的电子游戏里——例如典型的第一人称射击游戏——随机性的运作方式略有不同。玩家运用移动和瞄准技巧来射击对手、躲避攻击。我们把这些看作技巧型游戏,而且它们似乎与随机性大体不相容:即使没有随机投骰,系统里的混沌也已经够多了。我向一个移动目标开枪时,会命中还是失手,取决于许多很难完全控制的因素。现在假设设计师自以为聪明,给廉价手枪的子弹轨迹加上一点随机扰动,让它不那么准确。你把某人稳稳套进准星,扣动扳机……却没打中,因为游戏随机决定让子弹过度偏左。玩家会作何反应?
嗯,他们也许不会注意。游戏节奏太快:你在跑,对方也在跑;你连续开了几枪,却没打中,于是觉得可能只是自己没有想象中准确,或者对方躲得好。但如果对方一动不动,你悄悄绕到背后,确信自己有一记完美射击,却依然落空,就会觉得游戏抢走了本应属于你的成果。这既不好玩,也没让游戏更有趣;它只会让你觉得,自己枪法明明很好,却遭到了武断的惩罚。
这是否意味着运气在动作游戏里毫无作用?我认为,你可以增加运气成分,让竞技场稍微公平一点,但必须非常谨慎。许多 FPS 增加游戏运气成分的一种常见方式就是:爆头。其思路是,如果打中对手头部而非身体其他部位,就会立即击杀,或产生类似效果。
你也许会想……等等,这难道不属于技巧吗?玩家因为准确命中一个小目标而得到额外伤害奖励,说明他就是这么厉害……对吧?在某些游戏和情境中确实如此;但在许多游戏里——尤其是较老的作品——大多数情况下根本不可能做到那种精确:你在移动,对方也在移动;头部碰撞区域很小;远距离时,武器又不能放大到足以确认准星是否向任意方向偏了一两个像素。所以,至少从远处看,爆头不是大多数玩家能够有计划实现的事情。只要朝着大致正确的方向射击,有时仍会意外爆头;于是,玩家无需作出任何特别努力,偶尔就能得到一次爆头。这会稍微拉平竞技差距。没有爆头时,如果一次击杀需要命中许多枪,技巧更强的玩家几乎总会取胜,因为他们更擅长闪避、绕圈平移以及各种足以压制并击败较弱玩家的技巧。加入爆头后,弱者偶尔会意外获得一次自动击杀,从而更有可能体验到某些成功;作为设计师,这通常正是你想要的。
在运气与技巧之间移动正如刚才在动作游戏中看到的那样,要给游戏增加运气因素并不容易,但仍可通过创造一些不太可能、却有机会意外完成的事件来实现。
对于节奏较慢、更偏策略的游戏,增加运气或技巧更加直接。若想提高游戏的运气成分,可以:
  • 把一部分玩家决策改成随机事件。
  • 减少游戏中的随机事件数量——这样,大数定律较难发挥作用,随机性也就不太可能均匀分布。
  • 提高随机事件对游戏状态的影响。
  • 扩大随机性的范围,例如把一次 1d6 改为一次 1d20。
  • 若想提高游戏中的技巧成分,就反向调整上述任意一项或全部项目。
对某一款具体游戏而言,运气与技巧的“最佳”配比是什么?这主要取决于目标受众。年龄很小的孩子可能无法应付大量选择、风险与回报,或短期与长期取舍,但他们可以投骰子、转转盘,再按指示行动。竞争心强的成年人和核心玩家通常偏爱更倾向技巧的一侧,好让自己展现优势;不过,除非是极端情况,也不能偏得让他们觉得自己永远不可能战胜更强的对手。休闲玩家也许更把游戏视为社交体验,而不是锻炼策略思维的机会,所以他们其实宁愿少思考、少作决定,把有限的脑力更多用于和朋友聊天。这里不存在适用于所有游戏的唯一正确答案。你要认识到,每一款具体游戏都有最合适的运气与技巧配比;作为游戏设计师,你的一部分工作,就是倾听游戏本身,找出它需要落在哪里。有时这意味着增加随机性,有时意味着减少,有时则要保留随机性、但改变其性质。上周获得的工具,至少应该足以让你部分评估自己游戏中随机性的性质,并作出恰当修改。
现在来谈……人类心理正如上周所见,人类在估计赔率时,直觉普遍糟糕。你也许已经在“龙骰”或“鸟笼骰”中注意到:凭直觉,两款游戏的获胜机会似乎都比实际更高。许多人对概率如何运作也存在错误理解,例如上周见到的赌徒谬误——误以为过去的独立事件,如此前的投骰,能够影响未来事件。下面深入看看这些思维错误,以及它们对玩家和游戏设计师意味着什么。
选择偏差当被要求凭直觉估计赔率时,直觉来自哪里?多数人使用的第一种启发法,是检查自己的记忆:不同事件有多容易被想起来?能轻易回忆起的例子越多,我们就越认为该事件很可能发生。通常,这种方法能给出相当不错的结果。如果你把一枚加权骰投几百次,并且似乎记得数字 4 更常出现,大概就能对它实际出现的频率形成还不错的直觉。不难猜到,只要罕见事件比常见事件更容易回忆,这种直觉就会失灵。
为什么罕见事件反而更容易回忆?原因之一是,影响足够强烈的罕见事件往往会刻在记忆里——我敢说,你一定记得飞机撞上双子塔时自己究竟身在何处。媒体报道有时也让我们感觉罕见事件比常见事件发生得更频繁。例如,许多人更害怕死于空难,而不是死于车祸,尽管汽车事故致死的概率要高得多。原因不止一个,但其中之一是:世界任何地方只要有飞机失事,都会成为国际新闻;相反,车祸太常见,反而不会被报道。因此,回忆起许多空难远比回忆起许多车祸容易。彩票也是一例:中奖者会被大肆宣传,数百万失败者却无人报道,于是我们误以为中奖概率高于实际。
这一切与游戏有什么关系?首先,比起羞辱性的失败,我们更容易记住自己史诗般的胜利——这是大脑为了让人生好过一些而玩的另一种把戏。人们往往认为自己在多数事情上高于平均水平;因此,在缺少硬统计数据时,玩家会高估自己的胜率或技巧水平。在允许玩家自行设置难度、选择对手的游戏里,这很危险。一般来说,我们希望玩家以某个特定比例取得成功,并据此调整游戏难度;如果玩家选择了对自己来说过高的难度,就会挣扎得更厉害,也更可能因受挫而放弃。意识到这种倾向以后,我们可以设法让玩家匹配到符合其实际技巧的挑战,例如使用自动匹配、动态难度调整或其他办法。
自利偏差某些事件虽然不太可能、但仍有可能发生;到了这个区间,玩家会认为它的概率远高于实际。Sid Meier 在今年的 GDC 主题演讲中,根据经验把这条界线放在大约 3 比 1 或 4 比 1,也就是说:如果玩家有 75% 到 80% 或更高的获胜概率,而且他们确实只按这个比例获胜,感觉反而会不对,仿佛自己输得比应有次数更多。据我猜测,当屏幕显示 75% 或 80% 的胜率时,他的试玩者预期自己会赢得几乎每一次,大概是 95% 左右。
玩家还存在自利偏差,这大概与前面所说“人人都觉得自己高于平均水平”有关。因此,当玩家拥有 75% 的获胜优势时,他们无法接受四局输一局;但当自己处于 1 比 3 的劣势时,却能完全接受四局赢一局。
归因偏差一般来说,玩家远比随机挫折或惩罚更容易接受随机奖励。有趣的是,他们对这两类随机事件的解释也截然不同。
面对随机奖励,玩家倾向于把事件内化,相信自己凭借更出色的决策与游戏策略赢得了奖励。没错,也许那只是一次幸运的投骰;但正是他们选择作出了一系列最终引向这次投骰的决定,而且他们的计算风险得到了回报,所以这显然是自己作出了明智决策。
面对随机挫折,玩家则倾向于把事件外化:责怪骰子或纸牌,说自己只是不走运。如果这种事发生太多,他们甚至会说自己不喜欢这款游戏,因为它不公平。如果玩家对游戏投入了足够多的情绪——例如玩高额赌局——甚至可能指控其他人作弊!电子游戏把逻辑和随机数生成过程藏了起来,所以还会出现一些更奇怪的行为。有些玩家真的会相信,AI 正在偷看游戏数据,或者背地里篡改数字、故意作弊;毕竟它是计算机,理论上确实做得到。
归根结底,无论在游戏还是人生中,人们处理失败与处理胜利的方式都大不相同。
锚定效应人们误判赔率的另一种原因,是所谓的锚定效应。其含义是:无论最先看到什么数字,人们都会紧紧抓住它,并赋予它过高权重。例如,走进赌场随便看一台老虎机,最醒目、最吸引注意力的信息,大概就是头奖能赢多少枚硬币。人们看到并专注于这个数字,于是产生一种印象:自己获胜的机会远比实际更大。
Sid Meier 在主题演讲中提到过这种效应一个有趣的表现。同一批试玩者在自己拥有 2 比 1 优势时,如果按应有概率输掉三分之一,会完全接受;但若优势写成 20 比 10,同样输掉三分之一,他们却会觉得游戏不公平。为什么?因为最先看见的是 20,这个数字看起来很大,让他们觉得自己拥有很强的力量;而且 20 感觉比 10 大得多,于是他们认为自己应该有压倒性优势。(当然,如果他们处于 10 比 20 的劣势,仍会欣然接受三局赢一局。)
这也意味着,如果一名玩家的基础伤害较低、随后又叠加了一大堆奖励,他可能会低估自己的实际伤害。
赌徒谬误现在回到赌徒谬误:人们期待随机数看起来很随机。长串连续结果会让人不安,令他们怀疑这些数字到底是不是真随机。
我从研究文献里看到一项统计:如果请一个人凭空编出一串“随机”的抛硬币结果,他们给出的序列往往并不很随机。具体来说,如果上一项是正面,下一次他们有 60% 的概率选择反面,反之亦然。(这里是让他们在被要求给出“随机”结果时,直接凭脑袋说出“正面”或“反面”,而不是真的抛一枚硬币。)仅仅十次抛硬币中,连续出现四次正面或四次反面其实相当可能——因为连续四次相同的概率是八分之一;但如果让某个人凭空给你十个由 0 或 1 组成的“随机”数字,他们很可能连三个相同数字连续出现都不会写。
这种倾向还会以不那么明显的方式误导玩家。下面仍是 Sid 主题演讲里的例子。还记得吗?玩家会觉得 3 比 1 的优势意味着自己几乎总会获胜;面对一场有 2 比 1 优势的比赛,他们则能接受大约三分之一的失败率。结果表明,如果他们连续两场输掉了拥有 2 比 1 优势的比赛,很多人会觉得不对劲。他们不认为低概率事件应该连续发生多次,尽管按照概率法则,这种事本来就会发生。
再举一例,说明游戏设计师为什么必须敏锐地意识到这一点。假设你设计了一款电子游戏,其核心机制包含一连串公平的抛硬币——也许用于决定每回合谁先行动之类。概率告诉我们,每 32 次游玩中就会有一次,最初六次抛硬币得到完全相同的结果。如果一名玩家刚接触游戏,第一次就看见这种事,他也许会认为它罕见到足以证明游戏里的“随机”数生成器出了故障。如果硬币都朝着有利于他的方向落下,他不会抱怨……但等到均值回归开始发挥作用,他按正常规律一半时间输掉时,就会觉得游戏在作弊;而且他需要一段时间,才能抛弃最初形成的错误印象——以为自己更可能赢下一次抛硬币。更糟的是,如果玩家从一开始就连输六次,几乎可以肯定,他会认为你的游戏不公平。要看看问题可能有多严重,假设游戏取得了不大不小的成功,卖出 320 万份。那么,足足有十万名玩家会在自己第一局、第一次体验时就遇到六次连续相同的结果。会觉得游戏不公平的玩家可真不少!
作为玩家,我们可以利用赌徒谬误。人们觉得长串相同结果看起来不像随机,因此在试图“随机出招”时,实际上往往会改变自己的选择。面对并非冠军级别的对手,只要知道这一点,就能在石头剪刀布中赢过半数对局。坚持采用五局三胜、七局四胜之类的赛制。既然你知道对手下一轮不太可能重复上一手,就应该出会输给对手上一手的选择。因为对方大概不会连续两次出同一手,你很可能不会输——最差也不过是平局。
热手谬误赌徒谬误还有一种变体,主要出现在体育与其他动作游戏中,叫作热手谬误*。这个名字源于篮球:球迷开始相信,如果一名球员连续投进两三个球,他就是“手感火热”,接下来更有可能继续命中而不是投失。(这种观念甚至进入了 *NBA Jam 等体育游戏:“着火”真的成了一种机制,为玩家提供速度和准确度优势……外加一些炫酷效果,例如让篮筐在核爆火球中炸开。)
概率理论研究者最初看到这种说法时,认为每次投篮都像投骰一样,是独立事件,因此此前是否命中,没有理由影响下一次投篮。他们预期,无论球员此前几次尝试结果如何,下一球命中的概率都应该完全相同
“别急,”篮球迷说,“谁说这些事件完全独立?”心理会影响体育表现。也许连续命中几球以后,球员更加自信,于是发挥得更好;也许观众的欢呼为他补充了一点精神能量;也许此前的进球说明他正高度专注于比赛,处在极佳的心流状态,因此更可能继续表现出色。谁知道呢?
“有道理,”概率研究者说。于是他们查看了大量比赛的真实统计数据,想知道此前的进球是否对之后的表现具有预测价值。
结果却是,理论研究者和体育迷都错了。一名球员连续命中几球之后,下一球投失的概率反而略有上升;连续命中的串越长,相对于纯随机情况下的预期,下一次投失概率就越高。为什么?我想我们还没有确切答案,但大概存在某种负面的心理效应。也许球员累了;也许对方球队认为他更具威胁,所以当他持球时采取更积极的防守;也许观众欢呼打断了他的心流;又或者,他变得过度自信,开始承担更多不必要的风险。
当玩家能在我们的游戏里积累连胜时,这种现象会对我们不利;如果还把连胜与社交奖励绑定,例如成就、奖杯,或对长连胜者给予特别关注的排行榜,问题尤其明显。危险在哪里?即使最理想地假定每局游戏确实都是独立随机事件,我们也知道连胜本身属于异常表现。如果玩家的整体表现落在某条概率曲线上——通常是钟形曲线——而他恰好在某一局、某次游玩或某段会话中表现得异常出色,那么下一局的表现很可能会回落到曲线上更低的位置。玩家大概会错误地以为自己的技巧大幅提高;重新开始输的时候,他们会感到挫败,因为他们知道自己明明能表现得更好。于是,当连胜不可避免地终结时,这段经历在玩家心里也遭到污染,仿佛设计师故意做了一个系统,在每次奖励之后自动惩罚玩家。
休斯敦,我们遇到麻烦了……总而言之,当玩家接触我们的随机系统时,设计师会面对以下问题:
  • **选择偏差:**低概率但容易记住的事件,会被认为比实际更有可能发生。
  • **自利偏差:**赔率有利于玩家时,一场“不太可能的失败”会被解释成“一场几乎不可能的失败”;而赔率不利于玩家时,一场“不太可能的胜利”却仍会被正确理解为“虽不太可能、但有可能的胜利”。
  • **归因偏差:**正面的随机结果被归功于玩家技巧;负面的随机结果被归咎于运气差——甚至作弊。
  • **锚定效应:**玩家会过度看重最先看到或最大的数字。
  • **赌徒谬误:*误以为一串相同结果会降低*该串继续延伸的概率。
  • **热手谬误:*误以为一串相同结果会提高*该串继续延伸的概率。
这里的教训是:如果把游戏的真实概率直接展示给玩家,而游戏又确实产生公平的随机数,玩家仍会抱怨。因为按照他们自己对概率的错误理解,游戏感觉不对
作为设计师,我们该怎么办?当然可以彼此抱怨,说那些愚蠢玩家的数学都很差。但我们能否利用这份知识,做出更好的游戏?
当设计师走向邪恶面对这些知识,一种反应是利用它从人们手里榨取大笔金钱。投向原力黑暗面的游戏设计师,往往会进入赌博、营销广告或政治策略行业。(若有诚实的设计师恰巧在这些行业工作,我向你们道歉。)
赌博彩票和赌场经常通过大肆宣传中奖者来利用选择偏差,让人误以为获胜比实际更容易。如果它们更不诚实,还可能操纵机器,使“非常接近、却差一点”的结果比随机概率预测得更常见,例如老虎机上出现两个 BAR 图案、第三格却是空白,或者视频扑克里皇家同花顺的五张牌只出现四张。这会让玩家产生错误印象,以为自己经常离胜利很近,从而提高他们对命中头奖的兴奋和期待,使其更可能继续玩下去。
营销与广告营销人员一直在利用锚定原理改变我们对价格的预期。例如,你家附近的杂货店大概会到处贴上醒目的折扣标签,吸引你注意某些商品的低价;我们的大脑便会假定,周围其他商品与之相比更加便宜……即使事实并非如此。
锚定的另一个例子是,汽车经销商把两款几乎相同的车型摆在一起,一辆贴着非常高的标价,另一辆价格较低——但依然很高。顾客先看到第一个高价,以它为锚;再看到较低价格时,就会觉得相较之下自己捡到了大便宜……哪怕其实仍被狠狠宰了一笔。
政治策略政客可以使用大量伎俩来赢得选票。如今一种常见做法,是放大人们对恐怖主义或飓风这类概率极低、却被广泛报道的事件的恐惧,再作出竞选承诺,说他们会保护你和你的家人安全。很有可能,他们说得没错;因为这些事件本就极少发生,大概无论如何也不会再次发生
诈骗犯真正邪恶的游戏设计师会运用心理知识去做一些效果极佳、也高度违法的事情。我听说过一种骗局:给一大群人写信,主动提供“投资建议”,让他们留意某只低价股从今天到明天的走势。一半信件预测股票会上涨,另一半则说它会下跌。无论实际发生哪一种情况,都只保留自己猜对的那一半收件人,再作一次预测。重复四五次,最终便剩下一小群人;对他们而言,你的每一次预测都完全正确。这些人会认定,绝不可能只是随机巧合,你必定掌握了一套有效系统;于是把大笔金钱交给你,而你则逃离本地,搬到斐济之类的地方。
那么,善良的游戏设计师呢?对想做诈骗犯的人——或者不想受骗的人——来说,上面这些都很有用。但我们这些仍然只想……嗯,制作娱乐游戏的人该怎么办?
我们必须记住,自己是在塑造玩家体验。如果希望这种体验积极正面,就要考虑到玩家不会凭直觉正确理解游戏所表达的概率,并据此修改设计。
调整赔率一种做法是,告诉玩家一件事,背后实际却做另一件事。我们告诉玩家他有 75% 的获胜概率,系统底层却可以按 95% 来投。如果玩家失败,还可以让下一次失败的概率累计降低;这样一来,连续多次失败就不太可能,超长失败串则完全不可能发生。
随机事件使用随机事件时要格外谨慎,尤其是那些会给游戏带来重大变化的事件,特别是对玩家不利的事件。一般而言,我们应避免让一次随机事件就把玩家摧毁得太惨;否则,玩家也许会以为自己做错了什么,并徒劳地尝试找出错误;也可能因为一记糟糕的投骰就毁掉了整套策略而恼火,从此不想再玩。清楚说明坏事为什么发生,以及未来游玩时可以怎样预防,有助于让玩家保持掌控感。
对抗热手问题为应对热手问题——连胜会使玩家更可能犯错——一种办法是淡化游戏中“连胜”的重要性,让玩家从一开始就注意不到自己正处于连胜,也就不会在连胜结束时注意到,或感觉那么糟糕。
如果我们确实*加入连胜机制,可以把它嵌入正反馈循环:给予玩家游戏内优势,用来抵消连续多次成功后下一次更可能失误的倾向。例如,在 *Modern Warfare 2 中,玩家只要延续击杀连胜——在自己不被击杀的情况下连续杀死多个敌人——就会获得特定奖励,包括更好的武器、空中支援,甚至核打击。每得到一项奖励,玩家都会因为变得更强,而更有可能延续连胜。
小结简而言之,我们知道玩家对概率的理解存在缺陷。如果理解这些缺陷的性质,就能改变游戏行为,使其符合玩家预期。这样,玩家会觉得游戏更有趣、更公平。从本质上说,这正是 Sid Meier 今年 GDC 主题演讲最重要的结论之一。
一个职业伦理问题不过,并非所有人都能心安理得地接受这种做法。GDC 之后,至少有几个人提出:等等,这难道不算欺骗吗?作为游戏设计师,我们通过设计好的系统教育玩家。如果弯曲游戏里的概率法则,去强化玩家对概率运作方式的错误理解,我们难道不是在损害玩家吗?我们明明已经知道某种理解是错的,却仍把它当作正确知识教给玩家,不是吗?
一种反驳也许是:只要玩家觉得不好玩——无论原因在于我们的设计太差,还是他们的数学理解太差——设计师就必须站在玩家这一边进行设计;尤其当开发商与发行商指望取得高销量时,更是如此。但这种说法必然成立吗?例如,扑克极其流行、利润丰厚……尽管它会毫不留情地惩罚任何胆敢对概率抱有错误认识的玩家。
直到今天,我仍认为这是一个开放问题;每名设计师都必须根据自己的价值观和正在设计的具体游戏自行决定。花一点时间想想下面的问题:
  • 我们能否把游戏里的概率视为职业伦理问题?
  • 我们该怎样权衡:一边是给玩家带来乐趣——尤其当他们为此付费时;另一边是准确呈现现实?
  • 什么更重要:游戏实际怎样运作,还是玩家认为它怎样运作?
另一种解决办法我还能提供一种适用于某些特定情境的办法:不仅向玩家展示宣称的概率,也展示真实发生的结果。例如,如果游戏不记录胜率,却请玩家估计自己的获胜比例,他们给出的数字大概会高于真实值。如果每次开始一局前,游戏都会展示其胜、负与胜率,他们就会对自己的实际技巧形成准确得多的认识。
若游戏含有随机数生成器呢?看看下面的情景是否熟悉:你正在玩*《俄罗斯方块》,某一刻开始确信游戏故意与你作对。你似乎总要等到刚刚错过需要它的时机之后*,才会拿到那种细长直条,对吧?直到今天,我最喜欢的仍是街机版*《俄罗斯方块》,它对此有个巧妙办法:单人游戏占据屏幕左半边,右半边则持续记录每种方块各掉落了多少。所以,当你觉得自己被坑时,可以看看右边,判断游戏是否真的*在坑你,还是纯属想象。长期观察会发现:没错,单个关卡里,某种方块偶尔会比另一种平均多一点;但时间拉长后,一切都会平衡,而且多数时候,各种方块出现的数量都大致相同。游戏是公平的,而且能用实时展示给玩家的冷冰冰硬数据证明这一点。
这种方法怎样用于其他游戏?在玩家对抗 AI 的扑克电子游戏中,可以在每手结束后告诉玩家,他当时实际持有的是否为获胜牌型,并持续记录获胜手牌比例,让玩家知道洗牌是公平的。(若对手是真人,这样做可能更有争议,因为它会让你获得一些关于对手诈唬模式的知识。)如果你在制作桌游*《战国风云》(RISK)*的数字版本,其中模拟了投骰,就让游戏记录每个数字或组合的出现频率,并允许玩家随时查看统计,诸如此类。
对永远无法彻底确定计算机内部随机性是否公平的玩家而言,这类信息带来的安心程度出人意料。
当随机并不随机这就引出了随机数与伪随机数的区别。“伪随机”字面上就是“假的随机”;在这里,它意味着数字并非真正完全随机,只是看起来如此。
事实上,即使在实体游戏里,我们用来制造随机性的多数东西也并非完美随机。宾果游戏摇奖机里涂着数字的球,可能因为油漆令重量略有差异,而稍微更容易或更难出现。带凹陷点数的六面骰,由于部分材料被挖走,重心略有偏移,也可能轻微偏向某一边。许多六面骰还有圆弧边缘;若各条弧线略有差别,骰子落到某些面时更可能继续滚动,因此最终停在特定数字上的概率也会略高或略低。二十面骰受制造工艺影响,可能略呈长椭圆形而非完美正形,使落在棱边附近数字上的概率稍低。这还没有考虑有人故意给骰子加重,或者投骰者专门练习过怎样掷出自己想要的点数!
纸牌又如何?各种研究都表明,人们通常洗牌的方式并不随机。事实上,只要以某种特定方式洗特定次数——确切数字我忘了,但并不多——牌库几乎会完整回到原始顺序。纸牌魔术师正是利用这点,让洗牌看似发生,实际上却在叠牌。即使诚实洗牌也不是完美随机。想一想:例如根据洗法不同,单次交错洗牌后,最上面或最下面的牌大概仍会留在原位置;所以必须洗到一定次数,牌库才足够随机。即使没有故意叠牌,关键也在于,并非所有洗牌结果都同等可能。
拉斯维加斯必须对此极其谨慎,所以你会发现,赌场骰与家里那种白底黑点的 d6 很不一样。一枚略不公平的骰子,就可能让赌场失去博彩牌照;或者被充分熟练、懂得怎样不公平投骰的玩家赚走钱。赌场仅凭诚实经营下长期存在的庄家优势,就能创造数十亿美元价值,因此它们必须极其确信,自己的骰子尽可能接近完美随机。
赌场也必须小心洗牌。如果由荷官手工洗牌,随机性可能出现一些问题——暂且不论荷官抱怨腕管综合征。某个荷官为了多发几手牌而偷懒、没有充分洗牌,懂行的玩家就可能加以利用,因为某些牌连续跟在另一些牌后的概率会高于平均。更不用说荷官与玩家串通、故意这样做了。
为解决这些问题,赌场已大体转向自动洗牌机,但机器也有自身问题。例如,机械洗牌可能比人工洗牌更不随机;谨慎的赌徒便能用隐藏摄像头分析机器,找出从一副新牌开始时,哪些牌更容易聚在一起,从而为自己取得优势。如今,一些最新的自动洗牌机不再做交错洗牌,而是按照随机化的计算机算法直接排列整副牌;但我们很快就会看到,就连这些算法也可能出问题。如果赌场不够小心,代价会非常高昂。
这里的要点是:即使实体游戏中那些被我们视为“随机”的事件,也未必真有我们以为的那么随机。请注意,我们不一定能什么来改变它,至少若不投入巨资购买超高质量游戏组件就不行。多数人不过想随便玩一局*《卡坦岛》,让他们花巨款购买机加工骰子未免过分。因此,作为玩家,我们必须接受游戏并非永远完全随机、公平……但它们足够接近*,而且同等影响所有玩家,所以我们通常不予计较。
伪随机数计算机也有类似问题。正如开头提到的,计算机内部不存在任何随机性:只有 0 与 1,有高低电压沿导线流动,或以电磁形式存储在内存、磁盘某处;一切都完全确定。除非你愿意购买某种特殊硬件,去测量会变化的物理现象——比如用某种盖革计数器追踪放射粒子的释放方向之类,而我们大多数人都不会——否则计算机就被困在这个难题里:必须用一台确定性机器运行非确定性的机会游戏。
我们用一点数学解决它;具体内容不在这里讲,如果有兴趣,可以自行用 Google 搜索伪随机数算法。你只需知道,有些数学函数的行为非常不规则,看不出明显模式,于是我们从函数结果中取出一个,称它为随机数。
怎样知道该从函数里取哪一个结果?当然是随机决定。开玩笑的;正如前面说过,我们实际上做不到。所以,必须由你告诉计算机从哪一个开始;它先取该值,下次需要随机数时,就取序列中的下一个,再下一个,依此类推。但既然起点是我们告诉它的,这就不再是真正随机,哪怕普通玩家看不出区别。你告诉计算机从哪里开始的那个数字叫作随机数种子。给定一个种子后,计算机便从那里开始,依次用公式选取随机数。所以,只需要播种一次。不过……这一点非常重要:如果再次给它同一个种子,就会得到完全相同的结果。别忘了,它是确定性的!
通常,我们会选择一个玩家难以刻意复现的随机数种子来绕开这个问题,例如从午夜至今经过了多少毫秒。但选择必须谨慎。比如,如果种子只取系统时钟毫秒部分的小数值——从 0 到 999——那么游戏实际上只有 1,000 种“洗牌”方式。重复游玩后,玩家很可能遇到两局可疑地完全相同的游戏。如果作品用于竞技,一名足够执着的玩家可能研究游戏,最终预测哪些随机数会在何时出现,再利用它取得不公平优势。因此,创建这些系统时必须小心。
网络游戏中的伪随机:让客户端保持同步如果网络游戏由玩家的机器各自生成随机数,就必须格外小心。我曾在两家采用这种架构的公司参与游戏开发——不论这算好还是坏。可能发生的情况如下:当然要先让某个玩家或服务器生成随机数种子,在一场一对一游戏里,双方共用这个种子。此后,只要任一玩家需要随机数,两台机器都必须生成该数字,随机数种子才能保持同步。偶尔,因为某个程序错误,一名玩家生成了随机数却忘记通知对手,于是双方的随机数生成器不再同步。游戏又继续几个回合;突然,一名玩家采取了需要随机元素的行动,他的机器判定成功,对手机器却用另一个随机数判定失败。两个客户端比较校验和时失败,因为它们如今持有不同的游戏状态;两名玩家也都确信,对方正在试图作弊。糟糕。(PC 游戏更好的做法,是把全部游戏逻辑放在服务器上,让客户端保持轻量;对没有服务器、只能直接连接的联网掌机或手机游戏,则指定一名玩家的设备负责所有此类计算,再向其他玩家广播游戏状态。)
单人游戏中的伪随机:保存与载入单人游戏里的伪随机数也必须谨慎处理,因为玩家可能加以利用。这在游戏设计中基本仍是一个未解问题。你很难真正获胜,只能选择一种自己愿意承受的坏处。
随时保存假设一款游戏允许玩家随时随地保存。许多游戏都这样做,因为对玩家很方便。然而,没有什么能阻止玩家在一次重要的随机判定前存档——也许成功概率极低,但一旦成功便回报丰厚——然后反复读档,直到成功。如果每次读档时都重新生成随机数种子,玩家终究会成功。此时,他们已不再真正游玩你所设计的游戏;但另一方面,他们只是在使用你设计的系统,因此也不能算真正作弊。当玩家可以一直重掷到获胜为止,你精心平衡的概率便会突然失衡。
随时保存,同时保存种子好吧,你说,那就修复它:把随机数种子也写入存档如何?这样一来,无论怎样存取,都会得到相同结果!首先,这并没有消除问题,只是稍微提高了利用难度。玩家只须找另一件会使用随机数的事来做,例如喝下一瓶随机恢复生命值的药水,或改变战斗行动的顺序;然后继续尝试,直到找到一套可行操作。其次,你又制造了新问题:存档以后,玩家会准确知道敌方 AI 每回合将做什么,因为只要从相同随机数种子起步,游戏就会变成完全确定性的!有时,提前准确预知敌人行为,比无限重掷还要强大。
存档点于是你说,好吧,那就限制玩家能保存的位置,让两次存档之间必须经过一段不可忽略的游戏流程。现在玩家理论上仍可利用存档系统,但实际上,他们必须重玩太多内容,无法把每一个微小行动都彻底优化。随后,另一类玩家的问题又出现了:这种机制虽然压住了钻空子的行为,诚实玩家却开始抱怨存档系统不允许他们想离开就离开,游戏把他们扣在两个存档点之间当作人质。
快速存档也许你会尝试一种允许玩家随时保存、但开始游玩时会删除存档的系统,使他们无法使用老一套存档/读档把戏。看起来似乎有效……直到某位诚实玩家刚走到最终头目面前时突然停电,现在不得不从头重玩整款游戏。然后,他雇了杀手,趁你睡觉时要你的命——这是你活该,你这个邪恶、邪恶的设计师。
随时保存,但次数有限让玩家随时随地保存,但限制总次数。例如,初代*《古墓丽影》就是这样做的。这仍允许一部分利用行为,但至少不至于让玩家把每一次投骰*都刷到满意。这算一种好折中吗?
哦,对了,希望你给了玩家一张地图,告诉他们平均相隔多远能够存档,还在地图上画出一些大箭头,指向大型战斗会发生的位置。这样,玩家才不至于仅仅因为无法提前知道最佳存档地点,就不得不重玩大片地图。然后,你的玩家又会抱怨游戏太简单,因为把挑战位置的全部信息都送到了他们面前。
选择一种坏处正如我说过的,哪一种存档系统对玩家最有趣、最令人愉快,本就是游戏设计中尚未解决的普遍问题之一——这还只是在确定性游戏里!加入伪随机数后,问题显然会棘手得多。因此,在设计保存/载入系统时,设计师应该主动思考这些问题……否则,这件事就会被留给某个程序员去解决。上帝保佑你吧;最终方案大概会取决于什么最容易编码,而不是什么最有利于游戏或玩家。
当伪随机数失效即使随机数种子选得很好,即使忽略玩家利用和程序错误,选择糟糕的算法仍会让随机性以其他方式出错。例如,假设有一副牌需要洗。许多刚入门的游戏程序员都曾在某个时候想到过下面这套天真算法:
  • 从一副未经洗牌的牌开始。
  • 生成一个与牌库中某张牌对应的伪随机数——若共有 52 张牌,就生成 1 到 52 之间的整数;根据所用语言,也可能是 0 到 51。称它为数字 A。
  • 以相同方式生成第二个伪随机数,称作数字 B。
  • 交换牌库中位置 A 与位置 B 的两张牌。
  • 把第 2—4 步重复许多、许多次。
这套方法首先有一个问题:要花上令人烦躁的漫长时间,才能得到哪怕有点像随机洗牌的结果。第二,因为每张牌的起始位置固定,而算法每次只交换随机选中的一对牌,所以无论重复多少次,每张牌最终仍会比落在其他任意位置略微更可能留在原位。可以这样想:只要一张牌曾被交换,它就会换到一个随机位置;于是,对任何至少交换过一次的牌来说,所有位置都同等可能。交换多次并不会改变这一点,它只是从一个随机位置换到另一个随机位置,所以最终仍然等可能落在任何位置。因此,作为基线,所有曾被交换的牌都会以相同频率、等概率落在各处——这很好。然而,总有一个非零概率,某张牌一次也没有被交换;如果如此,它就会留在最初位置,使待在原处的概率额外增加。交换次数越多,一张牌保留原位的概率就越低;但无论交换多少次,都不可能把该概率彻底降到零。讽刺的是,这意味着此算法下最有可能出现的洗牌结果,竟是所有牌都待在起始位置!
由此可见,即使这次洗牌所用的伪随机数完全随机——或已经足够接近——洗牌本身也并不随机。
你的伪随机数足够“伪随机”吗?当然,还有一个问题:伪随机数生成函数本身产生的数字是否相当随机?会不会因为舍入误差或糟糕算法,导致某些数比另一些更容易或更难出现?一种简单测试方法,是用生成器产生几千对二维坐标,再把它们绘成图,观察是否出现明显模式,例如点阵格局、显著聚簇或空白区域。当然,可以预期看到一些聚集,因为我们已经学过,随机数本来就会如此;但重复几次实验后,聚集区域应该出现在不同位置。这相当于用蒙特卡洛模拟,快速目测伪随机数是否真的随机。(还有其他更数学化的方法,可以精确计算生成器的随机程度,但那需要真正做数学;对游戏设计而言,这种快速、粗略而“足够好”的测试更容易。)
多数时候,这不会成为问题。大部分编程语言和游戏库都内置伪随机数生成函数,采用已被证明有效的成熟算法;多数程序员也直接使用它们。不过,如果你的程序员出于某种原因,坚持实现一个自定义伪随机数生成函数,就应该非常仔细地测试!
作业过去几周,我都会给你一项可以立刻用来改善手头游戏平衡的任务,再给一项以后练习的作业。本周把顺序颠倒过来:先练习,熟悉概念之后,把它应用到自己的项目。
本周“作业”会介绍两种洗牌算法。我曾在已经发售的游戏中,亲眼见过这两种算法的某些变体出现在真正运行的代码里——为保护无辜者,我不会说是哪几款游戏。两种情况下,我们都不断听到玩家群体抱怨洗牌器坏了:牌库里存在某些“热点”位置;只要把牌放在那里,洗牌后就更容易来到顶部、出现在起手牌里。我要你从逻辑上思考这两种算法,再判断它们是否有效。给个提示:一种有效,另一种无效。我会直接给出源代码,但也会用文字解释,以照顾不会编程的读者。请记住,这看起来像一道编程题,实际却是概率计算:你能数出洗牌算法可能以多少种不同方式重排牌库吗?这些方式是否均匀对应牌库的各种排列?
算法 1第一种算法如下:
  • 从一副未经洗牌的牌开始。
  • 从全部可用牌中随机选择一张——若牌库有 60 张,就生成一个 1 到 60 之间的伪随机数。取出该位置的牌,与第 60 张交换。本质上,就是随机选择一张牌放到“已洗好”牌库的底部,再把它锁定在那里。
  • 现在,从剩余牌中随机选择一张——位置 1 到 59——与第 59 张交换,放在前一张牌上方。
  • 再从剩余牌中随机选择一张——位置 1 到 58——与第 58 张交换,依此类推。
  • 不断重复,最终来到位置 1;它只会与自己交换——所以什么也不做——至此完成。
这显然不同于人类通常洗牌的方式。但请记住,这里的目标不是模仿人工洗牌,而是得到一次随机洗牌,也就是牌的随机排列。
算法 2第二种算法与之相似,但有两处细小改动。
  • 从一副未经洗牌的牌开始。
  • 从全部可用牌中随机选择一张——在 60 张牌的牌库里,即从第 1 至第 60 张中任选——与位置 60 交换,把它放到牌库底部。
  • 从全部可用牌中再次随机选择一张,包括此前已经选过的牌——也就是再从 1 到 60 随机选取——与位置 59 交换。
  • 再从 1 到 60 随机选择一张,与位置 58 交换。
  • 不断重复,最终从 1 到 60 生成一个随机数,把该位置的牌与位置 1 交换,至此完成。
  • 哦,对了——还有最后一件事:把整个过程,即第 2—5 步,重复五十次。这样会让它更随机。
提示一副 60 张的牌有多得数不清的排列,该怎样着手?答案是从远为简单的情形开始。假设牌库只有三张彼此不同的牌;愿意的话,可以称它们为 A、B、C。
首先,找出三张牌共有多少种排列方式。虽然有我们尚未讨论的数学技巧可以计算,但单靠尝试和排除也应该能完成。
接着,分别查看两种算法,找出每种算法能通过多少条不同路径产生洗牌结果。第一种算法先从 3 张中选择,再从 2 张中选择,最后从 1 张中选择;第二种则是从 3 张中选择、再从 3 张中选择、最后仍从 3 张中选择。把牌库实际可能出现的排列清单——即所有互不相同的洗牌顺序——与每种算法产生洗牌的全部路径作比较。你会发现,其中一种能生成随机洗牌——当然,随机程度最多与伪随机数生成器相同——另一种却会偏爱某些排列。如果三张牌的牌库如此,就可以假定更大的牌库也会同样随机或不随机。若你愿意对更大牌库完整推算,尽管请便;不过没有必要。
如果你目前正在制作游戏……电子游戏完成练习后,如果你正在开发涉及计算机的游戏,就检查一下伪随机数以及程序使用它们的方式。特别是,如果用一串伪随机数来做洗牌之类的事,要确认实现方式确实随机;如果采用非标准方法生成伪随机数,则绘制大量随机坐标对,检查是否存在不希望出现的模式。最后,检查随机数种子怎样存入游戏状态。多人游戏里,它分别存放在不同客户端,还是集中在单一服务器?单人游戏的存档系统是否允许玩家保存、尝试一次高风险随机判定,再反复读档直到成功?
所有游戏:数字或非数字无论设计桌游还是电子游戏,还可以审视游戏中的随机机制——如果确实存在——并问自己几个问题:
  • 游戏更受技巧还是运气支配,抑或两者均衡?
  • 游戏中的技巧与运气比例适合目标受众吗?还是应该稍微偏向其中一侧?
  • 玩家游玩时可能观察到哪些概率谬误?你能否通过不同设计,改变玩家对游戏有多公平、有多随机的感受?你应该这样做吗?
回复

使用道具 举报

     
 楼主| 发表于 2026-9-4 09:44 | 显示全部楼层
本帖最后由 marquez 于 2026-9-4 09:49 编辑

第 7 关:成长、进程与节奏
发布日期:2010-08-18
阅读英文原文
阅读与游戏材料本周没有——除了这篇博客文章本身。
上周问题的答案如果想核对上周的答案,请看下面。
嗯,我必须承认,并不完全确定这是不是正确答案。理论上,我可以写程序暴力求解全部十二座塔;如果每格可以放蜂群塔、强化塔或空着——也就是干脆不在该位置建塔——那么“只有”3^{12} 种可能。不过我此刻没时间这样做。若有人找到更好的解法,欢迎发在这里!
在电子表格中手工尝试后,我找到的最佳方案是:最上面与最下面两行各放四座蜂群塔,中间一行放四座强化塔,伤害成本比为 1.21。
中央两座强化塔分别使周围六座蜂群塔的伤害提高 50%,所以每座贡献 1,440 点额外伤害;两侧两座强化塔各支持四座蜂群塔,分别贡献 960 点伤害。平均而言,每座强化塔花费 500,提供 1,200 伤害,伤害成本比为 2.4。
每座蜂群塔提供 480 伤害——八座总计 3,840。每座花费 640,伤害成本比均为 0.75。虽然效率远低于强化塔,蜂群塔依然值得建造;删除其中任何一座,都会降低周围强化塔的效力。因此,在组合中,拥有这些蜂群塔仍比什么也不放更具成本效率。
不过,强化塔仍然比蜂群塔划算得多。若查看其他塔种,在假定周围有许多完全升级防御塔的情况下,强化塔毫无疑问是全游戏成本效率最高的塔。我认为,唯一阻止强化塔成为高端玩法支配策略的因素,是玩家没有足够现金充分利用它。一场持续 40 关的典型游戏,也许只会给你几千美元左右,根本不足以建造一套杀伤力惊人的满级塔阵。当然,也可能正等着你发现某种至今无人察觉的新支配策略……
本周内容教学大纲把本周内容列为“单人游戏的成长、进程与节奏”,但我改主意了。许多游戏都包含某种成长与节奏,就连多人游戏也一样。有多人合作游戏,如桌面 RPG 《龙与地下城》、主机动作 RPG 《博德之门:黑暗联盟》,或 PC 游戏 《求生之路》。即使在多人竞技游戏中,也有些作品会让玩家在游玩过程中推进并变强:一局*《万智牌》进行下去,玩家会拥有更多地、施放更强法术;《星际争霸》*后期,玩家会派出更强单位。还有 *《魔兽世界》这样的 MMO,即使在 PvP 服务器上,成长也显然属于核心机制。因此,除了典型《最终幻想》*式单人体验,本周也会讨论这些内容;概括来说,我们该怎样平衡进程机制?
等等,平衡究竟是什么?首先,值得提醒一下“平衡”在这里究竟意味着什么。正如课程导言所说,从进程角度看,有三件事要考虑:
  • 难度水平适合目标受众吗?游戏整体是太难还是太容易?
  • 随着玩家在游戏中推进,我们预期游戏会变难,以补偿玩家技巧不断提高。难度提升速度合适吗?会不会太快变得过难、导致挫败?还是增长得太慢,让玩家在等待游戏重新变得有挑战时感到无聊?
  • 如果玩家化身的力量会增长——无论来自找到更好的武器、工具或其他玩具等新游戏对象,获得新的特殊能力,还是生命值、伤害等属性直接提高——这些收益相对于敌人力量的增长,速度合适吗?还是玩家太快获得太多力量,使后半段从某个节点起变得无足轻重?抑或力量增长太慢,迫使玩家用大量无脑刷取来补偿,以强迫重玩已经掌握的内容为代价,人为延长游戏?
下面依次讨论。
心流理论如果不熟悉“心流”概念,可以阅读去年夏季课程的这篇文章。它大致是说:如果游戏相对于你的技巧太难,你会感到挫败;太容易则会无聊;而当挑战刚好触及能力极限时,你会投入其中,通常也更快乐。游戏设计师的目标之一,就是给玩家提供合适水平的挑战。
这里有两个问题。第一,并非每名玩家进入游戏时都有相同技巧水平;对某些人太容易的东西,对另一些人却太难。怎样让所有玩家获得相同体验,同时又让难度适合每个人?
第二,玩家随着游戏推进会越来越熟练,所以即使挑战水平保持不变,对玩家来说也会变容易
怎样解决这些问题?嗯,这正是本周大部分内容。
为什么要有进程机制?不过,在继续之前,值得先问:进程机制最初究竟为了什么?既然要把整门课程的十分之一用于讨论游戏进程,它就应该是一件值得谈论的有用设计工具。它有什么用途?
结束游戏多数情况下,进程的目的是把游戏带向终点。尤其对较短游戏而言,进程要确保它在合理时间内结束。无论制作的是持续 3 分钟的游戏——如 20 世纪 80 年代早期街机——30—60 分钟的游戏——如家庭桌游——3—6 小时的游戏——如策略战争游戏——还是 30—300 小时的主机 RPG,有些游戏都有预期时长。只要知道这一时长,强制推进就能让游戏持续向前,保证它真正在目标时间范围内结束。本文稍后会继续讨论最佳游戏长度。
为后期游戏提供奖励与训练在少数特殊情况下,游戏没有终点——MMO、模拟游戏、桌面 RPG 或以进程为基础的 Facebook 游戏——所以进程在前期被用作奖励结构和训练模拟器,而不是结束游戏的方式。这里有个显而易见的问题,几乎所有这类游戏里都能看到:到某个节点,继续推进就不再有意义。玩家已经看完游戏中需要看的全部内容,达到等级上限,解锁技能树中的所有特殊能力,把属性练满,或者完成了类似目标。几乎每一种情况下,到达这一步后,玩家都必须另找事情做;游戏会急剧转入有时称为“后期游戏(elder game)”的阶段,目标从进程变成别的东西。游戏此前始终训练玩家把进程视为目标,因此这种过渡可能很突兀。喜欢前期成长的玩家未必同样喜欢后期活动,因为二者区别很大;同样,有些本来会非常热爱后期游戏的人,却因为没耐心熬过成长跑步机,永远没能抵达。
后期游戏里会发生什么?在模拟游戏与 FarmVille 中,后期游戏是艺术表达:把农场布置得漂亮或有趣,让朋友参观;或者用自己的模拟人物搭建自定义故事与短剧。
在 MMO 中,后期游戏是需要大型团队谨慎协作的高等级团队副本;或者让玩家单挑或组队对抗其他真人的 PvP 区域;也可能是探索游戏的社交面,例如在公会里承担协调或领导职责。
在桌面 RPG 中,后期游戏通常是为角色找到优雅的退役方式,以足够令人满意的结局收束故事。有趣的是,这些游戏里的“后期游戏”,其实正是一场结束游戏的任务!
会结束的游戏又怎样?在进程确实会结束游戏的作品里,也有一个问题。通常,如果你在整个游戏中不断变强,而力量又被用来奖励玩家,那么游戏恰好会在你达到力量巅峰时结束。这意味着你没有多少时间真正享受站在世界顶端的感觉。如果你在游戏过程中不断失去力量——国际象棋等游戏可能如此——到最后则只会觉得整个体验都在把自己磨进泥土里,也好不到哪里去。
Peter Molyneux 谈到即将推出的 Fable 3 时指出过这一缺陷。他坚持说,玩家会在早期达到力量巅峰、成功统治世界;游戏剩余部分则要兑现为达到这一地位而许下的承诺。这是一句很棒的宣传语,但他说的其实只是:把标准主机 RPG 的进程模型缩短,再加上一段后期游戏。这意味着 Fable 3 的成败,将取决于它能否提供扎实的后期体验,同时仍吸引最初享受抵达巅峰过程的同类玩家。我不是说这做不到,但他面前的工作很艰巨。我看到的采访听起来,仿佛他把它当作对古老难题的一项简单修复;可我们在这里能看出,它其实只是用另一个困难的设计问题替换原来的问题。我很期待看看他能否解决……因为一旦成功,对 MMO、FarmVille 以及中间一切带后期游戏的作品都会有重大意义。
两种进程PvP 与 PvE 游戏中的进程往往运作不同。PvP——既包括“死亡竞赛”等多人 PvP,也包括对抗 AI 对手的单人游戏——要求你战胜另一名真人或 AI 玩家,因此你的进程意义是相对于对手进程的相对值。PvE——既包括单人游戏,也包括多人合作——要求你在游戏中前进、克服挑战并抵达某种终局,所以多数作品会以绝对值看待你的进程。这才是我想强调的核心区别:有些游戏关注各方之间的相对力量,有些则关注相对于游戏核心系统的绝对力量。我在这里只是用“PvP”和“PvE”作简称;如果一不留神把 PvP 说成“多人游戏”、把 PvE 说成“单人游戏”,只是因为它们是最常见的设计模式。
PvE 中的挑战水平当玩家在游戏内的一连串挑战中不断前进时,该怎样追踪他们感受到的挑战水平?怎样知道它上升得太快还是太慢,总体挑战是否恰到好处?
这个问题其实很难回答,因为玩家感受到的“难度”并非只由一种东西构成,而是四种因素的组合;但玩家只会把它们体验为一个“我受到挑战了吗?”的整体感受。这就像汽车仪表盘把油量、当前速度与发动机转速全部相乘,得到一个单一“幸福”评分,而你只能盯着这一个数字,猜测是什么让它升降。
感知难度的四个组成部分首先是玩家的游戏技巧水平。玩家越擅长游戏,无论其他因素如何,挑战看起来就越容易。
其次是玩家在游戏内的力量水平。即使玩家不很擅长游戏,把生命值翻倍仍会让他们存活更久;提高攻击属性能让他们更有效地杀死敌人;给他们一把钩索,可以抵达此前去不了的地方,等等。
第三和第四,是上述两项的反面,也就是游戏怎样为玩家制造挑战。游戏可以制造技巧型挑战,要求玩家掌握更高程度的技巧,例如引入 AI 更好、因此更难命中的新敌人;也可以制造力量型挑战,提高敌人的生命值、攻击力或其他属性——或者干脆在一个区域增加更多敌人——而不真正提高它们的技巧。
技巧与力量可以互换无论在玩家一方还是挑战一方,技巧与力量都能在一定程度上互相替代。我们一直在挑战一方这样做:给敌人额外生命值、资源产出,或者保持同一套 AI,只膨胀数字,再要求玩家提高自己的属性,或者展现更高技巧来补偿。觉得游戏太容易的玩家,也可以故意不收集全部强化道具,以较低力量挑战自己,再依靠高水平技巧弥补——我相信你们之中至少有些人尝试过只用木剑打通初代*《塞尔达传说》,看看能否做到。要创造更强 AI 来挑战玩家,难度和成本高得多,所以极少有游戏这样做;不过一旦真的实现,效果往往十分惊艳——我想到的典型例子是 *Gunstar Heroes
总之,可以把挑战水平看成:游戏提供的技巧挑战与力量挑战之和,减去玩家技巧与玩家力量之和。这个差值就形成玩家的感知难度。因此,只要任一因素变化,玩家都会觉得游戏变难或变易。写成数学表达式如下:
\text{感知难度}=(\text{技巧挑战}+\text{力量挑战})-(\text{玩家技巧}+\text{玩家力量})示例:感知挑战会自然下降怎样使用这些信息?先看通常会随时间提高的玩家技巧。这一点很重要,因为它意味着:若其他一切保持相同,也就是玩家力量水平与游戏整体挑战都不变,那么随着时间推移,玩家会觉得游戏越来越容易,最终变得过于简单。为了在玩家提高以后继续吸引注意,每一款游戏都必须以某种方式变难。(至少,所有允许玩家技巧提高的游戏都如此;完全不含技巧成分的游戏不受此限。)
改变玩家技巧你也许认为,玩家技巧曲线不受我们控制。毕竟,不同玩家带着不同的既有技巧来到游戏,学习速度也不同。然而,设计师其实可以借助机制对其施加一定控制:
  • 如果设计相互作用方式丰富、含有多层策略的深度机制,使玩家掌握基础游戏以后,又能从更抽象的元层面发现新视角,那么玩家技巧曲线会持续上升很久;当玩家终于掌握某种新思维方式时,曲线可能还会出现几个清晰跳跃。例如,国际象棋玩家第一次学习定式开局,或者开始理解先手节奏、棋盘控制与棋子总数之间的取舍。
  • 如果游戏较浅,或运气成分很大,我们会预期技巧先短暂提高;等玩家掌握有限的可学内容后,便进入平台期。有很多合理设计理由会让人有意这样做。常见例子是教育游戏:核心愿景的一部分,是让玩家从游戏中学会一项新技能,然后让他们停止游玩,转去学习其他内容。也可能只是让游戏易于接近所付出的取舍:“一分钟上手,一分钟精通。”
  • 还可以通过提供多少教程与练习区域,控制玩家学习速度。Valve 普及过一种常见设计模式:在安全区域给玩家一件新武器、工具或玩具,让他们随意摆弄;接着立即把他们引入相对容易的区域,给出一连串简单挑战,让其运用新玩具、学习它能做的所有酷事;随后再给出更难的挑战,要求把新玩具融入既有玩法,与其他玩具组合。通过让关卡在特定区域教会玩家特定技巧,可以更快把玩家带起来,使其技巧更迅速提高。
  • 如果你不希望玩家迅速提高技巧,因为想让游戏持续更久呢?若想让学习更慢,可以采用我听人称为“技巧门槛”的方法。也就是说,不一定主动教玩家怎样玩,也不牵着他们的手前进;只须提供一组逐渐变难的挑战。这样至少能保证:一名玩家完成某个挑战,就已经为下一个做好准备。每项挑战本质上都是一块告示牌,上面写着:“必须至少达到这个水平才能通过。”
衡量感知挑战的各个组成部分玩家技巧单独拿出来很难用数学衡量,因为正如前面所说,任何同时包含技巧与玩家力量的游戏,都会把两者混合在一起。暂时只能说,最佳办法是使用试玩测试和指标数据:例如观察玩家多常死亡或遭受其他倒退,这些失败发生在哪里,玩家第一次进入一个关卡时要花多久才能通过,等等。下周会继续讨论。
玩家力量与力量型挑战更容易用数学平衡:只须把玩家力量曲线与游戏的对抗力量曲线比较。两者都完全受你控制;你决定玩家何时获得力量,也决定敌人何时拿出更强力量进行抗衡。你希望这些曲线是什么形状?部分答案取决于预期技巧曲线,因为可以用力量向任一方向补偿。作为一般指引,我看到最常见的模式大致如下:在单个地下城或关卡等区域中,玩家刚从已经掌握的旧空间进入新空间时,难度会突然跳升;随后,玩家通过升级或掉落物逐步变强;来到关卡末尾时,头目可能令难度再次突然跳升;击败之后,头目战利品,或允许强化角色的新区域,通常又会令玩家力量突然跃升。
有些地下城分成几段:开头较容易,随后出现中头目,再进入较难区域,最后面对终极头目。其实,可以把它看成同一模式连续重复数次,只是图形场景没有变化。把一系列区域串起来,就形成游戏的力量进程:进入新区域时难度先跳升,保持一阵不变,末尾因头目突然提高,然后回落;与此同时,玩家力量会在区域末尾突然跃升,沿途则随着找到新物品或升级而获得渐进提升。
不过,这并非唯一的力量进程模式,甚至不一定最适合你的游戏!它会随类型与目标受众变化。在一局*《太空侵略者》*中,游戏的力量型挑战、玩家技巧与玩家力量全都保持不变;唯一提升的是游戏的技巧型挑战——每一波让外星人起步更快、离地面更近——直到终于形成足以压倒玩家的困难。
PvE 中的奖励尤其在 PvE 游戏里,进程与有时所谓的“奖励时程”或“风险/回报循环”密切相关。设计目标不只是让玩家前进,还要让他们觉得自己因表现出色而得到了奖励。从某种意义上,可以把进程本身视为奖励:玩家继续游玩并展现掌握程度,而能够在游戏中推进,会告诉玩家自己表现良好,强化“我是优秀玩家”的感受。由此有一个推论:必须确保玩家注意到你正在奖励他们——实践中,这通常不成问题。另一个推论是,发放奖励的时机很重要:
  • 奖励太少,或者间隔太久,让玩家长时间完全感觉不到进展,通常不是好事。玩家会泄气,甚至开始觉得,只要没有前进,就说明自己玩错了——哪怕实际上表现很好。
  • 讽刺的是,给的奖励太多也可能危险。心理学告诉我们,幸福来自体验某种收益或改善;因此,即使总量相同,许多小收益带来的幸福,也远多于一次大收益。在很短时间里发放太多大奖励,会削弱每一份奖励的冲击力。
  • 心理学还告诉我们,随机奖励时程比固定时程更有力量。这并不意味着奖励本身应该毫无缘由;它们应该与玩家在游戏中的进展相连,直接源于玩家所做的事情,使其产生成就感。因为玩家在游戏里采取了有意行动而奖励他,远比因为某件他不知道、甚至没有尝试争取的事而奖励他有效。
下面举几个例子:
  • 你是否曾在 Facebook 上开始一款新游戏,仅仅第一次登录,就立刻拿到某种奖杯或“成就解锁”奖励?我认为,许多 Facebook 游戏都会犯这个错误:奖励显得毫无缘由,反而冲淡玩家后来取得的真正成就,让人觉得游戏太容易。当然,面向极度休闲受众时,你也许就希望游戏显得容易;危险之处在于,它可能削弱玩家以后获得的真实、真切成就感。
  • Xbox 360 游戏中的“隐藏成就”,以及其他平台上的同类机制。如果成就是对技巧的奖励,那么成就内容被隐藏时,玩家怎样知道该做什么?更烦人的是,许多成就对应的事情根本不受玩家控制,看起来相当随意,例如在伤害由随机计算的游戏里“单次攻击恰好造成 123 点伤害”。这里究竟是在奖励玩家什么?
  • 正面例子,是典型动作游戏或动作 RPG 中的随机战利品掉落。虽然掉落随机,玩家偶尔才得到一件非常酷的物品,但它仍与“击败敌人”这一有意行动相连;所以玩家得到了奖励,只是奖励时程随机。(请注意,可以在这里调整“随机性”。例如,让游戏记录两件稀有战利品之间的间隔;若玩家很久没见到一件,就故意发放大奖励。有些游戏采取折中方案:既有随机掉落,也有来自特定任务或头目的固定掉落,保证玩家至少时不时获得一些出色物品。)
  • 另一个常见例子:玩家抵达地下城某一点时,会看到一段过场动画。起初你可能说,这并不随机;因为关卡设计师把事件写死在那个位置,它每一次都在游戏完全相同的节点触发!若多次通关,你说得对;但玩家第一次体验时,并不知道奖励在哪里,所以从其视角看,它无法预测,与随机并无区别。
现在,我想讨论三种都与进程相关的奖励:提高玩家力量、关卡转换与故事推进。
以力量增长奖励玩家通过获得真正增加玩家选择的新玩具、对象或能力来推进,是另一个特殊里程碑。和前面说过的一样,应该把它们隔开一定距离;不过我经常看到,玩家会在游戏前三分之一或前半段拿到全部酷玩具,再用剩余时间发现新颖有趣的使用方法。这完全可以是合理设计。如果全游戏最好玩的玩具直到三分之二处才被发现,玩家就有大量时间享受不到乐趣。Valve 通过*《半条命 2》*的重力枪使这一例子广为人知:据说,他们最初让玩家在游戏末段才取得这把枪;但玩家用它玩得实在太开心,于是他们重构关卡,很早便把枪交到玩家手里。不过,如果一开始就给玩家全部内容,就需要用其他奖励吸引他们走过更长的后半段,因为那里不会再发现新玩具。怎样做到?这里有几种办法:
  • 如果机制足够深,可以不断向玩家呈现独特的事物组合,使他们持续受到挑战、保持投入。(实践中,这真的很难。)
  • 停止发放新玩具以后,更慷慨地使用其他奖励:更多故事、更多属性提升、更频繁的头目战或关卡转换。也可以提供玩具升级,不过能否把“升级”只看作“新玩具”的另一种说法,仍有争议。
  • 或者,你可以……嗯,把游戏做短一点。谢天谢地,在这个时代,这不再是什么丢脸的事。《传送门》*与 *Braid 都因两件事闻名:它们是极佳的游戏,而且很短。即使在高预算 AAA 级别,*《蝙蝠侠:阿卡姆疯人院》*也是去年口碑与销量双重意义上的最佳作品之一,尽管听说全程只有十小时左右。
以关卡转换奖励玩家通过关卡转换——也就是进入新区域——产生的进程是一种特殊奖励,因为它让玩家觉得自己正在前进,而事实也确实如此!转换之间应留出一些距离,免得变化太密集,让玩家不知所措,仿佛整个游戏永远在抛下自己、独自向前。一个经验法则,是让新关卡或区域沿一条略微增长的曲线出现:每一关都比前一关稍长。游戏初期,玩家尚未在情绪上深度投入结果,这样会让他们感觉前进较快;接近末尾时,玩家可以忍受略长的转换间隔,尤其当叙事正在引向重大情节点。奇怪的是,这很大程度上只须改变关卡视觉设计便可实现——诚然,这已经从游戏设计跨入游戏美术。例如,玩家要穿越一座很长的地下城,可以添加元素,让各个区域感觉彼此不同;也许随着深入,墙壁颜色或纹理不断变化,从而使玩家感觉自己正在前进。
以故事推进奖励玩家通过情节发展产生的进程很值得分析,因为故事在许多方面与玩法相互分离:多数游戏里,当你处理战斗机制之类的问题时,知道人物动机或彼此感情毫无意义。然而,在许多游戏中——最初仅限 RPG,如今各种类型都开始整合故事——故事推进确实成了奖励循环的一部分。
此外,故事本身也有某种“难度”,我们称之为“戏剧张力”。所以,在故事型游戏中,还要考虑故事的戏剧张力是否与游戏整体难度良好重合。许多作品没有做到:故事高潮位于结尾,最难的游戏段落却在中途某处;此后玩家找到一件超级强力武器,让余下内容变得轻而易举。一般而言,你希望故事张力随难度曲线上升,在最困难处出现戏剧高潮——“高潮”的复数该怎么说来着?——依此类推。这样,借助游戏平衡与数学,故事会感觉与机制结合得更加紧密。说“运用数学可以得到更好的故事”,听起来真的很奇怪,但事实就是如此。(另一种办法,大概是强迫编剧把戏剧段落移到其他位置,以配合游戏难度曲线;不过实践中,我认为改几个数字比改故事容易。)
把各类奖励合并成统一奖励时程请注意,奖励就是奖励。因此,不应只在每一类别内部各自拉开奖励,还要让不同类别彼此交错。换言之,不必制造太多重叠,让关卡转换、情节推进与力量提升同时发生。
关卡转换是固定的,所以通常会看到力量奖励散落在每个关卡内,充当转换之间的奖励。奇怪的是,实践中大量情节发展往往与关卡转换同时发生,这可能错失了机会。有些游戏会利用关卡中间本来平淡无趣的区域补充背景故事……但危险在于,玩家可能觉得自己只是四处行走探索,奖励却毫无缘由地落了下来。这种情况下,我常见的设计模式是折中:把情节推进安排在某场战斗之后立刻触发。即使战斗相对容易,只要它是脚本安排的,随后揭示更多故事,也会让玩家觉得奖励是自己挣来的。
PvP 中的挑战水平如果说 PvE 关注进程与奖励,PvP 关注的就是相对于对手的收益与损失。目标直接或间接都是取得足以获胜的力量;玩家之间会形成某种拉锯,每个人都想率先达到目标。再次提醒,在进程语境中,我所说的“力量”是玩家游戏局面中一切要素之和:包括场上有更多棋子或卡牌、更多资源、更优棋盘位置、取得更多回合或行动,乃至真正任何会影响玩家处境的因素——唯独不包括玩家游玩游戏的技巧水平。游戏的胜利条件有时是直接达到某个力量水平;有时则间接表现为胜利点等抽象条件,而玩家的游戏力量只是使其能够取得这些胜利点。某些游戏里,玩家不是获得力量,而是失去力量,目标是让对手先耗尽。无论如何,取得相对于对手的力量通常都是玩家的重要目标。
在游戏进程中追踪玩家力量——实时游戏里观察力量怎样随时间变化,回合制游戏里观察它每回合怎样变化——在 PvP 中可能遵循许多不同模式。PvE 几乎总会让玩家绝对力量随时间提高,即使相对于周围挑战的力量可能根据游戏而升降。PvP 可操作的选择更多,因为一切都相对于对手,而不是拿某条“必须至少达到这个水平才能获胜”的绝对标尺比较。
正和、负和与零和游戏现在很适合讨论力量进程中的一项重要区别,它借自博弈论:游戏究竟是零和、正和,还是负和。如果以前没听过这些术语:
  • 正和意味着游戏里的总力量随时间增长。*《卡坦岛》就是正和游戏:每次投骰都会为玩家生成资源,所有玩家可以同时变强,无须任何对手失去力量。《大富翁》也是正和游戏,因为平均每绕棋盘一圈,玩家都会得到 200 美元,而且钱来自银行,不是其他玩家。棋盘上确实有少数会从游戏中移除财富、因而属于负和的格子——所得税、奢侈税、部分机会与公益金卡、赎回抵押地产,有时还有监狱——但平均而言*,这些损失之和低于 200 美元,因此随着时间推移,新增财富平均多于被移除的财富。有些玩家采用自订规则,让免费停车或恰好落在起点产生头奖,使游戏变得更加正和。落在其他玩家地产上,可能会向他们支付大量金钱;但这项活动本身是零和的——一名玩家失去多少,另一名就恰好得到多少。这有助于解释为什么多数人觉得*《大富翁》*仿佛永远玩不完:它是一款正和游戏,玩家平均财富随时间增长,目标却是让对手破产,而这只能通过零和手段做到。多数人采用的自订规则又进一步强化了正和性质,使问题更加严重!
  • 零和意味着游戏中的力量总和为常数,玩家既不能创造,也不能摧毁它。换句话说,我取得力量的唯一方式是从另一名玩家手里夺走;我得到的数量恰好等于对方失去的数量。扑克就是零和游戏,因为赢钱的唯一方法是从其他玩家手中取得,而且你赢的总额恰好等于其他所有人输掉的总额。(如果在赌场或线上游玩,庄家会从每个底池中抽成,那么对玩家而言,它实际会变成负和游戏。)
  • 负和意味着随着时间推移,玩家失去的力量多于取得的力量;玩家行动会从游戏中移除力量,却不加以补充。国际象棋是很好的负和游戏例子:一般而言,你的兵力会随时间越来越少。吃掉对手棋子不会把它交给你,而是将其移出棋盘。国际象棋没有“吃掉敌方棋子后获得该棋子”的零和元素——尽管与之相关的将棋正是这样运作,因此拥有极为不同的游玩动态。国际象棋确实有一种正和元素:兵升变;但通常只在残局罕见发生,其重要作用是加入正反馈循环,使游戏走向结束……我马上会谈到。
这里有一项有趣性质:无论力量变化属于零和、正和还是负和,它们都是 PvP 游戏的主要奖励。玩家因为取得了相对于对手的力量而感到受奖;一次特别出色的行动后,他们觉得自己的获胜机会提高了。
正反馈与负反馈循环这里还应该提到正、负反馈循环怎样融入上述框架,因为零和、正和或负和游戏都可以采用任意一种反馈循环,只是运作方式不同。如果不熟悉这些术语:“正反馈循环”意味着,获得一份力量奖励会让你更有可能获得更多;也就是说,它奖励表现好,惩罚表现差。“负反馈循环”则相反:得到力量奖励以后,继续获得的概率反而下降,所以它惩罚表现好、奖励表现差。我在去年夏季课程中相当详细地讨论过这些内容,这里不再重复。
反馈循环的一项有趣性质,在于它们怎样影响玩家力量曲线。采用负反馈时,一名玩家的力量曲线通常取决于对手力量:落后时增长更多,领先时下降更多。因此,同一名玩家的力量曲线会随自己相对于对手的表现而大不相同,每局看起来都不一样。
采用正反馈时,曲线往往会随时间更急剧地上升或下降,终局摆动幅度更大。与负反馈不同,正反馈曲线不一定考虑对手处境;它可以只奖励玩家的绝对力量。
当然,这些不是死板规则。负反馈循环可以是绝对的,基本效果是强迫所有人在抵达终局附近时减速;正反馈循环也可以是相对的,让处于领先的玩家继续取得力量。不过,如果理解反馈循环在游戏设计中承担的目的,就会明白为什么正反馈通常独立于对手,负反馈通常依赖对手。
反馈循环在游戏设计中的目的正反馈的主要目的是让游戏迅速结束。一旦胜者已经决定,某名玩家领先太多,就不应该继续拖延,因为那是在浪费所有人的时间。因此,终局中应让全体玩家都处在加速曲线上。究竟领先并不重要;目标是让游戏结束,而只要每个人都获得更多力量,它就会更快结束。
相比之下,负反馈的主要目的是让落后者赶上,避免任何人觉得自己处于绝不可能获胜的局面。如果终局中每个人都按完全相同的方式减速,这一目的就无法实现:开局时落后的人,结尾仍可能落后;差距虽然看似缩小,但他与其他人一样被减速。要真正允许落后者赶上,游戏必须能区分谁落后、谁领先。
力量曲线那么,PvP 游戏中玩家的力量曲线是什么样?力量随时间获得或损失,可能呈现以下几种模式:
  • 在典型正和游戏中,每名玩家都以某种方式随时间取得力量。曲线可以递增、线性,也可以递减。
  • 在含正反馈的正和游戏里,玩家不断取得力量;力量越多,增长能力也越强,所以每个人的曲线都会递增——例如随时间呈三角形或指数增长。若用一名玩家的曲线减去另一名的曲线,就能看出谁领先、谁落后,以及领先地位多常易手;通常,一名玩家会早早领先,随后一路驾驭曲线直达胜利,除非中途犯错。对没有领先的玩家而言,这种游戏通常不太有趣。
  • 在含负反馈的正和游戏里,玩家仍处于递增曲线,但曲线会受其他玩家的位置改变:领先者收益减少,落后者收益进一步增加。同时查看所有玩家的力量曲线,会看到一股纠缠的辫子,玩家不断彼此超越。用一名玩家的力量减去另一名随时间变化的力量,会看到相对力量来回摆动;几乎所有负反馈都应该这样运作。
  • 在典型零和游戏中,玩家彼此夺取力量,全体玩家的力量总和保持不变。两人游戏里,只须观察其中一人的力量曲线,就能推导另一人的曲线。
  • 在含正反馈的零和游戏里,一名玩家可能先取得优势,再借此扩大优势,迅速夺走对手全部力量,让游戏很快结束。属于此类的游戏,通常还内置某种前期负反馈,以免游戏过早结束——除非作品本来就非常短。
  • 在含负反馈的零和游戏里,力量会来回摆动,把领先者拉回中央。这能让玩家保持接近,却也使任何一人都很难真正获胜;负反馈过强时,很容易陷入无人能赢的僵局,通常令人不满。特别对零和游戏而言,一种典型设计模式是:前期使用很强的负反馈,随后逐步减弱;与此同时,正反馈在接近结尾时越来越强。这样可以形成激动人心的来回拉锯:每名玩家都曾领先一阵,最后由一次壮观、不可逆转的胜利收束游戏。
  • 在典型负和游戏中,目标通常不是积累足够力量来获胜,而是相对于对手损失最少的力量。负和游戏往往在玩家失去大部分或全部力量时淘汰他;目标可以是最后一个被淘汰,也可以是在第一个对手出局时处境最佳。玩家力量曲线可能递增、递减或恒定,有点像正和游戏的反面;几乎所有其他内容,都像把正和游戏上下翻转。
  • 在含正反馈的负和游戏里,正在失败的玩家会更快失败。玩家剩余力量越多,通常损失得越慢;但一旦开始滑向湮灭,下降就会越来越快。
  • 在含负反馈的负和游戏里,正在失败的玩家损失得较慢,力量更多的玩家则往往损失得更快;于是又会出现“辫子”形状,玩家彼此追逐着向下移动,直到开始崩溃。
应用力量曲线也许你已经能想象理论上的力量曲线,显示玩家力量怎样随时间升降……但怎样为一款真实游戏制作曲线?
最容易的方法是使用试玩数据。原始数字很容易让你绘出图表;最难的是为游戏里的“力量”找到某种数值公式,表示玩家以绝对值衡量究竟表现多好。某些游戏比另一些容易。在 HeroClixWarhammer 40K 等微缩模型游戏里,你控制的每个模型都值一定点数,所以任一回合把点数相加,就能粗略判断各名玩家的位置。在*《星际争霸》等即时战略游戏里,把玩家当前资源与所有单位、建筑的资源成本相加,也能合理近似其随时间变化的力量。对于国际象棋*这样必须综合玩家剩余棋子、棋盘位置与先手节奏的游戏,事情就更难一些。但只要建立“力量公式”,便可在反复试玩中持续追踪全体玩家的数值,观察出现哪些模式。
结束游戏这样做时,一个极为重要的观察对象,是达到某个节点所需的时间。你要调整游戏规模,让它大致在自己希望的时间结束。
最明显的方法是硬性限制时间或回合数,从而保证特定游戏时长——“本游戏四回合后结束”。有时这既有必要,也能产生吸引力;但许多时候,它只是懒惰的设计方案,仿佛在说:“我们没有充分试玩,不知道如果真正玩到令人满意的结局,究竟需要多长时间。”
另一种方法是平衡进程机制,让游戏在期望范围内结束。可以改变作品的正和或负和性质——即全体玩家合计力量的基础增减速度——也可以添加、移除、强化或削弱反馈循环。只要收集到分析所需的全部数字,这部分相当直接。例如,强化已有的正反馈循环,大概会让游戏更早结束,所以这是缩短时长的一种办法。
游戏阶段需要指出,有些 PvP 游戏在不同阶段之间存在清晰转换。最常见的是三阶段结构:开局、中局与残局;国际象棋使其广为人知,甚至有许多整本书只讨论其中一个阶段。如果意识到这些转换——或者明确把它们设计进游戏——就不该只注意玩家力量曲线在整局中的形状,还要观察它在每个阶段怎样变化,以及各阶段的相对长度
例如,游戏原型中常见一个发现:残局不太有趣,大部分时间只是机械地走完流程,抵达中局时其实已经确定的结论。要修复它,可以考虑加入只在残局生效的新机制,使其更有趣;也可以在不同阶段调整反馈循环与正和、负和或零和性质,以延长中局或缩短残局。
另一种常见设计问题,是游戏进入中局、玩家发展起来以后很棒,但开局感觉启动太慢。一种修复方法,是暂时让开局具有正和性质,使玩家迅速取得力量、进入中局。
有些游戏明确把阶段划分写进核心设计。桌游 Shear Panic 就是一例:计分轨道分成四个区域,每一区域都会改变计分规则,使游戏四个阶段各有截然不同的感觉。游戏根据已经进行的回合数切换阶段,所以每个阶段的长度取决于各名玩家已经行动多少回合。在这种游戏里,只须延长某个阶段、让它持续更多回合,就能轻易改变停留时间。
另一些游戏的阶段转换没有那么锋利,可能并不立即明显,也不是明确设计出来的。国际象棋*是前面提过的一例,*Netrunner 则是另一例。这是一款非对称 CCG:一名玩家扮演公司,尝试把牌放进场,再花费行动取得牌上的分数;另一名玩家扮演潜袭者,试图赶在计分前偷走这些分数。游戏发售后,锦标赛级玩家意识到,多数对局会经历三个清晰阶段:开局,潜袭者相对安全,可以尽量偷取内容;随后进入中局,公司建立防御,使潜袭者暂时必须付出高得难以承受的代价,才能偷到任何东西;最后是残局,潜袭者凑齐足够资源,突破公司防御,偷取获胜所需的剩余分数。如此看来,公司想尽早进入第二阶段,并尽可能延长它;潜袭者则希望尽可能停留在第一阶段,若未能早早获胜,就要赶在公司取得足够分数前,从第二阶段转入残局。
怎样平衡这类游戏的进程机制?一种办法正如 Netrunner 所做:把进程置于玩家的部分控制之下,让全体玩家共同尝试推动或拖住游戏,由此产生有趣的元层策略张力。
另一种办法是加入某些能以某种方式检测当前阶段的机制;至少,也可以让它们在某些阶段远比另一些更好用。Netrunner 同样这样做。例如,潜袭者拥有一些非常昂贵的攻击牌;前期资源不多时用途有限,最终阶段却对结束游戏帮助极大。玩家在各阶段采用新策略,会让游戏感觉明显不同,并在进程中产生新的动态。当然,还可以专门使用其中一些机制,调整每个阶段的长度,使游戏按期望速度推进。Netrunner 中,公司可以迅速架起一些廉价防御,以尽快转入中局;也可以使用更昂贵的防御,筑起一道潜袭者必须跨越的高门槛,才能进入残局。只要调整各阶段彼此之间的相对长度与各自绝对长度,就能确保游戏整体时长合意,各阶段的相对持续时间也恰当。
理想游戏时长以上一切都假定你知道整款游戏及每个阶段应持续多久,但该怎样知道?部分取决于目标受众:幼童需要短游戏来配合注意力时长;工作繁忙的成年人希望游戏可以切成短小片段来玩。除此之外,我认为主要取决于技巧的程度与深度:更依赖运气、更休闲的游戏往往较短,策略较深的游戏则可以稍长。还要考虑,玩家在什么节点会领先到基本已经获胜;你希望这个时刻几乎恰好与游戏真正结束重合,避免拖延。
对于 MMO 或 Facebook 游戏等永不结束的作品,可以把后期游戏视为最后一个无限长的“阶段”,再改变前面成长部分的长度,让转换大约在期望时刻发生。具体时长取决于你想在多大程度上支持成长玩法与后期玩法。例如,若两者差异很大,玩家进入后期时会出现大量“流失”——也就是许多玩家离开游戏——而你又采用订阅模式,希望玩家尽可能长久保留账户,大概就要做两件事:改善通往后期的过渡,减少流失;并想办法延长前期,例如推出提高等级上限的扩展包,或允许玩家用不同种族/职业组合创建多个角色,多次体验成长游戏。
另一个有趣情形是剧情型 RPG,其中故事往往比游戏机制更长。主机 RPG 里经常看到这种情况:包装盒正面写着“100 小时游戏内容”。表面上,这仿佛意味着游戏交付了更多价值;可如果其中 95 小时只是在重复陈旧机制、无脑刷取,游戏真正做的不过是浪费你的时间。理想情况下,玩家在任一时刻都应同时感觉自己正在学习新机制、推动故事;你不希望玩法拖沓,就像不希望填充情节让故事本身显得拖沓一样。这类游戏很难设计,因为时长必须同时匹配故事玩法;通常就意味着延长故事或增加玩法,两者开发成本都很高。(当然,也可以缩短故事或削弱玩法深度;但当情节真的才华横溢、机制真的灵感迸发时,很难只为省几块钱就把它从游戏中撕掉。此外,在这个特定领域,消费者往往期待游戏相当漫长,才有“史诗”感觉,所以人们通常只会继续给一边或另一边增加内容。)
再论心流理论说完这些,回到心流。本文开头说过,这里有两个问题需要解决。一个是玩家技巧会在整个游戏中提高,使其从心流状态滑向无聊。这主要发生在较长的 PvE 游戏里,因为玩家有足够时间和经验,真正变得更加熟练。
正如讨论 PvE 时所见,解决办法是让游戏在游玩过程中提高难度,从而作出补偿、使挑战感得以维持。这正是设计师谈到游戏“节奏”时所指的核心。在 PvP 中,多数情况下我们希望更强玩家获胜,所以它不太被视为问题。不过,如果希望技巧较弱者仍有机会,也希望高手依然受到挑战,可以实施负反馈循环并加入随机性,为落后玩家提供额外优势。
我还提过另一个心流问题:你只能按某一个难度设计游戏,但玩家带着不同的初始技巧水平进入,对一人容易的东西,对另一人可能很难。
在 PvE 中,正如你大概猜到的,事实标准是设置一系列难度级别;更高难度赋予 AI 力量型奖励,或减少给予玩家的力量型奖励,因为这样设计和实现相对廉价、容易。不过,这里有两项警告:
  • 如果一直使用同一批试玩者,他们会成为游戏专家,从而无法准确判断“简单模式”的真实难度。简单就应该意味着简单;宁可把它做得太容易,也不要难到有些玩家觉得自己根本玩不了。最佳办法是在整个开发试玩阶段持续引入新试玩者——有时称作“纸巾试玩者”,因为只用一次就扔掉。若无法找到这么多人,至少留几位到开发最末期,用于调整“简单”难度。
  • 要从一开始就谨慎设定玩家对高难度的预期,尤其当 AI 真的会作弊时。如果游戏表面上伪装成公平对手,仿佛只是技巧更高所以难度提高;玩家却发现它实际在偷看本应隐藏的信息,便会感到受挫。如果明确告诉玩家 AI 会作弊,而玩家仍主动选择该难度,受伤感就会减少:玩家预期面对一场不公平挑战,整个目标恰恰是仍然击败它。有时,只须给最高难度取一个有创意的名字,例如“疯狂”,就能做到。
当然,还有其他方法应对玩家技巧差异。更高难度可以真正提高游戏的技巧型挑战,而不是力量型挑战。正如前面说过的,赋予敌人更高级 AI 成本高昂,但若实现得当,效果会非常惊艳。在某些游戏里,一种更便宜的办法是修改关卡设计,封闭较容易的替代路线;高难度下,强迫玩家沿更难的道路抵达同一终点。
还有动态难度调整(DDA):它是一种特殊负反馈循环,游戏尝试判断玩家表现,再实时调整难度。像所有负反馈循环一样,使用时必须非常谨慎,因为它确实会惩罚表现好的玩家;若没有事先建立预期,有些玩家不会接受。
另一种办法是折中:动态判断玩家表现,却让难度变化受玩家控制。和 DDA 一样,先尝试弄清玩家表现……但随后给玩家*手动改变难度的选择。游戏 *flOw 就是一例:玩家几乎随时都能根据对自身技巧的信心,前往下一层更难区域,或返回上一层更易区域。另一个例子是*《战神》——大概还有其他游戏也这样做:如果在一个关卡死得足够多,读档画面会提出降低难度的选择。(有些玩家也许觉得这居高临下;不过另一方面,如果他们再次死亡,也就没有借口了。)*Sid Meier’s Pirates 则会在玩家成功完成任务、返回港口时,允许其提高难度,并且真的提供诱因:未来任务若成功,可以分到更高比例的战利品。
PvP 中的对应机制是让分系统。技巧较低的玩家可以用更多初始力量开局,或在过程中获得更多力量作为补偿。多数情况下,这应该由玩家自愿选择,因为参加 PvP 竞赛的人通常预期游戏默认公平。
案例研究说完这些,来看几个例子,了解怎样把它应用于实际游戏分析。
《太空侵略者》(以及其他复古街机游戏)这款游戏一波又一波地向你呈现相同的技巧型挑战,再通过让外星人移动、射击得更快,起始位置更低,逐步提高挑战。玩家完全无法在游戏中获得力量:开局三条命,仅此而已,没有强化道具。另一方面,从某种意义上说,游戏里也没有真正失去力量:无论只剩一条命,还是三条全在,你的攻防能力都相同。玩家目标不是获胜,而是在不断增长的挑战曲线压倒自己以前,尽可能长久地生存。有趣的是,挑战曲线在每一波内部也会变化。开始时外星人很多、移动缓慢,很容易命中目标;之后目标变少、速度加快,游戏挑战提升。当然,只要它们抵达地面,你就会失去全部生命,所以这构成真正威胁。随后下一波开始,比前一波稍难,但初始难度仍然会降低。(你也许以为这里还有一种取舍:外星人变少,朝你发射的火力也应减少;但我认为原作中的总体射速恒定,只是分布方式改变,所以每一轮推进时,这点其实变化不大。)
国际象棋(以及其他小队型战争游戏)如果必须给国际象棋归类,没错,我会称它为小队型战争游戏……这有点奇怪,因为我们通常把棋子看作整支军队,而非小队。我的意思是:开局时你拥有一支固定兵力,通常得不到增援,也没有更详细的军队级游戏里常见的资源、生产、补给或后勤机制。
我们面对的是一款带有温和正反馈循环的负和游戏:其他条件相同时,如果棋子数量领先,兑子通常对你有利;进入残局后,若优势足够大,某些局面基本可以自动取胜。对落后玩家来说,这可能很打击士气;两名玩家技巧差距极大时尤其如此,因为弱者往往从早期开始落后,随着游戏继续,只会输得越来越多。
之所以仍能成立,是因为技巧相近的两名玩家对局时,双方会用棋子交换棋盘控制或先手节奏,局面往往确实来回摆动。看起来正在落后的玩家,在残局以前仍有不少扭转机会。势均力敌的对手兑子时,力量会按发挥呈现不规则速度下降;若水平接近,结局会一直悬而未决到残局——如果两人真的无比匹配,甚至会出现和棋。
《卡坦岛》(以及其他基于进程的桌游)这是一款以取得力量作为进程的游戏,因此属于正和。玩家真正失去进展的情形非常有限;多数时候,建造完成以后,所得收益永久存在。*《卡坦岛》*包含很强的正反馈循环:建造更多聚落和城市,会带来更多资源,使你能够继续建造,而建造正是主要胜利条件。乍看之下,这意味着前期率先取得优势的玩家会自动获胜;如果玩家不能彼此交易,几乎必然如此。自由交易能力平衡了这一面,因为交易可以令参与双方互相受益。落后玩家如果彼此公平交易,并完全拒绝与领先者交易——或者只接受高得离谱的交换比例——就能相当快地追上。如果一定要批评这款游戏,我会说,前期快速进程不多,因为玩家尚未生产太多资源;事实上,该系列的其他游戏会给玩家额外初始资源来修复这一问题。
《马力欧卡丁车》(以及其他竞速游戏)竞速游戏很有意思,因为玩家始终朝终点线这一目标前进。大多数竞速电子游戏都含有很强的负反馈循环,使每个人直到结尾都觉得自己仍有机会。通常,它采用某种“橡皮筋”技术,让电脑控制的赛车根据玩家表现加速或减速。*《马力欧卡丁车》等游戏更进一步,对拾取物进行加权:落后时更可能得到帮助追赶的物品;领先时则得到价值较低的东西,使守住第一更困难。一方面,这带来有趣张力:领先玩家知道自己只须再保持领先一小会儿*;落后玩家则意识到时间所剩无几,必须迅速缩小差距。另一方面,大多数竞速游戏实现它的方式令许多玩家感觉做作,因为比赛名次似乎总被不受自己控制的因素修改。游戏长度基本由圈数封顶,玩家尝试在比赛结束前交换位置,于是形成一条有趣的进程曲线:所有人都以大致相同速度向终点前进。
请注意,这其实与*《卡坦岛》采用相同进程模式:两款都是含负反馈的正和游戏。然而,玩家体验却截然不同。我认为,主要原因是《卡坦岛》的负反馈由玩家控制,而《马力欧卡丁车》*有很大一部分由计算机控制。
有趣的是,现实中的量产车赛车同样遵循这种模式。汽车赛也存在负反馈循环,而且感觉公平得多:领先者要迎面承受大量空气阻力,为保持高速消耗更多燃料,因此需要更多次进站;紧随其后利用尾流的赛车燃油效率高得多,日后可以夺取领先。这并非武断规则,而是一项同等影响所有车手的机制;是否脱离车群、承担多大风险,由每名车手自己决定。因此,这又是一种感觉更公平的情形,因为负反馈受玩家控制。
《最终幻想》(以及其他电脑/主机 RPG)这类游戏中,玩家主要通过提高力量水平而非技巧水平来推进。NES 等早期主机上的旧作,比今天的游戏更依赖属性、更少依赖技巧——也就是说,它们要求的刷取量远超今日玩家所能忍受。如今多数作品会随着经验等级提高,为玩家提供更多能力,增加选择,使其战术与策略技巧得以发展。进程与奖励也来自情节发展和抵达新区域。通常,这类游戏按一条略微上扬的曲线安排节奏,每个区域都比上一个稍长。正如早些时候讨论的,系统一般有正反馈循环:赢得足够多战斗就能升级,升级又让你更容易赢得更多战斗;同时又有负反馈抵消——敌人也会变强,如果在同一区域停留太久,再次升级需要越来越多胜利——所以实际增益接近线性。
《魔兽世界》(以及其他 MMORPG)大型多人在线游戏的进程与电脑 RPG 高度相似,只是在结尾会转入后期游戏状态;到那时,“进程”概念便失去很多意义。因此,在抵达该节点以前,我们的分析与传统电脑 RPG 基本相同。
NetHack(以及其他 Roguelike)有所谓的“Roguelike”游戏,仿佛一种奇怪融合:一边是 RPG 的升级与属性型进程,另一边是复古街机的无情残酷。一次成功通关 NetHack 的过程与 RPG 相似:玩家获得力量,以应对不断提高的挑战;但真正达到足以通关的技巧水平,需要漫长得多的时间。如果从未玩过这类游戏,有一件事必须知道:只要犯下一点点错误,多数作品都毫不介意把你彻底杀死。我说“死”,是指它们真的会永久删除存档,迫使你用新角色从头开始。因此,像街机游戏一样,玩家目标是尽可能长久地活着、尽可能深入地前进;进展既是一种奖励,也是技巧的衡量。游戏确实有胜利条件,但许多玩家永远无法抵达。请记住,把角色从开头一路带到结尾,可能像现代 RPG 一样花上几十小时;可中间会出现大量彻底重启,而玩家在一次次死亡中逐渐提高技巧,并学习未来怎样避免以同一种方式死去。
所以,在单次游玩中,NetHack 看起来是玩家力量、力量型挑战与技巧型挑战一起上升;但从玩家整个游玩生涯看,则会看到反复增长被一次次彻底重启打断,底下还有一条缓慢上升的玩家技巧曲线,使其每局都比上局活得更久。
FarmVille(以及其他社交媒体游戏)如果说 Roguelike 是游戏设计世界里严酷的施虐狂,那么 FarmVille 等基于进程的“社交媒体”游戏,就是这个世界里可爱蓬松的小兔子。它们是正和游戏,玩家基本只须点击就能推进;几乎不可能失去任何进展,而且永远在获得东西。玩家技巧越高,只不过推进得越快。最终,游戏会转入后期状态;不过在我玩过的大多数作品里,这种转换比 MMO 更隐约。我所知的 FarmVille 没有等级上限——如果确实有,那也高得荒唐,多数人永远见不到。它很乐意让你继续赚经验、不断升级……只是到某个节点后,升级不再带来真正有趣的奖励。再过一阵,奖励循环开始越来越少地奖励你;丝带、奖杯、成就或其他东西也全都拿完。这不是说你无法继续推进,而是游戏不再像以前那样奖励进程。最终,玩家会认为继续成长不再值得,于是停止游戏,或开始采用不同玩法。若选择后者,后期游戏便由此开始。有趣的是,玩家在后期采取的行动仍会带来进展。
如果你目前正在制作游戏……如果你现在制作的游戏含有进程机制,请围绕其性质问自己几个设计问题:
  • 期望的游玩时长是多少?为什么?在这里认真挑战自己:你能为把游戏延长一倍或缩短一半找到合理理由吗?如果发行商或其他人无论如何都要求这样做,游戏性质还必须作出哪些改变来补偿?
  • 游戏实际真的能玩这么久吗?你怎么知道?
  • 如果游戏分成若干阶段、区域、地点或其他部分,它们各有多长?是否往往随时间越来越长?有没有某些远长于或短于紧邻前后部分的阶段?这是有意的吗?能够解释吗?
  • 游戏是正和、负和还是零和?任一阶段是否含有正反馈或负反馈循环?它们怎样影响总游玩时间?
作业回到第 2 周,“作业”要求分析一款游戏的进程机制。具体而言,你考察了玩家力量相对于游戏挑战力量随时间的进展,以识别薄弱点:要么玩家抵达某区域时过于强大,飞快通过;要么落后于曲线,只能卡在那里刷取、等待赶上。
现在,该运用我们对节奏的新认识,重新审视那份分析。本周,请分析游戏的奖励结构。考虑所有奖励:基于力量的奖励、关卡进展、情节发展,以及能在目标游戏中识别出的任何其他类型。
  • 哪些奖励真正随机——例如随机战利品掉落?哪些只在玩家首次通关时显得随机——关卡设计师把它们放在固定位置,但玩家无法预先知道自己多快会找到?是否还有任何奖励按照玩家已知的固定时程发生?
  • 奖励多常出现?开头是否更频繁?有没有玩家会长时间几乎得不到奖励的区段?某些类别的奖励是否比另一些更常出现,或者集中在特定时刻?
最后,再回头查看最初的预测:根据直觉与记忆,你曾觉得游戏在某些节点推进得太快,或更可能觉得它永远拖个没完。这些节点是否与奖励更多或更少的位置重合?再问自己:问题是否只须在某个地方增加一项新强化,而不必修正升级或进程曲线,就能解决?
回复

使用道具 举报

     
 楼主| 发表于 2026-9-4 09:44 | 显示全部楼层
本帖最后由 marquez 于 2026-9-4 09:49 编辑

第 8 关:指标与统计
发布日期:2010-08-25
阅读英文原文
阅读与游戏材料补充阅读材料请见本文末尾的“更多资源”。
本周内容我热爱游戏平衡的原因之一,是平衡的不同方面会触及游戏开发中的其他所有领域。讨论伪随机数时,我们已经危险地靠近了编程;上周则看到,关卡视觉设计可以充当游戏奖励,也能向玩家表达进展——那仍属于游戏设计,却已紧贴美术边界。本周,我们将径直走到游戏设计与商业交汇的界线。
本周讨论两个主题:统计与指标。不熟悉这些词的人只须知道,“指标”就是测量,也就是实际测量或追踪游戏的某些方面。排行榜与最高分榜大概是最广为人知的指标,因为它们直接展示给玩家;但我们还可以在幕后使用许多指标,帮助自己更好地设计游戏。收集大量指标、完成这些测量以后,数据本身不会自动做任何事;必须真正查看、分析它们,才能学到东西。“统计”只是我们用来从指标中取得有用信息的一组工具。虽然实际流程是先收集指标,再用统计分析,但这里会谈统计,因为在决定捕捉什么数据以前,知道工具怎样工作很有用。
统计从未接触统计的人会以为它是一门精确科学。它是数学,数学纯粹,因此你理应始终得到全部正确答案。现实要混乱得多。你会看到,游戏设计师与统计学家对统计核心原则的分歧,甚至比他们对系统设计核心原则的分歧还大——如果这种事真有可能的话。
什么是统计?它与概率有何不同?在概率问题里,你得到一组随机事物,并确切知道它们随机到什么程度、随机性具有怎样的性质;目标是预测这些随机事物真正运转起来后,数据会呈现什么样子。统计正好有点相反:数据预先摆在面前,而你试图找出产生这些数据的随机性具有怎样的性质。
概率与统计有一项重要共同点:两者都无法保证结论。概率能告诉你,一枚 d6 掷出某个给定数字的机会是 1/6,却不能告诉你真正投下骰子时会出现哪个数字。同样,统计可以根据大量投骰告诉你,结果很可能服从均匀分布,而且你有 95% 把握;但仍有 5% 的概率判断错误。这份可能永远不会降到零。
统计工具这不是统计分析研究生课程,所以我只想说明,还有大量工具超出本课程范围。下面列出的,只是我认为每名游戏设计师在分析游戏指标时,至少应该掌握的最低限度知识。
**均值(Mean):*当有人询问某个东西的“平均数”,他大概指的是算术平均值*——据我所知,平均数至少还有两种,大概还有一些我不知道的。要计算一组值的均值,先把它们全部相加,再除以数值数量。这有点像概率中的“期望值”,只是依据现实投骰,而不是理论上平衡的一组投骰来计算。均值极其有用;它会告诉你,游戏中某项内容的期望值大致落在哪里。也可以把均值视为一次期望值的蒙特卡洛计算,只是使用真实试玩数据,而非计算机模拟。
**中位数(Median):*这是另一种平均数。计算时,把所有值从小到大排序,再取正中央的一项。所以,若有五个值,第三个就是中位数。(如果数值总数为偶数,中间有两个*而非一个,那么应该取二者均值——万一你好奇。)中位数单独看用处不算大,但与均值比较时,可以揭示数值是否都偏向一侧,还是基本对称。例如,美国住户收入中位数远低于均值,这基本说明有很多人收入不高,少数人收入高得荒唐,把均值向上拉。在一个班级里,如果中位数低于均值,说明多数学生学得很吃力,一两个天才破坏了曲线——不过更常见的是反过来:多数学生聚集在 75 或 80 分附近,却有个懒孩子拿了零分,大幅拉低均值。如果游戏设有某种计分榜,而中位数远低于均值,大概意味着有极少数玩家强得离谱,打出巨大分数;其余凡人则更接近中位数。
**标准差(Standard deviation):**这个词恰好足够极客,在日常交谈中说出来,会显得你很擅长数学。计算方法是:对每个数据点减去均值,把结果平方——也就是乘以自身——把所有平方相加,再除以数据点总数,最后对整体开平方。出于一些你并不真正需要知道的原因,这个过程会得到一个代表数据分散程度的数字。基本上,约三分之二的数据位于均值上下一个标准差以内,几乎全部数据位于两个标准差以内;所以标准差大小必须相对于均值大小来看。均值 50、标准差 25 的数据,看起来远比均值 5,000、标准差 25 分散。相对较大的标准差说明数据四处散落;极小的标准差则说明数据紧密聚集。
示例来看两个随机变量:2d6 与 1d11+1。正如概率那周讨论过的,两者都会给出 2 到 12 之间的数字;但性质非常不同:2d6 聚集在中央,1d11+1 则均匀散布在所有结果上。统计本身对此无话可说,不过假定我恰好把 2d6 掷了 36 次,每一种组合各出现一次;又把 1d11 掷了 11 次,每种结果各出现一次——这极不可能,却能让我们使用统计工具分析概率。
两者的均值都是 7,所以如果要在游戏里平衡任一数值,可以把 7 当作期望值。范围又怎样?中位数同样都是 7,意味着高于和低于均值的机会相同;这很合理,因为二者都对称。然而,标准差差异很大:2d6 的标准差约为 2.5,意味着多数时候会得到 5 到 9 之间的结果;1d11+1 的标准差约为 3.5,因此在 4 到 10 范围内出现的投骰,大约与 2d6 在 5 到 9 范围内一样多。听起来似乎差别不大,直到你真正开始投掷。
换个例子。也许你正在测量试玩者通过所设计电子游戏第一个教程关所需的时间,目标是约 5 分钟。测得均值 5 分钟、中位数 6 分钟、标准差 2 分钟。这说明什么?多数人需要 3 到 7 分钟;究竟好坏,取决于关卡中有多少内容受玩家控制。不过,许多游戏希望教程提供高度标准化的线性体验,所以这其实像是一个相当大的范围。另一个令人担忧之处是偏高的中位数,它表明多数人实际要花超过 5 分钟;只是有少数人非常快地通过关卡,拉低了均值。好消息是,没有人花四小时才完成——否则均值就会远高于中位数!坏消息则是,一些玩家也许发现了意外捷径或漏洞;或者他们直接跳过全部开场对白,结果会在第 2 关卡住、感到挫败;也可能另有原因。
这提示了另一项教训:统计能告诉我们某件事正在发生,却不能告诉我们为什么;而且“为什么”有时存在多种解释。统计经常在这里被误用,甚至直接遭到滥用:人们为数字找到一种合乎逻辑的解释,就忽略还可能存在其他解释。在这个例子里,我们无法知道中位数为什么短于均值,或者这对游戏设计意味着什么——[译者注:原文如此;按上一段给出的数字,中位数 6 分钟其实长于均值 5 分钟。] 但我们可以花时间想出全部可能答案,再收集更多数据来区分它们。例如,如果担心玩家跳过开场对白,就可以在总关卡时长之外,另外测量阅读对白所花的时间。今天稍后还会回到指标设计概念。
这里还有第三项教训:我没有告诉你,为取得这些数据究竟用了多少名试玩者!测试越多,最终分析越准确。如果只有三次测试,那么想用这些数字预测一般趋势,几乎毫无意义;如果有几千次,就好得多。(要多少次测试才能确保分析足够好?取决于你怎样定义“足够好”。数据越多,信心越高;但无论测试多少次,都永远达不到 100%。以此为业的人会使用“置信区间”,给出一段数值范围,再说类似“有 95% 把握,现实中的真实均值位于某某范围内”的话。这比我们多数人的日常设计工作所需细节多得多。)
离群值一组数据中,若有少量点远远高于或低于均值,就称为离群值(outliers)——英语读起来像把 “out” 和 “liars” 连在一起。它们对均值的扭曲往往远大于对中位数的影响,所以看到均值与中位数差异很大,多半是因为存在离群值。
进行统计分析时,你也许会疑惑怎样处理离群值:纳入?忽略?还是单独分组?和多数问题一样,视情况而定。
如果只想寻找正常、常见的游玩模式,通常最好丢弃离群值,因为按定义,它们并非来自正常游玩。如果研究边缘情况,就应该保留并密切关注。例如,若分析玩家分数是为了判断排行榜怎样显示,要意识到最高分榜会被顶端离群值支配。
无论哪种情况,只要出现离群值,通常都值得进一步调查,弄清发生了什么。回到关卡用时的例子:若多数玩家用 5—7 分钟完成教程,却有极少数只用 1—2 分钟,这说明他们可能发现了某种捷径或漏洞,你应该弄清原因。若多数人用 5—7 分钟,只有一个玩家用了 30 分钟,大概是因为他暂停游戏、临时离开,或者只顾在沙盒里玩得太开心,不在乎进入下一关;若只有一人,可以忽略。但若有三四人——仍占极少数——都如此,就值得深入调查;也许少数玩家遇到了问题,或者他们觉得教程的某一面格外有趣,而这对设计其他关卡很有价值。
总体抽样下面是统计彻底出错的另一种方式:一切取决于你抽样的内容与人群。
我已经提过一个常见问题:样本不够大。数据点越多越好。举个例子:过去我经常玩*《万智牌》,有一次替朋友组了一副锦标赛牌组;那场比赛我参加不了,他却可以。为了判断地牌与咒语比例是否合适,我会洗牌、发起手,再模拟几回合,看看地是否够用;如此反复多次,翻过牌库大部分内容,再根据地太多或太少的次数移除或加入一些,然后重新洗牌再做。当时觉得,这是一种相当不错的快速粗略方法,可以判断需要多少地。但我恰好没有注意到,地牌实际分布得非常均匀、没有聚在一起,所以多数时候到最后看起来都还好……而我从未真正停下来数过。比赛结束后——朋友输得惨不忍睹*——他告诉我,自己一直抽不到足够的地。我们真正把牌库翻开清点,才发现 60 张里只有 16 张地!朋友狠狠数落了我一顿,而且完全应该。真正的问题是,我试图用统计方法分析地牌数量,样本却小得完全无法得出有意义的结论。
再举一例。假设正在制作面向休闲市场的游戏,让开发团队全员通关,取得每一关所需时间与挑战程度的基线数据。问题是:试玩者大概不是休闲玩家,所以样本并不能真正代表目标市场。我敢肯定,这在过去某个时候一定发生过。
来看一个较新的例子:据称,在 True Crime: Hong Kong 的开发中,发行商 Activision 要求开发者把主角从男性改成女性,因为焦点小组表示他们更喜欢男性主角。[译者注:原文前后矛盾;结合所链接报道的主题,可能本意为“从女性改成男性”。] 问题在于,焦点小组全部由男性组成;或者提问本身受到组织者的内在偏见影响,目的不是发现现实真相,而是刻意推进个人议程。Activision 当然否认这一切,但这没有阻止它成为大量行业讨论的主题——不仅涉及女性在游戏中的角色,也涉及怎样在游戏设计中使用焦点小组和统计。现实世界其他领域也能看到同类事情,尤其是政府政治:很多人都有个人议程,愿意扭曲研究、把统计当成证明自己观点的工具。
概括来说,收集试玩数据时,应该尽力招募与目标市场尽可能相似的试玩者,并开展尽可能多的测试,让随机噪声被过滤掉。分析的质量只能和数据一样好!
即使“诚实”使用统计,每名游戏设计师仍会遇到一些问题,具体取决于游戏类型。
  • 对电子游戏来说,你受制于程序员,毫无办法。你要求的指标需要由程序员花时间编码。编程时间永远有限,所以总有一天必须选择:让编程团队实现指标收集……还是让他们实现你设计的那些真正的游戏机制。而且这还假定制作人或发行商没有替你决定。不同公司难易不同;有些地方把“指标”与音频、本地化、试玩测试归为同类:统统拖到开发周期末尾,等到再也来不及发挥作用时才做。
  • 对桌面游戏来说,你受制于试玩者。当然,数据点越多越好。但现实中,电子游戏公司可以发布早期测试版,获得几百乃至几千次游玩;面对面测试桌游时,你能现实完成的次数也许只及其一小部分。样本较小,试玩数据就更加可疑。
  • 对任何游戏,都必须提前非常清楚需要测量什么,以及精细到何种程度。如果做完几百次试玩,才发现实际还需要从游戏状态中收集某项此前没有记录的数据,就必须把测试全部重做。唯一办法是认识到:和设计本身一样,带指标的试玩也是迭代过程,必须把迭代写进进度表。
  • 同样对任何游戏,都要记住:像概率计算一样,你很容易意外搞砸、得到错误答案。与概率不同的是,没有那么多合理性检查能让错误数字一眼显得错误,因为按定义,你并不总知道自己究竟在找什么,或预期答案是什么。因此必须谨慎推进,用能找到的一切办法独立核验数字。若提前设想分析可能产生哪些结果、它们会是什么样,也会有所帮助。
相关与因果最后,统计中最常见的错误之一,是注意到两个事物之间存在某种相关。“相关”只意味着,一件事上升时,另一件事似乎总会同时上升——正相关——或下降——负相关。识别相关很有用;但人们往往仅仅因为两者相关,就假定其中一个导致另一个,而这件事无法只靠统计判断。
来看一例。假设游玩*《波多黎各》*时,你注意到获胜与购买工厂建筑之间存在很强正相关:100 局中,有 95 局的胜者买过工厂。自然假设是,工厂必定强度过高,并导致玩家获胜。但若没有额外信息,就不能默认得出这个结论。仅依据这些数据,下面几种结论同样成立:
  • 也许因果关系反过来,是获胜导致玩家购买工厂。听起来很怪,但也许工厂能帮助已经领先的玩家;并不是工厂导致胜利,而是大幅领先出于某种原因促使玩家购买工厂。
  • 或者,某种其他因素同时导致玩家获胜并购买工厂。也许某项前期购买为玩家后来买工厂创造条件,而且那项前期购买本身也帮助玩家获胜;所以工厂只是症状,不是根因。
  • 或者,两者实际不相关,只是样本量还不足以让大数定律真正发挥作用。流行文化里一直会出现这种事:两个显然毫不相关的事物,偏偏被发现存在相关,例如华盛顿红皮队比赛结果预测下一届美国总统选举;一只章鱼预测世界杯冠军;或者土拨鼠看见自己的影子,据说就能预测冬季还会持续多久。研究概率时已经学过:只要观察大量随机事物,就会看到模式。一方面,可以预期出现看似低概率的连续结果;另一方面,只要拿出大量数据集,其中一些大概也会随机相关。若不相信,试着分别掷两枚骰子几次,再计算两组数字的相关性;我敢说结果不会恰好为零!
Excel 中的统计好消息是:虽然这里有很多数学公式,你实际不必知道任何一个。Excel 会替你计算,它已经内置全部公式。下面是几个有用函数:
  • AVERAGE:给定一段单元格区域,计算均值。也可以对单元格使用 SUM 再除以数量,但 AVERAGE 更容易。
  • MEDIAN:给定单元格区域,顾名思义,计算中位数。
  • STDEV:给定单元格区域,返回标准差。
  • CORREL:需要提供两个而非一个单元格区域,返回两组数据之间的相关性。例如,一列记录最终游戏分数,另一列记录第一回合结束时的分数,就能观察前期表现是否能够提示最终结果;如果可以,也许说明游戏某处存在正反馈循环。Excel 的 CORREL 函数返回 −1 到 +1 之间的数字:−1 表示完全负相关,0 表示无相关,+1 表示完全正相关。
有没有什么好消息?说到这里,我花了太多时间讨论统计怎样被误用,你也许开始怀疑,它究竟对任何事情有没有用。答案是:有。如果某个问题无法单靠直觉回答,也不能只用成本或进程曲线的数学解决,统计就能让你得出有用结论——前提是提出正确问题,并收集正确数据。
下面是一次统计真正帮助了我参与制作的游戏的例子。我曾供职于一家制作网络游戏的公司。由于已经有一阵没有发布更新,我们发现在线人口不断下降,玩家进行的游戏局数也在减少。(这一部分符合预期。根据我的经验,没有更新时,一款网络游戏的核心人口每六个月左右会流失约一半。)
但我们没有预料到的是,某天一位程序员闲得无聊,做了个问答机器人。它只是一小段脚本:用自己的玩家账户登录服务器,每隔几分钟发送一道知识问答题,再解析收到的公共聊天内容,看是否有人说出正确答案。虽然它滑稽、愚蠢而简单,却很受欢迎,因为这是一种极短、即时、休闲的体验。
于是,大问题来了:玩家人口发生了什么变化?玩家原本应该玩的那款真正游戏又怎样了?就是那款玩家本来会登录聊天室、寻找挑战对象,却在途中被问答机器人吸引走的游戏。
有些玩家喜欢问答机器人,它在两局之间给了他们事情做。另一些则恨透了它,声称现在更难找到对局,因为所有在线用户都忙着回答愚蠢问题,没人真正玩游戏。谁说得对?直觉失效,因为每个人的直觉都不同;倾听玩家也失效,因为玩家群体中声音响亮的少数分成两个极端,又无法调查那些不属于高声少数的人;数学同样失效,因为问答机器人甚至不属于游戏本身,更谈不上成本曲线。我们能用统计回答吗?当然可以,而且确实这样做了!
这个问题简单得几乎不需要多少分析。测量每日登录总次数,再测量真正进行的游戏总局数。服务器本来就会追踪每名玩家的登录、登出与游戏开始,因此数据已经存在;只须做非常简单的分析,追踪它们随时间怎样变化。正如预期,自上一个正式版本发布以来,所有数字都在逐渐下降;但问答机器人竟令登录总数游戏局数都出现显著增长。原来,玩家登录后会与问答机器人互动;可只要已经在线,他们也会彼此进行游戏!如果不分析硬数据,我们不可能以任何确定方式得出这个结论。它还教会我们网络游戏中非常重要的一点:有更多玩家在线、彼此互动,就会更好——哪怕他们采用的是非标准互动方式。
指标艺术与创意领域有一种常见模式,尤其在考古、艺术品保护、心理学或医学等学科中:工作需要一定直觉,同时又确实存在“正确答案”或“最佳做法”。发展过程大致如下:
  • 从业者把自己的领域视为一门“软科学”,对最佳原则或实践了解不多。他们最终确实会弄清事物怎样运作,但主要依靠反复试错。
  • 有人创造一种技术,似乎能用算法解决许多问题。从业者欢欣鼓舞:我们终于成了硬科学!不再猜测!大多数年轻从业者抛弃“老办法”,拥抱“科学”,把它当作解决领域内一切问题的工具。与此同时,老一代觉得它威胁了自己一贯的做法,用怀疑目光审视。
  • 大量使用后,技术的局限逐渐显现。从业者意识到,工作里依然存在某种神秘、依靠感觉的成分;也许技术终有一天能回答全部问题,但那一天远比最初看起来遥远。普遍幻灭随之而来:人们不再愿意相信直觉,因为理论上技术能做得更好;又不愿相信现有技术,因为它还没有那么好用。少壮派承认,这并非自己以为的万灵药;老一代也承认,它仍比最初假定的有用得多。大家亲吻、和好。
  • 最终,人们形成一种稳定模式:学会哪些部分可以交给计算机算法,哪些部分需要真正有创造力的人类思考;把双方最优秀的部分结合起来,整个领域因而更强。不过,弄清什么最适合人类、什么最好交给计算机,本身也是一个需要时间的学习过程。
目前,游戏设计似乎刚刚进入第二步。越来越多人用轶事告诉我们,指标与统计分析怎样拯救了他们的公司。我们听说 MMO 能通过观察玩家模式,在玩家自己充分学会怎样利用平衡问题以前,先把它们解决;听说 Zynga 把字体颜色从红色改成粉红色,就使玩家点击其他游戏的次数呈指数增长;还出现了整家公司,唯一业务就是帮助游戏开发者捕捉并分析指标。整个行业正爱上指标。我愿意公开预测:等这一切尘埃落定,至少会有一家完全依靠指标驱动设计的公司惨败,因为他们过度盯着数字,以至于忘了外面真有一些人类玩家,正在尝试以无法直接衡量的方式获得乐趣。当然,也许不会;我以前也错过。
无论如何,目前看起来有三种对待指标的思想流派:
  • **Zynga 模式:**几乎完全依靠指标设计。无论爱它还是恨它,六千万月活跃独立玩家都会嘲笑你那脆弱的直觉驱动设计。
  • **反抗 Zynga 模式:**指标容易误解,也容易操纵,因此很危险,弊大于利。若测量玩家活动,发现登录画面的使用人数超过任何游戏内行动,这并不意味着应该基于“只要玩家做了就说明有趣”这种成见,给游戏增加更多登录画面。使用指标设计,会推动你只去制作那些能够完全由指标设计的游戏,从而远离许多真正有趣的电子游戏类型。
  • **温和路线:*指标自有用途,能帮你调整游戏、找到局部的快乐“峰值”;它们通过探索附近设计空间,使一款好游戏再好一点。不过,直觉也有用途。有时,必须大步跃入尚未探索的领地,才能找到全局*“峰值”;仅靠指标无法抵达,因为有时必须先让游戏在一个方面稍差,才能在另一个方面好上许多,而指标永远不会允许你这样做。
想一会儿,判断作为设计师的你自己站在哪里。如果与其他人组队工作,队友又站在哪里?
要测量多少?假设你想在游戏里采集一些指标,日后做统计分析、改善平衡。实际要采集哪些指标——也就是究竟测量什么
我见过两种思想流派。一种主张把能想到的一切全部记录下来,统统写入日志,以后再挖掘。它认为,宁可收集太多信息却不用,也好过遗漏一条关键信息、被迫重做全部测试。
另一派则认为,“记录一切”在理论上很好,实践中却会得到数量压倒性的无关信息,迫使你在干草堆里寻找那根有用的针;更糟的是,你可能拼命挖掘这座数据山,最终找出各种根本不存在的相关与关系。按照这种思路,应该提前确定下一轮试玩需要什么,只测量这些内容;这样以后就不会用错误方式观察错误数据,把自己弄糊涂。
再次想想,你在这个问题上站在哪里。
就我个人而言,很大程度取决于拥有的资源。如果只是你和几个朋友制作一款小型商业 Flash 游戏,大概没有时间进行密集数据挖掘;最好提前找出真正需要的有用信息,日后若产生需要未追踪数据的新问题,再添加指标。如果身处一家大公司,手下有一整支精算统计师大军,除了整天寻找数据相关以外无事可做,那当然可以疯狂收集;你大概会发现各种自己原本绝想不到的有趣内容。
具体测量什么?这些都很好,但无论说“只采集需要的数据”还是“收集一切能收集的数据”,都还不是一项真正的设计。总有一天,必须明确指定究竟测量什么。
和游戏设计本身一样,指标也是二阶问题。你真正想了解的多数游戏属性都无法直接测量;因此,必须找出某种能够测量、又与真正想了解的内容高度相关的东西。
示例:测量乐趣来看一个例子。在单人 Flash 游戏里,你也许想知道游戏是否有趣,但乐趣无法直接测量。有什么可以测量、又与乐趣相关?也许是玩家是否持续游玩很久;是否投入足够时间通关并解锁全部成就;是否回来进行多次游玩——尤其是在已经“获胜”后仍重玩。这些都能测量。请注意,相关并不完美;玩家也许出于其他原因回来,例如你加入了作物枯萎机制,只要不返回就惩罚他们。但至少可以假定,玩家一直玩下去大概总有某种原因,而这就是有用信息。更关键的是,如果大量玩家都在某个节点停止游玩、再也没有回来,就说明那里大概不够有趣,可能正把玩家赶走。(如果停止位置恰好是结尾,也许他们觉得游戏极其有趣,只是已经通关,作品又没有提供继续游玩的理由。所以一切取决于他们在什么时候离开。)
玩家使用模式非常重要,因为人们是否游玩、游玩频率和时长,都有望与他们多喜欢游戏相关。对要求玩家定期返回的作品——如典型 Facebook 游戏——经常听到两个流行术语:月活跃独立用户与日活跃独立用户,即 MAU 和 DAU。“活跃”很重要,因为它确保不会把一大堆早已停止游玩的休眠旧账户计入,夸大数字;“独立”同样重要,因为一个一天查看 FarmVille 十次的痴迷玩家,不能算作十名用户。通常你可能以为月度和日度数字应该等价,只须用日活乘以约 30 就得到月活;现实中,两者差异取决于玩家多快厌倦——也就是不同日期活跃用户集合有多少重叠。所以,用 MAU 除以 DAU,会告诉你玩家中有多少是新用户,多少是回头客。
例如,假设有一款黏性极强、用户基数很小的游戏,总共只有 100 名玩家,但每人每天至少登录一次。此时 MAU 是 100,平均 DAU 也是 100,MAU/DAU 为 1。反过来,假设另一款游戏人人只玩一次,从不返回;但营销做得好,每天都能拉来 100 名新玩家。平均 DAU 仍是 100,MAU 却约为 3,000,所以 MAU/DAU 大约等于 30。由此可见,MAU/DAU 的范围是 1——每名玩家都极度忠诚——到 28、30 或 31,取决于当月天数——没有任何人游玩超过一次。
需要警告:许多指标来源——例如 Facebook 提供的数据——可能采用不同算法,所以一组数字不能与另一组直接比较。例如,我见过某网站把排名前 100 的应用中“最差”MAU/DAU 比率列成 33 点几,这根本不可能;显然某处数字被动过——也许日活取自与月活不同的日期范围。有些人还把它算成百分比,表示平均每天有多少比例的玩家池登录;范围应从约 3.33%——每月玩家每天登录 1/30——到 100%——全部月活玩家每天都登录。这种算法是 DAU/MAU,而非 MAU/DAU,再乘 100 得到百分比。因此,如果从分析网站看到这类数字,一定要弄清它们怎样计算,别拿苹果和橘子作比较。
为什么必须知道这一数字?首先,如果大量玩家持续返回,大概说明游戏不错;其次,游戏也更可能赚钱,因为同一批人每天都来。这有点像经营实体店:一个人只偶尔进店看看,可能什么也不买;但若同一个人每天都来“只是看看”,迟早大概会买点什么。
另一种常用指标,尤其常见于 Flash 游戏门户,是直接请玩家给游戏评分——通常采用五星制。理论上,我们希望评分越高,游戏越好;理论上,也预期玩家评分高的游戏拥有较好的 MAU/DAU 比率,也就是两者相关。我不知道有没有研究真正检验过;若能看到结果,我会很有兴趣。不过如果一定要猜,我会认为存在一定相关,但不强。主动评分的用户不是代表性样本:首先,他们往往有强烈意见,否则根本不会费心评分。(说真的,那些意见调查经常写“2% 的受访者表示没有意见”,我始终很疑惑:究竟谁会拨打一个收费意见调查电话,就为了说自己没有意见?)因此,即使真实质量大概遵循钟形曲线,五星和一星评价也往往多于三星;若每个人都公平评分,不会如此。此外,还要问玩家意见与真实游玩模式哪一个更有意义。如果一名玩家连续几个月每天登录,却只给 1/5 星,这意味着什么?如果有人承认根本没有玩过,仍基于……我不知道……名声之类的东西给 4/5 星,又意味着什么?玩家还往往不会在积极游玩时评分,而只在——通常——离开以后评分;这大概也会造成一定偏差,具体取决于他们为什么离开。因此,比起玩家自报,最好更关注使用模式;尤其当评价不是在游戏内、游玩过程中,以可以追踪的方式作出时。
到目前为止,我一直在谈电子游戏,而且多数内容专指网络游戏。桌游中的对应方法比较模糊;作为设计师,基本要观察人们的表情与姿态,看他们在游戏哪些地方投入、哪些地方无聊或挫败,再追踪这些反应与特定游戏事件或棋盘位置怎样相关。当然,也可以尝试依赖玩家访谈;但这样很危险,因为玩家对此类体验的记忆并不可靠——即使记得,也不是每名试玩者都会对你完全诚实。对非网络电子游戏,仍可以根据使用模式采集指标;但若要真正把数据上传到某处,出于隐私顾虑,必须向玩家说明得非常清楚。
另一个例子:测量难度和乐趣一样,玩家感受到的难度基本无法直接测量;但你可以测量进展,以及未能取得进展。具体指标会随游戏而异。
对于提供技巧型挑战的游戏——例如复古街机——可以测量玩家通过每一关所花的时间,每关失去多少条命;更重要的是,在哪里、以怎样的方式丧命。收集这些信息以后,很容易看出最难的节点在哪里,难度曲线是否出现意外尖峰。据我了解,Valve 会在 FPS 中这样做;他们甚至拥有可视化工具,不仅显示全部信息,还会把数据叠加绘制在关卡地图上,使你直接看到玩家死亡聚集在哪里。有趣的是,从*《半条命 2:第二章》*开始,他们真的会把玩家数据实时汇报并上传到服务器,还曾在公开页面展示指标。这大概有助于缓解前述隐私顾虑,因为玩家可以亲眼看到究竟上传了什么,以及数据怎样使用。
又一个例子:测量游戏平衡如果想知道游戏是否公平、平衡呢?这同样无法直接测量。不过,几乎任何与游戏中玩家、行动或对象相连的数值,都可以追踪;它们能告诉你许多有关正常游玩模式的信息,也能揭示策略、对象及其他内容的相对平衡。
例如,假设有一款策略游戏,每名玩家每回合可以选择四种行动之一,而你能用数字追踪每名玩家的处境。那就可以逐回合记录每人采取了什么行动,以及它怎样影响各自在游戏中的位置。
或者,假设有一款允许玩家自行构筑牌组的 CCG;一款各自选择斗士的格斗游戏;一款选择阵营的 RTS;一款选择种族/职业组合的 MMO 或桌面 RPG。这里可以追踪两件事:哪些选择看起来最受欢迎或最不受欢迎,以及哪些选择与真正获胜的相关性最高。请注意,两者不一定相同。有时,巨大、炫目、看起来酷的东西,因为华丽且容易使用而人人喜爱,却仍会被技巧足够高、使用冷门策略的玩家轻易击败。有时,支配策略要在成千上万局之后,经过数月甚至数年才浮现。《万智牌》*中的 *Necropotence 发售后大约半年几乎无人使用,因为它的效果组合复杂晦涩;直到一些顶尖玩家找出用法,人们开始实验,才发现它是有史以来最强的牌之一。因此,受欢迎程度与获胜的相关性,在这里都是有用指标。
如果某件游戏对象的使用量远超预期,当然可能表示存在平衡问题;也可能意味着,出于某种原因,它对目标受众更有吸引力。例如,在高幻想游戏中,也许会惊讶地发现,不论平衡如何,创建精灵的玩家多于人类……或者你也不会那么惊讶。在某些游戏里,受欢迎可以表明某种玩法比其他玩法有趣得多;有时可以把其特征迁移到其他角色、职业、卡牌或其他对象上,使整款游戏更有趣。
如果对象的使用量低于预期,也可能说明它强度不足或定价过高;也可能只是用起来没有乐趣,即使效果不错;或者,它的使用方式太复杂,相对于游戏其他内容学习曲线过高,所以玩家不会立刻尝试。这在你依靠试玩者真正——你懂的——完成试玩时可能非常危险,因为他们也许会把部分内容晾在一边,根本不碰。
指标还有不只用于游戏对象的其他用途。例如,一个极有价值的领域,是衡量初始不对称;常见情形就是先手优势或劣势。可以收集大量座次与最终结果的数据。职业游戏与体育里经常这样做。例如,据我所知,统计学家计算出美式橄榄球主场优势约为 2.3 分;而围棋先手优势根据所处地区,贴目为 6.5 或 7.5 目——其中半目用于避免平局。*《卡坦岛》锦标赛统计则表明,四人局中第二位玩家存在极其微小*的优势,只有百分之零点零几。通常可以把它当作随机波动丢弃,但游戏数量极其庞大,使这一数字获得了一些分量。
最后一个例子:测量金钱如果你真想通过销售整款游戏或其中一部分赚钱,那么归根结底,这就是最重要的考虑之一。对某些人而言,它是唯一最重要的考虑:他们宁可要一款赚得盆满钵满、却毫无趣味的游戏,也不要一款才华横溢、创新、有趣、精彩,却成了“叫好不叫座”的作品——这只是“它不该失败,却在市场上失败了”的委婉说法。另一些设计师宁愿先把游戏做好玩。因此,每个人都该想清楚,自己究竟站在篱笆哪一边;因为如果不了解自己,总有一天,别人会替你作决定。
无论如何,几乎所有商业游戏都应该在某种程度上关心金钱,因此值得追踪。销量确实能告诉你一些与游戏设计做得多好有关的信息;同时,它也受市场条件、营销成效、病毒式传播等大量其他因素影响。
传统游戏通过线上或零售渠道销售时,通常呈现一条标准曲线:发售日销量巨大,此后沿指数递减曲线不断下降,直到销量小得不再值得继续出售。网络游戏不必担心库存或货架空间,可以保留更久;所谓“长尾”就由此而来,因为曲线右侧看起来大概像一条尾巴。这时要留意突然出现的尖峰:发生在何时,由什么引起?因为它们通常不会自行发生。
遗憾的是,这意味着传统销售模型下的销量指标,对游戏设计师没有那么有用。我们只看到一条混合了大量变量的曲线,而且必须等游戏发售后才获得反馈。若作品属于系列,则会更有用,因为可以比较不同代的销量变化与机制变化。假如游戏向新方向迈出重大一步,而销量随之大幅升降,这会提供一些信息。
若游戏在线运营,例如 MMO、Flash 门户或 Facebook 游戏,模式会略有不同:销量缓慢起步——若前期做过营销,则会更高;如果游戏够好,口碑传播后会随时间逐渐加速。因此,基本是同一条曲线,只是拉长很多。这种发布节奏的妙处在于,可以实时管理销售曲线:今天改变游戏,测量本周剩余时间的销售差异,再继续修改。由于会定期发布增量更新,而每次更新都会影响销售,你能持续获得反馈,知道细微变化怎样影响游戏收入。不过请记住,游戏并非在真空中运行;外部因素经常会影响销量。例如,我敢说,如果某场重大自然灾害登上国际新闻,多数 Facebook 游戏的使用量会暂时下降,因为人们忙着看新闻。因此,如果某家公司恰好在墨西哥湾漏油事故前一天做了小改动,随后发现该地理区域的使用量骤降,而设计师又没有留意现实世界,就可能误以为游戏改动极其糟糕。
理想情况下,你希望排除这些因素、控制外部变量,确保知道自己究竟在测量什么。一种在特定情况下可用的方法,是同时向不同玩家推出两个独立版本,再比较两组。这里有个重点:必须随机选择玩家,而不是把一个版本交给系统中最早创建的账户,另一个交给最新用户。当然,如果两组的玩法本身不同,就很难避免惹怒部分玩家,尤其当其中一组拿到可被利用的不平衡设计时。因此,更适合测试不影响平衡的内容:横幅广告、信息弹窗文字、启动画面、游戏美术的颜色或外观等。若确实要测试玩法,就以诚实、公开的方式进行。我能想象,可以把玩家随机分配到某个阵营——类似*《魔兽世界》*的联盟/部落划分,只是在创建账户时随机决定——再把交战阵营写进游戏背景,于是每个阵营略有不同便合乎情理。我不知道是否真有游戏这样做过,但很想看看实际效果。
对于既能免费游玩、也能付费的游戏——包括共享软件、微交易、订阅,以及多数其他网络游戏付费模式——不仅可以观察用户数量或总收入,还能追踪每名用户的收入来源。这非常强大,但也要考虑大量变量。
首先,什么算一名“玩家”?如果有人拥有多个账户——无论是否得到允许——或者旧账户在休眠时仍被保留,是否把它们计入会改变计算。公司通常关心独立活跃用户带来的收入,因为休眠账户一般不会花钱;而拥有多个账户的同一玩家,应被视为一个实体——哪怕每个账户都在消费。
其次,免费游玩且永远毫无付费意愿的玩家,与经常消费的玩家存在差异。假设一款游戏从极少数玩家身上赚到巨额收入。这表明,游戏很擅长吸引并留住免费玩家;一旦说服玩家花哪怕一分钱,他们就会花很多;但也说明“转化”存在困难,也就是难以说服玩家跨出第一步、第一次付钱。此时,应该想办法鼓励玩家只花一点点。再看另一款游戏:大多数玩家都会花一些钱,但金额极少。这是另一种问题,说明付费流程本身正在赶走玩家,或者至少没有为增加消费提供足够动机,仿佛碰到了某个消费天花板。两种情形从全部用户群取得的现金总额也许相同,解法却不一样。
通常,人们用两个流行术语展示差异:ARPU——每用户平均收入——与 ARPPU——每付费用户平均收入。我希望其中的 P 能代表“玩家”而不是“用户”,但这不是我决定的。总之,在第一个例子里,少数玩家花很多、多数人免费,ARPPU 会很高;第二种情况下,ARPPU 会很低,哪怕两款游戏的 ARPU 相同。
当然,不能只看平均值,还要考虑玩家总数。如果 ARPU 与 ARPPU 都很棒,但玩家群只有几千,本应有几百万,那么问题大概更多出在营销,而不是游戏设计。具体取决于玩家基数随时间怎样变化,以及当前位于销售曲线“尾部”的什么位置。因此,销量、ARPU 与 ARPPU 这三项可以提供大量信息,判断问题出在获取——让人第一次尝试游戏——转化——让人第一次付费——还是留存——让玩家继续回来。把这些指标与游戏改动和更新相叠加,往往能找到某些游戏机制与销售增长之间非常有用的相关性。
另一个有趣指标,是平均用户的时间—金钱图。人们创建账户当天会给你多少钱?第二天呢?再下一天呢?你会看到开头一大笔现金、随后再无收入吗?会看到递减曲线——玩家先免费尝试一阵,再花很多,此后花费逐渐减少,直至归零吗?还是递增曲线——先花一点,再多一点,又多一点,最后突然燃尽,彻底抛弃游戏?抑或传统“长尾”模式下的定期小额付费?这能告诉你,在前期→中期→后期→终局阶段的进程中,你向玩家提供了怎样的价值?
观察收入时,别忘了把成本算进去。成本有两类:前期开发与持续支出。前期成本包括新功能开发,既包括增加收入的“好”功能,也包括尝试后又丢弃的“坏”功能。请记住,好坏功能的比例不会完美,所以必须把坏点子的一部分成本,也计入开发好点子的成本——这是一种“沉没成本”,正如第 6 周讨论情境平衡时所说。持续成本包括带宽、服务器与客户支持,通常会随玩家数量扩大。企业一般希望最大化利润——收入减支出——而非营收——只有流入的钱;所以若想优化开发资源,就要把这些成本计算在内。
再警告一句——天哪,本周的警告似乎特别多:统计很擅长分析过去,但若想用它预测未来,事情会棘手得多。例如,一款刚发布的热门游戏,曲线起初也许像指数增长。尤其当数据与指数函数拟合得极好时,很容易假定趋势会继续。但常识告诉我们,这不可能永远持续:人类人口有限,所以如果增长速度超过人口增长,就必定最终趋平。商业增长曲线通常不是指数型,而是所谓的“S 形”:开始呈指数增长,随后转为对数式——也就是缓慢——增长,最终趋平或开始下降。许多投资者把 S 曲线误认成指数增长,结果损失惨重;大约十年前的互联网泡沫破裂或多或少就是如此。非法金字塔骗局也往往遵循这种增长曲线,只是抵达“S”顶端后,通常会突然崩溃。
关于伦理的一点说明这是今年夏天讨论游戏平衡时,我第二次提出职业伦理问题。应用数学的讨论里竟会不断冒出这类事情,真奇怪,不是吗?总之……
这里的伦理问题在于,许多指标观察玩家行为,却没有真正考察游戏为玩家生活增加了多少价值——或拿走了多少。有些游戏,尤其是那些在指标运用效率上已经进化到史无前例程度的 Facebook 游戏,被一些人指责为公然操纵:利用人类心理的已知缺陷,迫使玩家违背意愿继续游玩、继续付钱。把这种说法推到极端,听起来很荒唐,因为我们认为游戏天然属于自愿活动,“游戏把我们囚禁起来”的想法似乎很古怪。另一方面,任何玩了很久的游戏都会让你投入情感,而这份情感投入确实具有现金价值。如果我说某款游戏“逼”你花钱,听来可笑,请想象以下情形:我找到你的全部游戏存档,把它们集中到一处。有些也许位于主机记忆卡或硬盘,有些在 PC 硬盘;网络游戏的“存档”则在某家公司服务器上。然后,我威胁要毁掉它们……不过别担心,我会补偿硬件:免费更换你的硬盘与主机记忆卡,为你订阅的每款网络游戏提供一个全新账户,诸如此类。接着,我问:你愿意付我多少钱,让我不要这样做?我敢说,仔细一想,答案会大于零;因为那些存档对你有价值!更关键的是,如果某款游戏威胁说,除非购买一份额外下载内容,否则就删除全部存档,你至少会考虑付钱——不是因为想得到内容,而是因为不想失去存档。
公平地说,所有游戏都涉及某种心理操纵,就像电影、书籍与其他一切媒介一样——例如那整套“暂时搁置怀疑”的东西。多数人对此没有真正异议;他们仍认为游戏体验为生活带来了净价值,让自己在投入游玩的那些小时里,比从事其他活动时活得更丰富。
不过,正如难度曲线一样,增加与拿走的价值之差并非常数,每个人都不同。正因如此,MMO 一方面会改善数百万订阅者的生活,另一方面却会给极少数人带来骇人悲剧:有人因沉迷游戏失去婚姻和家庭,有人连续玩得太久、连身体基本需求都不顾,最终倒在键盘前死亡。
所以存在这样一个问题:我们可以把玩家推动到多大程度,让他们付钱,或者仅仅让他们继续玩,才不会跨过伦理界线?当游戏设计主要受金钱指标驱动时,尤其如此。和以前一样,我邀请你想清自己站在哪里;因为如果自己不知道,就会由另一个知道答案的人替你作决定。
如果你目前正在制作游戏……如果你正在制作游戏,不难猜到,我建议你问问自己:哪些游戏设计问题最适合通过指标回答?
  • 设计中有哪些方面——尤其是游戏平衡方面——目前还不知道答案?列成清单。
  • 在这些开放问题中,哪些可以通过试玩、采集指标和分析来解决?
  • 从剩余清单中选一个你认为对玩法最关键的问题。确定要使用哪些指标,以及怎样通过统计得出结论。可能看到哪些不同结果?它们各自意味着什么?务必提前想好怎样解释数据。
  • 如果制作电子游戏,确保它能以某种方式记录所需信息;如果是桌游,就开展一些试玩,开始测量!
作业这次主要是思想实验,而不是实际练习,因为我想不出怎样强迫你真正为一款不属于自己的游戏收集指标。
选择自己最喜欢的游戏类型,可以是 FPS、RTS、CCG、桌面 RPG、欧式桌游,或任何其他类型。然后选择一款你认为足以代表该类型、自己熟悉而且最好真正拥有的游戏。
假装你取得了重制该游戏的权利——不是做续作——也就是说,打算让核心机制基本不变,只为改善平衡而作出一些可能的细小调整。把它视为原作的“2.0 版本”。凭设计师直觉,你也许已经怀疑某些地方不平衡;但假定这次想真正加以证明。
制订一份指标计划。假定你能随时找到大量试玩者,或者已经拥有原版发布后的游玩数据,只须提出数据请求再进行分析。列出清单:
  • 你想回答哪些可以通过统计分析解决的游戏平衡问题?
  • 每个问题会使用哪些指标?若存在重叠,几个问题共用部分指标也没关系。
  • 为回答每个问题,会对指标进行怎样的分析?也就是怎样处理数据——例如计算均值、中位数与标准差,或寻找相关性?若问题答案为“是”或“否”,数据分析完成后,“是”与“否”各会呈现什么样子?
更多资源如果本周阅读量还不够,这里再给几条链接。本文许多内容都受它们影响:
http://chrishecker.com/Achievements_Considered_Harmful%3F
以及
http://chrishecker.com/Metrics_Fetishism
游戏设计师 Chris Hecker 在今年 GDC 作了一场精彩演讲,题为“成就可能有害(Achievements Considered Harmful)”。它讨论另一种指标——游戏中用来衡量和奖励玩家表现的成就——以及这样做为什么可能是、也可能不是好主意。第二篇文章中,他讨论了自己所谓的“指标拜物教(Metrics Fetishism)”,主要讲过度依赖指标、却没有充分运用常识的危险。
http://www.gamasutra.com/view/news/29916/GDC_Europe_Playfishs_Valadares_on_Intuition_Versus_Metrics_Make_Your_Own_Decisions.php
这是一篇 Gamasutra 文章,引用 Playfish 工作室总监 Jeferson Valadares 在 GDC Europe 的发言,建议何时使用指标、何时运用真正的游戏设计技巧。
http://www.lostgarden.com/2009/08/flash-love-letter-2009-part-2.html
游戏设计师 Dan Cook 讨论在 Flash 游戏开发中使用指标的诸多益处。
http://www.gamasutra.com/features/20070124/sigman_01.shtml
作者正是写过“兽人鼻毛”概率文章的那位;这次他提供的是统计基础入门,而不是概率入门。
回复

使用道具 举报

     
 楼主| 发表于 2026-9-4 09:44 | 显示全部楼层
本帖最后由 marquez 于 2026-9-4 09:50 编辑

第 9 关:非传递性机制
发布日期:2010-09-01
阅读英文原文
阅读与游戏材料进一步阅读材料请见本文末尾的“更多资源”。
本周内容欢迎回来!今天要学习怎样平衡非传递性机制。提醒一下,“非传递性”只是“像石头剪刀布那样的游戏”的极客说法:不存在单一支配策略,因为每一种东西都能被另一种击败。
游戏里处处可见非传递性机制。格斗游戏的典型模式是:普通攻击克制格挡,格挡被投技克制,投技又被攻击克制。即时战略游戏常有这样的结构:飞行单位可以摧毁步兵,步兵擅长对付弓箭手,弓箭手又擅长击落飞行单位。回合制策略游戏也经常让某些单位针对另一些单位,例如重型坦克输给反坦克步兵,反坦克步兵输给普通步兵,普通步兵又输给重型坦克。第一人称射击游戏有时会让不同武器或载具形成非传递关系:火箭发射器擅长对付坦克——坦克缓慢、容易命中;坦克擅长对付轻型载具——后者一进入射程,就会被坦克的高射速摧毁;轻型载具反过来又擅长对付火箭发射器——它们能穿梭闪避慢速飞来的火箭。MMO 与桌面 RPG 中,一些职业也常常格外擅长与另一些职业战斗。由此可见,非传递性机制无处不在。
某些关系并不会立即显现。例如,一款游戏里,某类单位拥有远程攻击,却会被能够隐身的近程攻击者击败;后者又被配有雷达、可以揭示隐形单位的中程攻击者击败;而中程攻击者当然容易输给远程攻击者。
有时,它纯粹源于数学。在*《万智牌》中,一个 1/3 生物会在战斗中输给 3/2 生物;后者输给拥有先攻的 2/1 生物;而这个先攻生物又输给最初的 1/3 生物。CCG 的元游戏里经常存在三四副主流牌组,每副都被构筑成能击败另外一副或多副。这类关系甚至不一定*是设计师有意做成非传递,结果却自然如此。
非传递性机制的解今天要把双手弄得很脏,处理目前为止最数学化的一些数学;有需要时,会借用代数、线性代数与博弈论的工具。在这一过程中,我们将学会求解非传递性机制,从而更了解它们怎样在游戏内运作,以及可以预期专家级玩家采取什么行为。
这里的“解”是什么样子?它不能是一条成本曲线,因为每项选择有时获胜、有时失败。它是一组比例:你多常选择每一个可用选项,又预期对手多常选择他们的每个选项。例如,在特定条件下,一款包含弓箭手、步兵与飞行单位的非传递游戏,其解也许是组建 30% 弓箭手、50% 步兵、20% 飞行单位——即 3∶5∶2——的军队。
作为游戏设计师,你也许希望某些游戏对象比另一些更常或更少使用;改变每种对象的相对成本与可用性,就能改变玩家在游玩中采用的最优对象组合。明确把游戏设计成具有一个或多个由你选定的最优策略,就能提前知道它大概会怎样发展。例如,你也许希望某些事情在正常游玩中罕见发生,但一旦出现便极为壮观;只要理解成本怎样影响相对频率,就能有意把游戏设计成这样。(或者,如果试玩中玩家使用某样东西的频率远高于另一样,此类分析也许能解释原因。)
谁在乎?如果所有非传递性机制都只是荣耀版的石头剪刀布,也许值得问:它有什么吸引力?很少有人为了娱乐而玩石头剪刀布,那么同样的机制换一身衣服,为什么就值得享受?
首先,非传递游戏至少比只有单一支配策略的游戏——“石头、石头、永远石头”——有趣,因为游玩中会出现更多变化。其次,一项嵌入更大游戏的非传递机制,仍可能允许玩家在中途改变或修正策略。玩家可以根据目前实时观察到的其他人行为作选择;动作游戏尤其如此,你必须在短短几毫秒里,对“对手针对你对其行动所作反应而作出的反应”再作反应。
带诈唬机制的游戏则允许玩家根据过去观察到的行为作选择,尝试推断对手下一步;在信息不完整的部分信息游戏里——例如扑克——这格外有趣。所以,希望你能看出,仅仅因为游戏含有非传递性机制,并不代表它就和石头剪刀布一样乏味。
此外,非传递性机制会充当失控支配策略的“紧急制动”。即使不知道游戏中的最佳策略究竟是什么,只要所有策略彼此形成非传递关系,至少可以确定:不会有一种支配策略让其他所有策略全部失效,因为它至少会弱于一种反制策略。哪怕游戏本身并不平衡,非传递机制也允许元游戏作出修正。只依赖这一点当然不理想——那会是非常懒惰的设计;但如果游戏发布后很难进行重大平衡调整,有安全网总比没有好。
所以,如果我已经说服你,至少某些类型的游戏值得加入非传递性机制,那就准备好,一起来学习怎样求解!
求解基础石头剪刀布先求解基础石头剪刀布,看看方法怎样运作。理论上,每种手势都和另外两种一样好,因此我们预期比例为 1∶1∶1,也就是三种手势出现频率相同。最终确实会得到这个答案;但理解怎样抵达它很重要,这样才能解决更复杂的问题。
首先查看结果。把对手的石头、布、剪刀分别称为 r、p、s,把我们的称为 R、P、S——我们这么厉害,当然配得上大写字母。胜与负大小相等、方向相反,也就是说一次胜加一次负正好抵消;平局位于中间。因此,把胜利记作 +1 分,失败记作 −1 分,平局记作 0 分。实际上,任意分值都能让这套数学运作,但这些数字最简单。现在构造结果表:
我方\对手rps
R0−1+1
P+10−1
S−1+10当然,这是从我方视角出发。例如,我们出(R)石头,对手出(s)剪刀,我们获胜,分数净增 +1;对手的表则完全相反。
稍微重新表述:把 r、p、s 称为对手分别采取每种手势的概率。例如,假设事先知道对手的策略是 r=0.5,p=s=0.25——也就是每出一次布或剪刀,就出两次石头。最佳反制策略是什么?
为回答这个问题,可以构造三条方程,分别给出每种手势的收益:
  • R 的收益=0r+(−1)p+1s=s−p
  • P 的收益=1r+0p+(−1)s=r−s
  • S 的收益=(−1)r+1p+0s=p−r
于是,可以按概率计算收益。面对这位偏爱石头的对手,R=0,P=0.25,S=−0.25。P 在三种手势中收益最高;所以,假定对手完全不改变策略,我们的最佳反制就是每次都出布,预期每次取得 0.25 收益——也就是每四次对局,获胜数会比失败数多一场。事实上,我们会发现,只要对手出石头的频率比其他手势高上哪怕最微不足道的一点,P 的净收益就会优于另外两项;在对手修正策略以前,我们的最佳策略仍然是 100% 出布。这一点很重要:它说明非传递性机制十分脆弱;玩家一方只要出现轻微失衡,就可能令对手一方得到完全支配性的策略。
当然,真人对手一旦注意到我们永远出 P,其反制就是提高 s 的比例;这又迫使我们出一些 R;随后使他出 p;于是我们出 S;于是他出 r……如此循环。如果双方不断调整策略、彼此反制,是否终会抵达一个两人都已经做到最好的节点?时间拉长后,会不会趋近某种稳定状态?
几条数学定理回答之前,有几件事我要请你先相信。比我聪明的人已经从数学上证明过;但这不是数学证明课,所以我会挥挥手略过那一部分。希望你能原谅。
第一,如果游戏机制对称——也就是两名玩家拥有完全相同的选项集合,而且运作方式相同——双方最终会得到相同的解;对手选择石头的概率,与我们选择石头的概率相同。
第二,每项收益必须与其他收益相等,也就是 R=P=S。只要某项策略值得以任何频率选择,它就会提供与其他所有有效策略相同的收益。因为如果收益低于其他策略,就不再值得选择——你只会改选收益更高的东西;如果收益高于其他策略,你又会独占性地选择它、忽略其余。因此,所有值得采取的潜在行动,都具有相同收益。
最后,特别在对称的零和游戏中,一切收益都必须为零。由于对称,双方收益相同;而既要合计为零,又要彼此相等,唯一可能就是双方均为零。
总结如下:
  • 所有值得采取的行动,彼此提供相同收益。
  • 对称零和游戏的一切收益都等于零。
  • 对称游戏对所有玩家都有相同的解。
完成石头剪刀布的求解回到方程。石头剪刀布是一款对称零和游戏,因此:
  • R=P=S=0。
由于对手必须恰好选择一个手势,还知道三种手势的概率之和为 100%:
  • r+p+s=1
从这里开始,可以用代入法解方程组:
  • R=0=s−p,因此 p=s
  • P=0=r−s,因此 r=s
  • S=0=p−r,因此 p=r
  • r+p+s=r+r+r=1,因此 r=1/3
  • 由于 r=p=s,所以 p=1/3,s=1/3
由此得到的解是:对手以各 1/3 的概率选择 r、p、s。这意味着,面对完全随机的对手,我们选择什么都无所谓;无论如何,获胜概率相同。当然,对手也知道这一点,所以如果我们采用失衡策略,他就能调整手势比例来击败我们;我们的最佳策略同样是以各 1/3 的概率选择每一种。
请注意,在真正游玩中,这并不意味着最佳策略是实际采用随机方法——比如每次出手前偷偷掷骰子!正如以前说过的,人类试图随机行动时,往往做得并不好。因此在现实世界,最佳策略仍是长期来看三种手势出现得大致同样频繁;但每个具体时刻究竟出哪一种,则取决于你发现并利用对手模式的能力,同时还要隐藏自身任何明显模式。于是,1∶1∶1 的解并没有告诉你某一刻必须出什么——游戏技巧恰恰存在于这里;它只说,长期而言,最优策略预期会形成 1∶1∶1 的比例。因为任何偏离都会把一种胜率更高的策略交给对手,直到你重新把自身策略调整回 1∶1∶1。
求解计分不等的石头剪刀布前面的例子对石头剪刀布来说很好,但怎样把它应用到更有趣的东西上?下一步,改变计分机制。例如,格斗游戏常有这样的非传递系统:攻击克制投技,投技克制格挡,格挡克制攻击;但三者造成的伤害不同,所以每项选择承担的风险也不同,结果自然不同。修改成本以后,石头剪刀布会怎样变化?
来看一例。假设我增加一条规则:用石头获得的每场胜利计双倍分。也可以把它表述成格斗游戏:攻击造成普通伤害,格挡造成与攻击相同的伤害——假定成功格挡后允许反击——而投技造成攻击或格挡两倍的伤害。为简单起见,这里只说“用石头获胜计双倍”。它会怎样影响概率?
同样,先从收益表开始:
我方\对手rps
R0−1+2
P+10−1
S−2+10接着,用它构造三条收益方程:
  • R=2s−p
  • P=r−s
  • S=p−2r
游戏依然零和且对称,我方与对手都必须恰好选择一种手势,所以仍有:
  • R=P=S=0
  • r+p+s=1
再次求解:
  • R=0=2s−p,因此 2s=p
  • P=0=r−s,因此 r=s
  • S=0=p−2r,因此 2r=p
  • r+p+s=r+2r+r=1,因此 r=1/4
  • r=s,因此 s=1/4
  • 2r=p,因此 p=1/2
于是得到一个意外结果:如果把石头获胜的分数翻倍,最终会让在一半对局中被选择,石头和剪刀则各占四分之一!不做数学,你很难自行想到这个答案;但回头一看,它又很合理:既然出剪刀风险如此之高,玩家就不太会选择它。知道对手不大可能出剪刀以后,布更可能打平或获胜;所以更常出现的实际是布,而不是石头。
因此,如果一款格斗游戏里成功投技造成的伤害,是成功攻击或成功格挡的两倍,而格挡与攻击伤害相同,那么预期看到的攻击尝试,会是投技或格挡的两倍!
求解胜利不彻底的石头剪刀布现在把资源成本纳入考虑。格斗游戏通常不会为执行动作设置“成本”——也许时间除外——但 RTS 生产单位一般确实需要资源。
假设有一款简单 RTS:骑士克制弓箭手,弓箭手克制飞行单位,飞行单位又克制骑士。如果同类单位互相战斗,就会同归于尽,双方都没有净收益或损失;但胜者情况略有不同。骑士攻击弓箭手时会获胜,却会在贴近以前,被第一轮箭雨削掉 20% 生命值;弓箭手面对飞行单位时失败,却会通过反击削掉对方 40% 生命;飞行单位对骑士则完全不受伤,因为骑士除了站着挨打什么也做不了——他们的剑不太擅长攻击头顶一百英尺高、正向下扔石头的敌人。最后,假设骑士花费 50 金币,弓箭手 75,飞行单位 100。现在会怎样?
先构造收益表:
我方\对手k(骑士)a(弓箭手)f(飞行单位)
K(骑士)50−50=0(−50×0.2)+75=+65−50
A(弓箭手)−75+(0.2×50)=−6575−75=0(−75×0.4)+100=+70
F(飞行单位)+50−100+(75×0.4)=−70100−100=0解释一下:双方选择相同单位时,结果为零,这符合常识;但真正发生的是,双方支付相同金额,又都失去单位。所以两人其实都产生了净损失,只是彼此相对仍为零和。例如骑士对骑士时,我们消灭对方骑士,相对对手获得 +50 金币优势;自己的骑士也阵亡,又损失 −50,二者相加,净收益为零。
我方骑士遇到敌方弓箭手时呢?消灭一名弓箭手,取得价值 75 金币的优势;但对方也削掉骑士 20% 生命。可以说,我们损失了价值 50 的骑士成本中的 20%,即相当于 10 金币。所以,实际结果是领先 65 金币。
骑士遇到敌方飞行单位时,我们失去骑士,落后 50 金币,而且没有伤到对方。飞行单位的 100 金币成本在这里怎样体现?其实不体现;交换以后,对手仍然拥有飞行单位,所以场上仍保有价值 100 金币的力量,什么也没失去……至少目前还没有!
所以,处理成本不同或胜利不彻底的情况,困难部分只是修改收益表。此后流程相同:
  • K=0k+65a+(−50)f=65a−50f
  • A=(−65)k+0a+70f=70f−65k
  • F=50k+(−70)a+0f=50k−70a
  • K=A=F=0
  • k+a+f=1
求解后得到:
  • K=0=65a−50f,因此 65a=50f
  • A=0=70f−65k,因此 70f=65k,于是 f=(13/14)k
  • F=0=50k−70a,因此 50k=70a,于是 a=(10/14)k
  • k+a+f=k+(10/14)k+(13/14)k=(37/14)k=1,因此 k=14/37
  • f=(13/14)k=(13/14)(14/37),因此 f=13/37
  • a=(10/14)k=(10/14)(14/37),因此 a=10/37
此时会看到相当均匀的单位组合,骑士稍多,弓箭手稍少。若想让飞行单位更罕见,可以调整它们的成本,或者允许骑士对其造成一点伤害,诸如此类。
求解计分不对称的石头剪刀布到目前为止,我们都假定游戏对称:双方拥有完全相同的手势集合,并按同一套规则赢得或失去相同分数。但并非所有非传递游戏都完全对称。例如,假设我制作了一种石头剪刀布变体,每轮翻开一张新牌,改变获胜奖励。本轮的牌规定,我的对手用石头获胜时得到两分,而我没有这份奖励——我仍照常计分。这会怎样改变游戏?
它让情况复杂了许多,因为现在两名玩家都必须计算对方每种手势的概率,而且双方的概率可能不再相同!假设玩家 A 拥有“石头获胜计双倍”奖励,玩家 B 没有。两人的最优策略是什么?这会给玩家 A 带来多大优势——如果确有优势?下面构造两张收益表寻找答案。
玩家 A 的收益表如下:
A\BrBpBsB
RA0−1+2
PA+10−1
SA−1+10玩家 B 的收益表如下:
B\ArApAsA
RB0−1+1
PB+10−1
SB−2+10这里可以假定 RA=PA=SA,且 RB=PB=SB;也可以假定 rA+pA+sA=rB+pB+sB=1。然而,不能假定 RA=PA=SA=RB=PB=SB=0,因为我们并不知道玩家 A 与 B 的收益相等;事实上,直觉告诉我们,它们大概不相等!于是得到下面这组吓人的方程:
  • RA=2sB−pB
  • PA=rB−sB
  • SA=pB−rB
  • RB=sA−pA
  • PB=rA−sA
  • SB=pA−2rA
  • RA=PA=SA
  • RB=PB=SB
  • rA+pA+sA=1
  • rB+pB+sB=1
可以用代入法艰难求解,但矩阵更容易。方法如下:把收益表重写成矩阵。第一张如下:
RA   0  −1  +2PA  +1   0  −1SA  −1  +1   0这里,最左列代表上面前三条方程的左侧,第二列是 rA,第三列是 pA,第四列是 sA。[译者注:原文如此;结合前后方程,这三列实际应为 rB、pB、sB。] 为清晰起见,作两处改动。第一,把最左列移到最右,这样更容易操作;第二,既然 RA=PA=SA,就统一替换成变量 X,代表玩家 A 的净收益:
0  −1  +2   X+1   0  −1   X−1  +1   0   X这只是下面三条方程的简写:省略变量名,却保持相同顺序对齐,使每一列代表一个不同变量。
0rB − 1pB + 2sB = X 1rB + 0pB − 1sB = X−1rB + 1pB + 0sB = X代数告诉我们,一条方程两边的所有内容乘以同一个常数后,等式仍然成立;也就是说,可以把矩阵任一行乘以任意数,只要该行四项全部乘以同一个数,矩阵仍有效。代数还告诉我们,可以把两条方程的等式两边分别相加,结果依然正确;也就是把两行的对应项相加,得到的新行仍是一条有效记录——可以把它加入现有行,甚至取代某一行。还可以重新排列各行,因为无论以什么次序放置,每一行依旧成立。我们的目标,是把矩阵变成所谓的三角形式:对角线下方全部为零,而对角线上的值——这里用星号标出——必须非零。
*  ?  ?  ?0  *  ?  ?0  0  *  ?首先,交换顶行与中间行,重新排序:
−1  +1   0   X 0  −1  +2   X+1   0  −1   X为消去底行的 +1,把顶行与底行相加,用结果替换底行:
−1  +1   0     X+1   0  −1     X─────────────── 0  +1  −1   2X矩阵现在是:
−1  +1   0    X 0  −1  +2    X 0  +1  −1   2X接着要消去底行的 +1,于是把中间行与底行相加,再用结果替换底行:
−1  +1   0    X 0  −1  +2    X 0   0  +1   3X现在可以把它们重新写成标准方程形式,从最下面开始向上代入求解:
  • +1(sB)=3X,因此 sB=3X
  • −1(pB)+2(sB)=X,因此 −pB+2(3X)=X,于是 pB=5X
  • −1(rB)+1(pB)=X,因此 rB=4X
此刻其实不必知道 X 是多少;我们已经知道,玩家 B 的比例是 3 份剪刀、5 份布、4 份石头。由于 sB+pB+rB=1,所以:
rB=4/12,pB=5/12,sB=3/12
可以用相同方法处理第二组方程,找出玩家 A 的最优比例。收益表再次列出:
B\ArApAsA
RB0−1+1
PB+10−1
SB−2+10它变成下面的矩阵:
0  −1  +1   RB+1   0  −1   PB−2  +1   0   SB再次重新整理。既然 RB=PB=SB,把它们统一称为新变量 Y——不用 X,以免与前一个 X 混淆;别忘了,此处双方收益可能不同。这次交换底行和顶行,同时把收益替换为 Y:
−2  +1   0   Y+1   0  −1   Y 0  −1  +1   Y要消去中间行的 +1,必须先把中间行乘以 2,再与顶行相加——也可以把顶行乘以 1/2,但我觉得整数乘法比分数容易。
−2       +1      0      Y+1×2      0×2   −1×2    Y×2──────────────────────── 0       +1     −2     3Y矩阵现在是:
−2  +1   0    Y 0  +1  −2   3Y 0  −1  +1    Y把第二、第三行相加,消去底行的 −1,得到:
−2  +1   0    Y 0  +1  −2   3Y 0   0  −1   4Y再次从后往前代入:
  • sA=−4Y
  • pA−2sA=3Y,因此 pA=−5Y
  • −2rA+pA=Y,因此 −2rA=6Y,于是 rA=−3Y
这次得到一串负数,而上次得到正数,看起来也许很奇怪。这大概只是因为玩家 A 的平均收益很可能为正,而玩家 B 很可能为负;无论如何,符号都会在比例中约掉,因为我们只关心石头、布、剪刀的相对比例。对玩家 A 来说,比例是 3 份石头、4 份剪刀、5 份布:
rA=3/12,pA=5/12,sA=4/12
这与玩家 B 的最优组合略有不同:
rB=4/12,pB=5/12,sB=3/12
现在可以用它计算玩家 A 的真实优势。我们可以画出一张 12×12 的表,用概率计算全部 144 种组合;也可以做蒙特卡洛模拟;或者直接把这些值代入现有方程。对我来说,最后一种最容易,因为前面已有两条直接把它们关联起来的方程:
sA=−4Y,因此 Y=−1/12rB=4X,因此 X=+1/12我们知道 RA=PA=SA,RB=PB=SB;因此,玩家 A 的收益为 +1/12,玩家 B 为 −1/12。这非常合理,也可以充当合理性检查:游戏仍然零和,所以 A 的收益必须恰好等于 B 收益的负数。若游戏对称,两者都必须为零;但这里并不对称。话虽如此,如果双方都采用最优玩法,最终优势小得出人意料:每 12 局仅仅多赢一局!
求解扩展版石头剪刀布到目前为止,分析的每组关系都只有三项选择。同一技巧能否处理更多选项?可以,只不过要做更多相同工作。
下面分析石头、布、剪刀、蜥蜴、史波克。规则是:石头击败剪刀与蜥蜴;布击败石头与史波克;剪刀击败布与蜥蜴;蜥蜴击败史波克和布;史波克击败剪刀与石头。收益表如下。史波克用 k 表示,因为 s 已经代表剪刀;蜥蜴用 z 表示,以免小写 l 看起来像数字 1。
我方\对手rpszk
R0−1+1+1−1
P+10−1−1+1
S−1+10+1−1
Z−1+1−10+1
K+1−1+1−10还知道 r+p+s+z+k=1,且 R=P=S=Z=K=0。也可以手工求解,但 Excel 提供了另一种有时略容易的方法。
首先,把上述矩阵输入工作表某处的 5×5 单元格网格。还要在网格右边加一列五个 1——其实任意非零数字都可以——代表变量 X,也就是收益。然后选中一段新的五格空白列区域——直接单击拖动——并在公式栏输入:
=MMULT(MINVERSE(A1:E5),F1:F5)MINVERSE 的参数应填 5×5 网格左上角与右下角的单元格;如果网格位于工作表最左上,我会用 A1:E5。最后一个参数——这里是 F1:F5——则填五个 1 所在的列。最后一点非常重要:公式输入完毕后,按 Ctrl+Shift+Enter,而不是只按 Enter。这会把公式传播到选中的全部五格,并将它们视为统一数组;这是必要步骤。
需要警告,这种方法不一定总能成功。尤其当解不存在或有无限多个时,它不会返回实际数字,而会显示 #NUM!。事实上,若输入上面的收益表,就会得到这个错误;只须把某一项改成极其微小的不同数字——例如把某个 +1 改成 +0.999999——就会产生一个只偏离极小量的唯一解,再四舍五入到最接近的几位小数,就能得到“真实”答案。另一个警告是,任何真正懂很多数学的人,看到你这样做都会皱眉,因为这多少是在作弊,矩阵本来不该这样求解。
Excel 给出五个变量均为 0.2 的解,意味着对手选择五种手势中的任何一个,概率都相同。随后可以验证,R=P=S=Z=K=0 确实成立。因此,当对手以相同概率随机选择每种手势时,我们出哪一种都无所谓;任何选择都和其他一样好。
求解关系不等的扩展版石头剪刀布并非所有非传递性机制都同样平衡。有些情况下,即使没有加权成本,部分手势也比另一些更好。例如,考虑一款不平衡的石头、布、剪刀、炸药。第四种手势“炸药”会用爆炸击败石头,剪刀则能剪断引线、击败炸药。人们会争论布与炸药谁应获胜;不过为了本例,规定炸药击败布。理论上,这会让炸药和剪刀看起来都很优秀,因为二者各自能击败另外三项中的两项;也会让石头与布显得很差,因为它们各自输给两项。数学实际上怎样说?
收益表如下:
我方\对手rpsd
R0−1+1−1
P+10−1−1
S−1+10+1
D+1+1−10还没继续就遇到了问题。仔细看,会发现炸药在每一种情境中都优于或等于布。也就是说,P 行的每一项,都小于或等于 D 行对应项;同理,p 列每一项也劣于或等于 d 列。布与炸药都输给剪刀,也都击败石头,但两者交锋时炸药获胜。换句话说,没有任何合乎逻辑的理由选择布:每当考虑出布,都应该改出炸药!用博弈论术语来说,布被炸药支配。如果像前面一样尝试从数学上求解这个矩阵,会得到一些非常奇怪的答案,很快发现它无解——或者答案毫无意义,例如 r、p、s、d 的某个概率小于零或大于一。之所以失败,是因为某一步会假定 R=P=S=D,但本例中并非如此:布的收益必定低于炸药,这项假设无效。要修复问题,继续之前必须系统消除所有被支配的选择。也就是说,移除“布”。
新收益表变成:
我方\对手rsd
R0+1−1
S−10+1
D+1−10完成第一轮消除后,要再次检查是否有其他策略如今被支配。有时,一行或一列起初并没有被另一项严格支配,直到划掉其他被支配选择后才会如此;所以必须反复执行,直到再无可消除内容。再次提醒,检查被支配策略时,必须比较每一对行,看其中一行是否支配另一行,再以相同方式比较每一对列。没错,如果双方各有十或十二项选择,比较次数会非常多!
在本例中,移除布已经足够。事实上,我们又回到了与原始石头剪刀布完全相同的收益表,只是把“布”改名为“炸药”。现在你已经从数学上明白,为什么把炸药作为第四种手势加入从来都说不通。
另一种不等关系如果创造一种不受弱支配、但运作方式略有不同的新手势呢?例如,它与剪刀等价,却把胜负次序反转:击败石头,输给布。就叫……工程车(C)吧。它用推土铲压过石头,因违规收到布开出的罚单;与剪刀打平,因为两者都没什么办法彼此互动。现在收益表如下:
我方\对手rpsc
R0−1+1−1
P+10−1+1
S−1+100
C+1−100这里没有任何手势严格优于其他,所以开始求解。已知 r+p+s+c=1,且收益 R=P=S=C=0。矩阵变成:
0  −1  +1  −1   0+1   0  −1  +1   0−1  +1   0   0   0+1  −1   0   0   0重新排列各行,让对角线上都是非零值;只须把从上到下的次序完全反转:
+1  −1   0   0   0−1  +1   0   0   0+1   0  −1  +1   0 0  −1  +1  −1   0把第一、第二行相加,并从第一行减去第三行,以消去第一列,得到:
+1  −1   0   0   0 0   0   0   0   0 0  −1  +1  −1   0 0  −1  +1  −1   0真有意思!第二行全是零,完全不给任何有用信息,只是在告诉我们零等于零;最下面两行又一模一样,说明最后一行冗余,同样没有增加信息。最终只剩两行有用内容。换句话说,我们有两条方程——若把 r+p+s+c=1 算入,则为三条——却有四个未知数。
这意味着,此处实际存在多个有效解,可能有无限多个。手工求解如下:
  • r−p=0,因此 r=p
  • −p+s−c=0,因此 c=s−p
代入 r+p+s+c=1,得到:
  • p+p+s+(s−p)=1,因此 p+2s=1,于是 p=1−2s;所以 r=1−2s。
再代回 c=s−p,得到 c=s−1+2s,因此 c=3s−1。
这样便成功把另外三个变量都用 s 表示:
  • p=1−2s
  • r=1−2s
  • c=3s−1
乍看之下,确实有无限多个解:任取一个 s 值,就会得到对应的 p、r、c。但还可以进一步缩小范围。
怎么做?记住,所有变量都是概率,所以必须位于 0——从不发生——至 1——永远发生——之间。概率绝不可能小于零或大于一。这便能限制 s 的范围。首先,已知它必须在 0 与 1 之间。
根据 c=3s−1,可知 s 至少为 1/3——否则 c 为负;s 至多为 2/3——否则 c 超过 100%。再看 p 与 r,可知 s 的范围是 0 至 1/2。合并两段范围,s 必须位于 1/3 与 1/2 之间。这很有意思:它告诉我们,无论如何,剪刀都是所有理想策略中不可或缺的一部分,使用频率介于三分之一与一半。
在下边界 s=1/3 时,p=1/3,r=1/3,c=0,是一项有效策略;在上边界 s=1/2 时,p=0,r=0,c=1/2。也可以选择中间任何策略,例如 s=2/5,p=1/5,r=1/5,c=1/5。
这些策略中,是否有某一个“更好”,能比其他方案赢得更多?遗憾的是,要回答就得深入比今天计划更多的博弈论。不过我可以告诉你,答案“视情况而定”,取决于一些假设:对手有多理性、玩家执行策略时是否可能偶尔犯错、玩家对对手的玩法了解多少,等等。就我们的目的而言,可以认为每一种都与其他同样好;当然,专业博弈论学者大概能从哲学上争论某些值为何优于另一些。
同样就本课而言,还可以说“工程车”大概不适合加入石头剪刀布核心游戏。因为一种获胜策略允许彻底忽略 C,另一种获胜策略则同时忽略 P 与 R;这不免让人怀疑,等玩家足够熟练后,有两三种手势也许根本不会再出,我们又何必浪费开发资源实现它们?
求解“马尔卡夫游戏”到目前为止,我们已经系统放弃了每一条基础假设:游戏收益对称、游戏是零和、恰好只有三项选择。两人情境下,还有一件事尚未讨论:如果玩家的选择集合不同,会发生什么?这不只是收益不对称,而是游戏本身不对称。如果求解一直依赖两名玩家手势数量完全相同,那么一名玩家有六种选择、对手只有五种时怎样处理?这样的题目看似不可能得到唯一解——六个未知数却只有五条方程,对吧?——但事实证明,某些情况下可以使用更强力的技巧,唯一地求解。
来看一张名为 Game of Malkav 的牌,它来自一款你们大多数人很可能从未听过的冷门 CCG。规则如下:所有玩家秘密且同时选择一个数字。打出该牌的玩家在 1 到 6 中选择,其他玩家在 1 到 5 中选择。每名玩家会获得等同于自己所选数字的生命……除非另一名玩家选择的数字恰好少一*;此时,他反而会失去那么多生命。例如,你选 5,就获得 5 点生命;除非其他某人选了 4。只要有人选 4,你就*失去 5 点生命……而他会获得 4 点,除非又有别人选了 3,依此类推。多人时会相当复杂,所以只考虑两人情况。还要作一项简化假设:游戏为零和,你获得 1 点生命的价值,等同于对手失去 1 点生命。这个假设未必成立,具体会随双方相对生命值而变化;但至少可以作为理解这张牌实际价值的起点。
我们也许会问,打出此牌的总体预期收益是多少?对手最多只能选 5,而你能额外选择 6,这会带来优势吗?最佳策略是什么,预期最终结果又是什么?简而言之,这张牌值得使用吗?使用时,又该怎样决定选择什么?
和往常一样,从收益表开始。把打出牌的玩家选择称为 P1—P6,对手选择称为 O1—O5:
出牌者\对手O1O2O3O4O5
P10+3−2−3−4
P2−30+5−2−3
P3+2−50+7−2
P4+3+2−70+9
P5+4+3+2−90
P6+5+4+3+2−11可以尝试求解。双方似乎都没有被支配的选择;但数字很快就会变得极其凌乱,而且若亲手尝试,还会发现它由于某些原因无解。基本上,六条方程、五个未知数意味着存在冗余……可本例中没有任何行抵消;相反,最终至少有两条方程互相矛盾。所以,实际上必定存在某些被支配策略;只是它们并不一眼可见,因为有一组行或列被另一组集体支配,而这远比目测单行困难。怎样找出来?
先假定每名玩家提前知道对手会做什么,分别寻找其最佳行动。例如,如果对手知道我们会选 P1,他的最佳行动就是 O5——给他净收益 +4,给我们 −4。随后继续对他的反应作出反应:如果出牌者知道对手会选 O5,最佳行动就是 P4;面对 P4,最佳行动是 O3;面对 O3,最佳行动是 P2;面对 P2,有两个同样好的选择:O1 与 O5,因此要同时考虑:
  • 面对 O5,最佳回应仍是 P4,随后会无限沿非传递序列 O5→P4→O3→P2→O5 循环。
  • 面对 O1,最佳回应是 P6;面对 P6,最佳回应是 O5,于是又进入 O5→P4→O3→P2→O1→P6→O5 的非传递循环。
如果从另一处开始,例如最初选择 P3 呢?对手最佳反制为 O2;我们的最佳回应是 P6,随后进入 O5→P4→O3→P2→O1→P6→O5 循环。如果从 P5 开始,最佳回应是 O4,接着回应为 P3,而这已经讨论过。若从 O1、O2、O3、O4、O5、P2、P4 或 P6 开始呢?它们全都已经包含在前面的序列里,所以没有其他内容需要分析。
因此可以看到,无论从哪里开始,反复游玩后,最终只有一小部分行动真正进入游戏的非传递结构,因为它们构成两个非传递循环:O5/P4/O3/P2,以及 O5/P4/O3/P2/O1/P6。查看这些序列,双方实际用到的选择只有 O1、O3、O5 与 P2、P4、P6。其余选择都严格劣等。例如,在任何选择 P6 有利的节点——也就是预期收益为正——都没有理由改选 P5;即使预期对手选择 O5,最佳回应也不是 P5,而是 P4。
用这种技巧寻找非传递循环,经常可以把大量选择缩小为较少的一组可行项;最差也能证明原来的大集合全部可行。偶尔会遇到某种游戏——如果听说过,囚徒困境是著名例子——表中有一处或多处位置对双方都同样有利,于是反复游玩后,预期所有人都会被吸引到那里。博弈论学者以最先论述它的数学家命名,称其为纳什均衡。不过你也不必在意。
所以在本例中,可以把收益表缩减为有意义的数值集合:
出牌者\对手O1O3O5
P2−3+5−3
P4+3−7+9
P6+5+3−11从这里开始求解,同时牢记它并不对称。因此,我们知道 O1=O3=O5,P2=P4=P6,却不知道它们是否全部为零,或者其中一方等于另一方的负数。(我们大概预期 P2 为正、O1 为负,因为打出这张牌的人应该占有优势;但先算再说。)
构造矩阵,用 X 代表 P2、P4、P6 的收益:
−3  +5   −3   X+3  −7   +9   X+5  +3  −11   X和前面的问题一样,可以把它化为三角形式,再求解。欢迎自己试一试!答案列在下面。
求解这张矩阵会得到 O1、O3、O5 的概率;若要知道选择 P2、P4、P6 的概率,就必须沿对角线翻转矩阵,让所有 O 位于左侧、所有 P 位于顶部——这叫作转置。本例还必须把全部数字取负,因为转置后矩阵改从玩家 O 的视角出发,所以收益方向相反:
+3  −3   −5   Y−5  +7   −3   Y+3  −9  +11   Y这也可以正常求解。如果好奇,最终答案大约是:
  • P2∶P4∶P6=49%∶37%∶14%
  • O1∶O3∶O5=35%∶41%∶24%
  • 玩家 P 的期望收益——上面记作 X——为 0.31;玩家 O 的收益——记作 Y——是 X 的负数,即 −0.31。
换句话说,在这款游戏的两人情形里,如果双方都采取最优玩法,发起这张牌的玩家平均只领先不到三分之一点生命。于是,我们确认打出这张牌并拥有额外的数字 6 选项确实构成优势,但优势相当微小。另一方面,突然发生巨大摆动的可能,也许会让它在实际游玩中值得使用——也可能不会——具体取决于所用牌组。当然,多人情形会复杂得多,而这里尚未考虑。
求解三人石头剪刀布至此,两人游戏中几乎所有可能情形都已涉及。对几乎任何两人游戏,都能根据需要组合这些方法。能否把分析扩展到多人?毕竟,许多游戏不只是一对一,还可能有团队或自由混战环境。
如果只有两支队伍,团队很直接:分析时把每队视作一名“玩家”。自由混战较难,因为必须处理多个对手;正如稍后会看到的,每多一名玩家,复杂度往往都会爆炸。三人游戏很烦人,却仍完全可以求解;四人游戏大概是我愿意用今天介绍的任何方法手算的上限。如果是一款六人自由混战的非传递游戏,每人都有不同选项集合,还有一张巨大收益矩阵,为每种组合分别给出每名玩家的收益……嗯,只能说它可以求解,大概需要计算机和专业博弈论学者协助;但到这一步,你不会再想这样做。博弈论学者发现,游戏越复杂,实验室中的真人玩家趋近最优策略所需时间往往越长。这意味着,对高度复杂的游戏,试玩会比用数学证明最优解更能说明“实战”中的真实表现,因为玩家大概无论如何都找不到最优解。所以,面对这种复杂系统,最好试玩……更可能的是,最好简化机制!
来看一个简单多人情形:三人石头剪刀布。规则定义如下:若所有玩家都出同一种手势,或者三人各出不同手势,则为平局。如果两人手势相同,第三人不同——“落单者”——则出获胜手势的人会各从每名失败者那里取得一分。所以,若两人出石头、第三人出剪刀,两名石头玩家各得 +1,不幸的剪刀玩家失去 2 分。反过来,若一人出石头、两人出剪刀,石头玩家得到 +2,另外两人各失去 1 分。(这些数字是为了简单起见,让游戏保持零和;不过,同样方法可以求解任何其他计分机制。)
当然,根据对称性,我们知道答案会像两人版一样是 1∶1∶1。所以,加入与前面相同的变化:用石头获胜计双倍分;由于游戏零和,输给石头的剪刀也会损失双倍。两人情形中,求得石头=剪刀=1/4,布=1/2。现在有两名对手,出剪刀甚至更危险——出石头也可能更加有利——解会改变吗?
使问题可解的诀窍,是从单名玩家视角观察,把所有对手整体视作一个对手。此时收益表如下:
我方\两名对手rrrprspppsss
R0−1+2−20+4
P+2+100−1−2
S−40−2+2+10你也许会说:等一下,这里有三个变量、六个未知数——每名对手各有两个 r、两个 p、两个 s——所以不可能唯一求解。好消息是,游戏对称,因此实际上可以求解;两名对手的概率要放在一起相乘——还记得吗,当要求两个独立事件同时发生时,要把概率相乘。有一点必须小心:对手组合实际有种,而非六种,只是其中一些重复。完整表是:
我方\有序对手组合rrrpprrssrpppsspss
R0−1−1+2+2−200+4
P+2+1+1000−1−1−2
S−400−2−2+2+1+10这只意味着,用最初的矩阵完整展开时,必须记得把 rp、rs、ps 分别乘以 2,因为它们各有两种次序——例如 rp 与 pr。请注意,我没有指明两名对手谁是谁;正如前面所说,这并不重要,因为游戏对称,任一玩家出石头或剪刀的概率,都与其他玩家相同。
由于这里处理的是两个变量的乘积而不是单一变量,收益表不容易写成矩阵。一种办法是把它拆成三张小矩阵,分别对应第一名对手的每种选择,再把每张与第二名对手的选择比较;分别求解三张矩阵,最后把三个解合并。这工作量太大,所以改用代数:完整写出,再看看能否合并同类项、分离出变量。
  • R 的收益=−2rp+4rs−2pp+4ss=0
  • P 的收益=2rr+2rp−2sp−2ss=0
  • S 的收益=−4rr−4rs+2pp+2sp=0
  • r+s+p=1——和往常一样
末尾的“=0”源于游戏对称且零和。
面对这组东西,该从哪里开始?一个有用起点通常是利用 r+s+p=1,把某个变量改写成另两个的表达式,从而消去它;再代入上面的三条收益方程。消去石头——r=1−s−p——并代入,完全展开、合并同类项后,得到:
  • −4p²+2ps−2p+4s=0
  • −2p−4s+2=0
  • 2p²−6ps+8p+4s−4=0
可以用求根公式,在第一或最后一条方程中分离 p 或 s——你知道,就是“负 b 加减 4ac 的平方根,整体除以 2a”。[译者注:原文如此;标准求根公式的根号内应为 b^2-4ac。] 这会产生两个可能解;多数情况下,其中一个会落到 0 至 1 范围之外,因此可被排除——r、p、s 都是概率,必须位于该范围内。
不过,中间方程让事情容易得多,可以把 p 或 s 写成另一个的表达式:
  • p=1−2s
把它代入另外两条方程,会得到相同结果。这说明我们大概走在正确路上,因为各方程没有彼此矛盾:
  • 20s²−26s+6=0
这里确实必须使用可怕的求根公式。展开计算后,得到 s=(26±14)/40,也就是 s=100% 或 s=30%。两个都是有效解吗?要判断,就代入 p=1−2s,以及任何包含 r 的其他方程。
当 s=30% 时,p=40%,r=30%,是有效解。当 s=100% 时,p=−100%,r=100%,无效——p 不能小于零。因此只剩一个有效解:r∶p∶s=3∶4∶3。
事实证明,多名玩家确实会改变“石头获胜计双倍”问题,但结果也许不符合预期:三人时,比例反而比两人时更接近 1∶1∶1!或许是因为“一人出石头、一人出布、一人出剪刀”会形成平局,这让剪刀比两人游戏中风险更低;即使一名对手出石头,另一名也可能出布,把你的双倍损失变成平局。
小结本周学习了怎样用数学评估非传递性机制。这大概是截至目前最复杂的内容,因为它把传递性机制的成本曲线、概率与统计结合在一起;所以我直到课程接近尾声、讲完那些基础以后才介绍!求解时,按以下流程进行:
  • 制作收益表。
  • 消除双方所有被支配选择:比较每一种行组合和列组合,判断任意一对中是否有一行或一列严格优于或等于另一项。不断重复,直到剩余选择全部可行。
  • 从每名玩家的初始选择出发,寻找对手的最佳回应,以找出所有非传递“循环”。
  • 计算其中一名玩家每项选择的收益,把它们全部设为同一个变量 X。在零和游戏里,一名玩家的 X 等于另一名玩家 X 的负数;在对称游戏里,X 为零,所以直接把全部收益设为零。
  • 再加入一条方程:所有选择的概率之和等于 1。
  • 使用代数代入、三角形式矩阵、Excel,或任何能用的手段,解出尽可能多的变量。如果成功求出 X,它会告诉你该玩家的预期收益或损失。把全体玩家的 X 相加,可以判断游戏是零和——X_1+X_2+\cdots=0——正和——大于 0——还是负和——小于 0——以及总体幅度。
  • 如果能为每项选择找到一个介于 0 和 1 之间的唯一值,它们就是采取各项手势的最优概率。不对称游戏需要为每名玩家分别求解。这就是答案。
  • 若超过两名玩家同时作出选择,就选定一名玩家的收益作为参照,把其他玩家视作一个合并对手。超过两人后,每增加一名,数学都会难得多。毕竟,两人时方程全是严格线性的;三人时要解二次方程,四人时是三次方程,五人时则会看到四次方程,依此类推。
还应该指出,博弈论领域极其庞大,涵盖这里没有讨论的其他各类游戏。特别是,我们也可以分析玩家依次而非同时选择的游戏,以及允许玩家事先谈判、恳求或威胁、协调行动等情形——例如正和游戏中,两名玩家可以通过交易或其他合作方式领先对手。这些超出本课程范围;不过如果有兴趣,文末会给两项参考资料。
如果你目前正在制作游戏……想想你的游戏是否包含非传递性机制。如果没有,问问自己,有没有机会或理由把某些传递性机制改为非传递。例如,若制作 RPG,与其安排一串严格一件强于一件的武器,也许可以在游戏某个节点让玩家从数件整体同样优秀的武器中选择,而每件都在不同情境下优于另一件。
如果确实存在非传递性机制,就找出最显著的一项,按照今天的方法分析。提供给玩家的选择中,有没有支配项或被支配项?假定采用最优玩法,玩家选择每个可用选项的预期频率比例是多少?这符合预期吗?是你想要的吗?
作业作为练习,可以先手工复算今天解决的全部问题,熟悉方法。等觉得顺手以后,来看下面这款游戏;它源自我曾在*《幻想水浒传》*系列某一作里见过的小游戏——具体哪一作忘了。原游戏使用 13 张牌;为简化题目,这里改用五张牌。规则如下:
  • **玩家人数:**2 人。
  • **设置:**每名玩家各取五张牌,分别编号 1 至 5。另有第三叠同样编号 1 至 5 的牌,洗匀后牌面向下作为抽牌堆。
  • **游玩流程:**每轮开始时,从抽牌堆翻开一张;本轮分值等于该牌面值。两名玩家随后各从自己的牌中选择一张,同时打出。出牌数字较高者取得本轮分数;若相同,则无人得分。两名玩家把本轮用过的牌放在一旁,不得再次使用。
  • **结算:**五轮全部结束,或任一玩家达到 8 分时,游戏结束。分数较高者获胜。
很容易看出,这里没有单一支配策略。如果对手完全随机出牌——每张各有 20% 概率——只要每轮从手中打出与分值相同的数字,就会大幅领先:翻出 3 时出自己的 3,翻出 4 时出 4,依此类推。可以在 Excel 中洗乱对手手牌,让其随机出牌,再把这种策略与我描述的“匹配分值”策略比较;很快会发现,匹配策略在绝大多数情况下获胜。(若愿意,也可以穷举计算赔率,因为五张牌只有 120 种重新排列方式。)
这是否意味着“匹配分值”是支配策略?当然不是。如果知道对手采用它,我只须在每张牌上都比匹配值高一,到 5 分轮时则出自己的 1,就能把对方打得落花流水。我会丢掉 5 分,却拿下另外 10 分,赢得比赛。“高一”策略支配其他策略吗?不会;“高二”会击败“高一”,“高三”击败“高二”,“高四”击败“高三”,而“匹配分值”又击败“高四”——形成非传递关系。本质上,游戏目标是猜出对手会出什么,再出高一张;若认为对手会出 5,就在那轮出自己的 1。
在这五种策略之间,每一种似乎都与另外几种同样好,因此你也许认为随机选择至少不会更差……然而正如刚才看到的,如果随机出牌,“匹配分值”会击败你!所以,最优策略大概不是 1∶1∶1∶1∶1,而是其他比例。请把它找出来。
如果不知道从哪里开始,可以这样想:对任一次出牌而言,只有五种策略——匹配、高一、高二、高三、高四。算出每项策略贯穿全部五张牌时的收益表。你可以像石头剪刀布一样逐轮改变策略;但第一轮没有其他信息时,只有五项选择,每项都会根据对手行为帮助或伤害你。因此,至少对第一次出牌,应从下面的收益表开始——毕竟第一轮只有五种策略可循,因为双方各只有五张牌:
我方\对手匹配匹配+1匹配+2匹配+3匹配+4
M0−5+3+9+13
M+1+50−7−1+3
M+2−3+70−9−10
M+3−9+1+90−11
M+4−13−3+10+110参考资料下面两项资料对我准备今天的内容很有帮助。
Game Architecture and Design(Rollings 与 Morris 著),第 3、5 章。我第一次了解到用方程组求解非传递游戏的想法,就是在这里。今天尝试比作者在书中走得更远一点;当然,这也意味着书中内容更简单,大概比我这里的讲法更易于理解。而且,你知道,整本书其余部分还讨论了各式各样的其他主题。我仍在读,还不能明确盖上个人推荐印章;但也说不出任何坏话,所以请自行看看、自己判断。
Game Theory: A Critical Text(Heap 与 Varoufakis 著)。我发现这是一本有用、相当容易入门的博弈论导论。唯一警告是,为保持简洁,作者倾向于先定义缩写,随后在余下全文大量使用。这使跳读十分困难:很可能会错过几项关键定义,随后撞见缩写比真正单词还多的句子!
回复

使用道具 举报

     
 楼主| 发表于 2026-9-4 09:44 | 显示全部楼层
本帖最后由 marquez 于 2026-9-4 09:50 编辑

第 10 关:最终头目
发布日期:2010-09-08
阅读英文原文
本周内容欢迎来到本季最后一周。我事先不知道这一周该讲什么,所以故意在教学大纲里把它留成未知项,用来兜住整个夏天冒出的任何有趣内容。结果,我今天想讲四个主要主题,使它成了全部文章中最长的一篇;如果时间有限,建议先加入书签,日后再回来。首先,我想稍微讨论游戏中的经济系统,以及怎样平衡一个由玩家通过主动创造财富与交易来控制的系统。其次,讨论几个此前九周无处安放的常见多人游戏平衡问题。第三,我会稍微技术化一点,分享几项 Excel 技巧。最后,回到去年夏天的“乐趣”概念,谈谈游戏平衡整个主题怎样融入更大的游戏设计图景;因为即使我们已经探得很深,它有时仍感觉像个相当狭窄的话题。
经济系统什么是经济系统?首先,即使日常生活中也常使用“经济”一词,所以应该明确定义。在游戏里,我会用它描述任何游戏内资源。这个范围相当宽:你甚至可以把国际象棋棋子称为“棋子经济”。我会主张,没错,确实可以这样理解;只不过它不太有趣,因为资源无法以任何有意义的方式被创造、摧毁或转移。不过,我们通常视为经济的系统,大多含有以下一种或多种机制:
  • **资源生成:**玩家制作资源,或随时间获得资源。
  • **资源销毁:**玩家为了某种游戏用途消耗资源,或把一种资源转换成另一种。
  • **资源交易:**玩家可以彼此转移资源,通常涉及某种协商或讨价还价。
  • **有限的零和资源:**一名玩家为自己取得资源,会减少其他所有人可用的资源池。
即使单独缺少其中任何一项,我们仍可能把系统视为经济。
与制作关卡设计工具、桌面 RPG 或指标系统一样,在游戏里创建经济系统是一项三阶设计活动,因此可能相当困难。你不只是创造一个供玩家体验的系统;你创造的系统会影响玩家行为,而玩家自己又在你的经济系统内部创造另一套社会系统。玩家实际体验的是二者组合。例如,在*《卡坦岛》*中,玩家经常彼此交易资源;但每种资源的相对价格会不断波动,取决于每个人在任一时刻需要什么——通常,所有人需要的东西不同,迫切程度不同,支付高价的能力也不同。好消息是,至少在经济领域,大量人类行为可以预测。另一个好消息是,游戏内经济为设计师提供许多细小的“设计旋钮”,可以改变体验,因此我们有大量选项。今天就来逐一讨论。
供给与需求首先,需要了解一堂简短的经济学入门课:有些人也许听过供求定律。假设最简单的情形:经济只有一种资源;有极多人口生产该资源并想出售,另有极多人口消费该资源并想购买。还假定该资源的任意单位都彼此相同,所以消费者不必在不同“品牌”之类的东西之间选择。
每名卖家都有一个愿意放手商品的最低价格。有些人的生产成本或生活成本也许低于另一些,所以接受较低售价仍能维持经营;另一些店面更昂贵,或者纯粹更贪婪,因此要求更高最低价。无论如何,可以在图表上画一条供给曲线:任一给定价格位于 x 轴,愿意按该价出售的卖家数量或比例位于 y 轴。也许价格 1 美元时,全世界只有两名卖家愿意出售;5 美元时有十名;20 美元时有一千名;最后,当价格升至 100 美元,每名卖家都愿意成交。对供给曲线只须知道一点:价格上升,供给增加。若十个人愿意按 5 美元卖出,那么 5.01 美元时,至少这十个人仍然接受——既然 5 美元肯卖,显然也肯卖 5.01;此外也许又有几个人终于松口:“好吧,多这一分钱,我们加入。”
另一侧运作方式相同,方向却相反。无论出于什么原因,每名消费者都有愿意或能够支付的最高价格。可以在同一张图上画一条需求曲线,表示任一价格下有多少人愿意购买。与供给曲线不同,需求曲线永远递减。若十个人愿意按 5 美元购买,价格升到 5.01 美元时,运气好也许仍能留住十人;也可能有人退出,说这对他们来说太贵。但绝不会有人拒绝较低价,却愿意按更高价购买。
当然,现实世界中的假设并非总成立。与 20 美元的鞋相比,更多青少年宁愿买 50 美元的鞋,因为价格会带来社交声望。有些卖家也不愿按高得离谱的价格出售,因为觉得这不合伦理;他们宁愿卖得便宜——甚至关门——也不想榨干顾客。但就我们的目的而言,可以假定多数游戏里,价格越高,供给曲线上升,需求曲线下降。精彩之处在这里:两条曲线交叉的位置,通常就是所有玩家不知怎地集体同意的真实市场价格。即使玩家不知道曲线,市场价格也会像魔法一样朝那里移动。如果信息不完全,它不会立刻发生,但仍会相当迅速:按低于当前市价出售的人开始看到其他人以更高价格成交——因为他们不得不这样做——就会说:“嘿,既然他们能卖得更贵,当然也行!”同样,如果消费者高价买了某样东西,又看到身旁那个家伙只花自己一半的钱买到同一种资源,下次一定会要求大幅降价。
这在拥有资源市场的网络游戏中很有趣。如果某款网络游戏允许玩家用游戏币出售或交易游戏内物品,可以看看开发者或爱好者网站是否维护了历史成交价清单——有点像证券市场的行情代码。如果有,就会发现价格随时间略微变化。你也许会问,究竟怎么回事,为什么价格波动?答案是供给与需求都在随时间微调。玩家制作物品并挂牌出售,供给因此不断变化;需求会变化,因为任一时刻在线、正在购买某件物品的都是不同一批玩家。任何允许资源买卖的游戏都能看到这种情况。而且玩家人口并非无限,系统不会完美有效,因此每种物品随时间生产与消费的数量并不相等。
这又指出经济的一项有趣性质:玩家越少,价格越容易波动,因为单一玩家控制的生产或消费份额越来越大。所以,与*《魔兽世界》中某件史诗战利品的价格相比,《卡坦岛》*里一块黏土的价格会在不同局之间——甚至同一局内——大幅改变。
设计师无法直接控制这一点,但至少能够预测。这也意味着,如果设计一款供 3—6 人游玩的交易桌游,可以预期玩家越少,价格波动越剧烈;若稳定市场对游戏运作很重要,也许应在人数较少时增加额外规则进行补偿。
多种资源出现多种商品时,事情更有趣,因为需求曲线会彼此影响。例如,假设有两种资源,但一种可以替代另一种:一个物品提供 +50 生命,另一个提供 +5 法力,而这些法力可用来施放治疗法术、恢复 +50 生命。于是有两件用途相似的不同物品;若一种非常昂贵、另一种极便宜,只须购买便宜的。即使二者不是完美替代,只要替代品价格充分低于真正想要之物的市价,玩家也可能接受这个不完美替代。人们愿意为原品与替代品支付的价差,会告诉你替代品效率多高——也就是它对原品的替代有多“完美”。
反过来,也可能有多种商品,其中一种的需求会提高另一种需求,因为把它们作为整套购买时表现更好——这多少与替代品相反。例如,某些游戏里,收集一套彼此匹配的完整装备会给角色属性奖励;或者每种资源各交一份即可换取奖励。此时,一种资源的需求增长会拉高其他全部资源的需求。而且,一旦玩家已拥有套装中的部分资源,对其余资源的需求会进一步增长,因为已经完成了一部分。
通过创造互为完美或不完美替代品的资源,或者设计几种天然“搭配”的资源,就能改变每一种的需求,进而改变市场价格。
边际定价很久以前讨论数值系统时说过,需求有时取决于你已拥有多少商品。如果某项资源一个也没有,第一份可能极为重要;若已经拥有一千份,再多一个就没有那么有意义。因此,需求会随已持有数量沿递减曲线变化。反过来,如果大量资源能以更高效率换取更大加成,那么每获得一份资源,对更多同类资源的需求可能会增长。供给端同样如此:大量生产某项资源时,每单位成本可能高于或低于少量生产。于是,可以加入这类机制来影响价格。例如,如果玩家每多持有一份商品,回报都会增长,游戏很快会组织成人人争夺单项商品垄断的局面;因为一名玩家拥有游戏中某商品的大多数以后,就会想把剩余部分全部买下。再举一例,如果玩家大量收集某商品时收益递减,而你又希望价格更稳定,让生产成本也递减,可能就很合理。
稀缺性这点大概不需要我说:商品总量有限,会提高需求。营销一直在利用它;公司让你相信某样东西数量有限,促使你立刻购买——哪怕价格更高——因为不想错过机会。所以,仅仅改变某种资源有限还是无限,就能大幅改变游戏感觉。
例如,考虑一款弹药有限的第一人称视角射击游戏。先想象弹药受到严格限制:你只能使用找到的那些,再没有其他来源。这样的游戏更像生存恐怖;玩家会非常谨慎地用弹药,因为永远不知道何时才能找到补充,也不知道何时会耗尽。再与另一款游戏比较:每个区域的敌人会重生,随机掉落物品;商店允许出售随机掉落,再购买任意数量的额外弹药。在这种游戏里,玩家更愿意实验不同武器,因为知道抵达下一家弹药商店后就能把弹药全部补回;它感觉更像典型 FPS。再把后者与弹药完全无限的游戏比较:弹药甚至不再是资源或经济,玩家预期会像一些较新的动作型 FPS 那样,几乎一直射击。三种方法都无所谓“正确”或“错误”,但会提供截然不同的体验。我的要点只是:资源越有限,对它的需求就越高,而立刻消耗的意愿越低——因为以后可能还需要。
如果游戏资源会推动玩家走向胜利条件,把资源设为有限,是控制时长的绝佳办法。例如,多数 RTS 地图只有有限数量的采集点,玩家从中开采有限资源,再用来生产地图上的单位和建筑。既然生产单位所需的核心资源本身有限,玩家最终会用完;一旦耗尽,就无法继续生产单位,为游戏提供某种天然“时限”。调整地图资源量,就能控制这个时刻。如果前五分钟玩家便把地图资源榨干,游戏会相当短;但如果连起始地点附近的初始资源都要一小时才耗尽,玩家大概会在资源枯竭强迫解决以前,先通过军事力量分出胜负。此时,资源有限只是为了避免无限僵局,本质上是给游戏时长设置上限。
在封闭经济的多人游戏中,对严格有限的商品也要非常小心,因为单一玩家有时可能囤积全部资源,实际阻止其他任何人使用。设计师应判断这种情况是否应该可能,是否值得期待;若不希望发生,又能怎样预防。例如,如果资源在玩家真正使用以前毫无用处,而使用后会回到公共供应,那么大概不会成为问题;垄断商品的玩家有动力花掉它们,从而自行解除垄断。
开放经济与封闭经济系统理论中,如果一个系统能受自身之外的事物影响,就称为“开放”;如果系统完全自成一体,则称为“封闭”。经济也是系统,开放经济与封闭经济有不同的设计考量。
多数游戏经济都是封闭系统:只能在游戏内部产生或花费金钱,仅此而已。事实上,若试图把它改成开放系统,有些人会非常不自在。下次玩*《大富翁》*时,试着向一名对手提议:用现实中的 1 美元现金,交换他的 500 元大富翁钞票;看看会发生什么——至少另一名玩家大概会非常恼火!
从设计角度看,封闭系统容易管理得多,因为设计师完全控制系统,知道它怎样运作,也能预测系统变化怎样影响游戏。开放经济困难得多,因为我们不一定仍然控制系统。
游戏中开放经济的一个简单例子,是允许玩家追加买入的扑克。如果玩家能把任意多金钱带到牌桌,足够富有者就可能获得不公平优势;双方技巧相同时,他只须不断购买更多筹码,直到运气转向自己。为解决这一平衡问题,锦标赛通常会限制或禁止追加买入。
开放经济还会在 CCG 中造成问题:花钱更多的玩家可以买更多卡牌,拥有更大收藏。理想情况下,为保持平衡,我们希望更大收藏给玩家更多选择,而不是更多力量。所以我认为,至少若想最大化玩家基数,稀有度不应成为此类游戏成本曲线的一部分。如果钱更多就永远获胜,就相当于为游戏内经济设定了一条最低消费门槛,只有跨过才能参与竞争。而在现实世界中,同样存在供给与需求曲线;初始必需投入越高,愿意付款的人越少,玩家基数也就越小。
另一些游戏允许用现实现金购买游戏内物品,这是免费 MMO 与 Facebook 游戏的典型模式。开发者必须谨慎确定玩家究竟能买什么、不能买什么。如果可以购买相对对手的优势,尤其在天然具有竞争性的游戏中,平衡很快就会被摧毁。(在 FarmVille 这类本来也没有多少竞争的游戏里,问题较小。)
有些设计师会故意这样破坏平衡,认为只要为取得游戏优势提供金钱激励,玩家就会大把付费。公平地说,有些人确实会;如果核心机制本身没有多少吸引力,这也许是唯一能退守的赚钱手段。不过,若从一开始就抱着这种目标,我会称它为懒惰设计。更好的方法,是先做出一款人人都真正值得游玩的游戏,再允许玩家用钱换时间。例如,再玩几小时就能解锁下一项内容;玩法本身足够有趣,所以不会觉得游戏在武断地强迫刷取。但如果愿意花几美元跳过等待,游戏也允许。这样,金钱不会自动提供玩法优势,只会加快本来就存在的进程。
开放经济的最后一个例子,是任何允许玩家在游戏内交易或“赠送”资源的作品,最常见于 MMO。只要出现这种机制,几乎可以肯定会形成次级经济,玩家用现实金钱交换虚拟物品。只须用 Google 搜索“World of Warcraft Gold”,大概就能找到几百个网站:既能用现实现金购买金币,也能把金币卖给网站换取现金。如果设计带有任何交易机制的网络游戏,可以考虑几种方案:
  • 可以直接规定,用现金交易物品违反服务条款;任何被发现这样做的玩家都会被封号。主要问题是,它会制造庞大的客服负担:各种玩家会抱怨账户遭禁,而即使只给他们发送一封附上服务条款的模板邮件,也要花时间。在 Diablo 这类没有真正游戏内交易机制、玩家只是把东西丢在地上再让别人捡起的游戏里,追踪也非常困难。如果交易集中在某处而容易追踪,而你真的不希望人们用现金购买游戏内商品,就应该问问自己:为什么由你设计并建造的交易系统一开始允许这种事?
  • 可以说开放经济没问题,但开发者不提供支持;若有人拿了钱却不给货,那是玩家自己的问题,与开发者无关。遗憾的是,它仍然是开发者的问题,因为你一定会收到各种客服邮件,声称自己遭到诈骗。不论是否修复,都必须处理这些邮件。若不修复,就得接受流失部分客户、在社群中制造恶感;若修复,则要接受玩家会把你视为“安全网”,这反而让他们更容易受骗,因为他们会信任他人,心想对方若不诚实,只须给客服发邮件解决。尝试制裁骗子,是一场永远打不赢的打地鼠。
  • 可以把交易正式纳入游戏,包括接受现金付款的能力。好消息是,玩家再也没有任何借口。据我了解,Sony Online 在部分游戏中这样做后,最大收益之一是客服成本下降约 40%;对大型游戏而言十分可观。坏消息是,你一定应该为此咨询律师,确保不会因为储存玩家金钱,意外违反某国银行法律。
还要考虑是否允许玩家把整个角色连同密码一起出售。Facebook 游戏的问题较小,因为一个 Facebook 账户与所有游戏相连,不容易整个送人;MMO 则让每名玩家在你的服务器上拥有独立账户,不与其他内容绑定,这种事一定会发生,所以必须决定怎样处理。(好的一面是,出售整个角色不会破坏游戏平衡。)
无论如何,还是要保证任何可交易内容都不会在单一玩家用现金大量购买游戏内物品时破坏平衡。一种常见预防模式是给物品加限制。例如,可以购买一套非常酷的护甲,却必须至少达到 25 级才能穿。
通货膨胀还记得吗,需求曲线取决于每名玩家愿为某项资源支付的最高价格。通常,我们希望把需求曲线视作固定的东西;在线的玩家或情境不同,也许会略微波动,但时间拉长后应该趋于平衡。不过,有几种情形会让需求曲线永久向一个方向移动;对我们来说最重要的,就是每名玩家愿意支付的最高价上升。
为什么愿意支付的金额会变化?主要原因是购买力提高。如果一夜之间把你的收入翻倍,而星巴克把咖啡从 5 美元涨到 6 美元,只要以前喜欢其咖啡,你大概仍愿支付新价格,因为现在负担得起。
它在游戏中怎样发生?考虑一套正和经济:我可以创造财富与商品,而不让其他人失去它们。正如以前讨论过的,桌游*《大富翁》的现金经济如此,《卡坦岛》的商品经济如此,多数 MMO 的金币经济也如此。这意味着玩家会随时间变富。当经济中的货币总量增加——尤其平均每名玩家持有的货币增加——就会出现所谓通货膨胀*:更多人愿意支付高价,使需求曲线向右移动;随后,每种商品的市价上涨作为补偿。
在*《卡坦岛》中,这不影响平衡。进入后期、愿意用大量东西换取所需资源时,你已经离胜利很近,其他人无论如何都不会再与你交易。在《大富翁》里,正如前面提过,主要问题是经济为正和,游戏目标却是让对手破产。这里可以看到一种解决方案:把胜利条件改成“第一个拥有 2,500 美元的玩家获胜”或类似内容。在 MMO 中,通胀对现有玩家不是问题,因为他们毕竟确实愿意付更多;但对新*玩家却是重大问题。他们进入游戏,发现每玩五小时只能赚一枚金币,任何值得拥有的东西却价值数百万;而且永远无法真正追上,因为等他们开始赚更多时,通胀仍会继续。因此,如果经营一款允许玩家自由进入、退出的 MMO,通胀是必须考虑的重大长期问题。解决有两条路:降低经济的正和程度,或者添加负和元素,抵消正和元素。
负和元素有时称作“货币回收口(money sinks)”,也就是某种把金钱永久移出玩家经济的机制。诀窍是平衡正负两端,使它们平均彼此抵消。一个好办法是实际采集游戏内货币总量与人均货币指标,随时间追踪,观察它们在增长还是减少。货币回收口有许多形式:
  • 玩家因任何东西付给 NPC 商人的金钱,尤其当购买的是使用后永久消失的消耗品时。
  • 玩家必须支付的任何维护费用,例如定期花金币修理武器与护甲。
  • 玩家在游戏中死亡时损失部分金钱——或者物品、属性及其他需要花钱补回的东西。
  • 限量提供高身份象征物品;如果这些物品纯属装饰、不会提供玩法优势,少数玩家购买时就能从经济中移除巨额现金。
  • 虽然我不知道有没有游戏这样做,但现实里确实有效:设置“冒险者税”,要求所有玩家定期按财富比例缴纳。这不仅鼓励消费,也会惩罚对通胀责任最大的玩家。另一种做法是真正重新分配财富:不只是从经济中移除货币,而是从最富玩家手里转移一部分,分给最穷者。单看这一项属于零和,未必解决通胀;但至少会给新玩家追赶机会,使其财富随时间增长。
降低经济的正和性质稍难,因为玩家已经习惯出门杀怪、捡取战利品。如果怪物数量有限、不会重生,世界很快就会被杀得空空荡荡;如果完全不给奖励,玩家又会怀疑,自己究竟为什么要杀怪。理论上,可以这样做:
  • 怪物掉落战利品,但不掉金币;而且玩家不能出售或交易掉落物。它也许会让当前装备稍好一点,仅此而已。
  • 玩家完成任务时获得金币,但每项任务只在第一次完成时发放,所以游戏任一节点能持有的金币有限。玩家之间不能交易金币。
  • 玩家可以用金币在商店购买特殊物品;本质上,玩家是在选择为角色购买哪些特殊优势。
最后还有一种办法:偶尔重置服务器,让所有人失去一切,从头开始。这并不解决通胀——周期末尾加入的新玩家仍毫无追赶机会——但它至少意味着,只要等到全面重置,重置以后就能与其他人拥有同样机会。
交易有些游戏会在经济系统中大量使用交易与以物易物机制。只要玩家有交易的理由,交易就能成为很有意思的机制;通常,这个理由是游戏中存在多种商品,而每种商品对不同玩家的价值不一样。在*《卡坦岛》中,如果你想建造城市,羊对你几乎没用,但它很适合用来建造村落。在《大富翁》中,单独一块同色地产价值不大,可当你拥有其他同色地产后,它就会强大得多。在《魔兽世界》*中,一件你的角色职业无法装备的物品对你没多大用处,无论它能给别人带来多高的属性加成。只要让每名玩家都拿到一批对别人比对自己更有价值的东西,你就给了玩家交换资源的理由。
交易机制通常会形成负反馈循环,在封闭经济中尤其如此。玩家一般更愿意给落后者开出有利条件;面对领先者,他们则会期待自己占到更多便宜,否则干脆不交易。
把交易纳入游戏的方法有很多,并不是简单说一句“玩家可以交易”就完了……不过这是好事,因为它让你能大幅掌控玩家体验。以下是一些值得考虑的选项:
  • 玩家能否把未来的行动写入交易条件(“我现在给你 X,换你现在给我 Y,以后再给我 Z”)?如果可以,未来承诺是否具有约束力,还是玩家可以反悔?
    • 禁止未来交易会让交易更简单;一旦允许未来对价,玩家就可以说是“赊购”,这往往会让交易复杂起来。另一方面,这也会赋予玩家更大的空间,去达成有意思的协议。
    • 如果未来承诺没有约束力,玩家在订立这类协议时往往会谨慎得多、疑心得多。你需要思考:你希望玩家天然互不信任、彼此猜疑,还是想尽可能激励玩家寻找合作方式?
  • 玩家是否只能交易某些资源,而不能交易另一些?例如,在*《卡坦岛》中可以交易资源牌,却不能交易胜利点或发展牌;在《大富翁》*中,除了已经建设的地产外,其他东西都可以交易;另一些游戏则允许什么都拿来交易。
    • 可交易的资源当然比其他资源流动性高得多。有些资源可能强大到任何头脑正常的人都不愿拿去交易,比如胜利点;把它们直接设为不可交易,也能防止玩家因做出糟糕交易而毁掉整局游戏。
  • 玩家是否只能在特定时点交易?在*《卡坦岛》中,只能在当前行动玩家建设之前与其交易;在《种豆得豆》中,每名玩家的回合都包含一个交易阶段;在《大富翁》*中,则可以随时与任何人交易。
    • 如果玩家随时都能交易,就要考虑他们能否以“即时速度”响应游戏事件,因为对事件即时反应的能力有时会失衡。例如,在*《大富翁》中,理论上你可以在缴纳所得税前把全部财产转给另一名玩家,落到该格并完成结算后再全数拿回来;作为提供“避税港”服务的报酬,你可以给对方一小部分,例如 5%。总之,务必把玩家究竟何时可以、何时不可以交易规定得非常*清楚。
    • 如果游戏中的交易机会很少,例如每隔几个回合才能交易一次,那么交易阶段通常会更久,因为玩家有更多时间积攒可交易资源,因而很可能有大量交易要谈。
    • 如果这成了问题,可以考虑加入计时器,限制玩家在交易阶段内达成协议的时间。
  • 游戏是否要求所有交易等量(例如一张牌换一张牌),还是允许不等量交易(*《卡坦岛》*允许双方牌数不同,但双方至少各出一张;其他游戏也许允许完全单方面“赠送”)?
    • 要求等量交易会限制玩家的行为,减少交易次数;但由于讨价还价的空间变小,交易也会进行得更快,而且较弱玩家通过糟糕交易把胜利拱手送人的机会也会减少。
    • 我甚至可以想象一种强制交易不等量的游戏:只要交易,就必定有一方吃亏。
  • 交易的数量有限制,还是不受限制?这里有个特别的问题,即潜在的“造王者”现象:一名玩家意识到自己不可能获胜,但领先的两名玩家胜负难分,于是落后者可以选择把所有东西“赠送”给其中一人,让那个人获胜。有时社交压力会阻止人们这样做,但在锦标赛或其他“正式”比赛中必须非常小心,因为奖品带来的经济激励可能压过体育精神(我确实参加过一场比赛,冠军奖金 20 美元、亚军 10 美元,而我当时能决定谁拿哪份奖金,于是我把自己的棋子拍卖给了出价最高的人)。
  • 交易是直接的,还是间接的?通常交易会直接完成:我给你 X,你给我 Y;但也可以设置某种“交易税”,例如把赠与或交易价值的 10% 扣除并交给银行,以此限制交易。这听起来很奇怪——既然要打击交易,为什么还要把它设计成机制?但在某些游戏里,交易可能过于强大,例如两名玩家组成互惠的贸易联盟,使双方都能领先于所有其他玩家;这时为了避免交易压倒游戏的其余部分,也许就必须加以限制。
  • 是否存在让一名玩家违背另一名玩家意愿、强制与其交易的方式?交易通常要求双方同意条件,但你也可以加入机制,让玩家在特定条件下强迫别人交易。例如,在一款收集套装的游戏中,可以允许每名玩家每局一次,强制用一件价值较高的物品,换取对手一件价值较低的物品。
拍卖拍卖机制是交易的一种特殊情形:一名玩家把自己的东西拍卖给其他玩家,或者“银行”凭空创造一件物品,把它拍给出价最高者。拍卖往往是一种自我平衡机制,因为最终由玩家决定某样东西值多少钱;所以,如果不知道某件东西该如何定价,就可以把它拿去拍卖,让玩家决定。(不过,这是一种懒惰的设计。拍卖在实际成本会变化、因玩家而异、并取决于具体情境时效果最好,因为判断其价值会随每局游戏而变,玩家每次才会真正面对有趣的选择。如果某个效果永远值同一个数额,那么玩家一旦弄清其价值,“拍卖”便失去了意义;他们只会按其价值出价,然后结束。)
拍卖是“支付意愿”非常纯粹的一种形式,因为每名玩家都必须判断自己实际愿意付出多少,才能报出合适的价格。许多时候还存在元游戏层面的考量:不只是“我自己多想要它”,还包括“我有多么不愿让某个对手得到它,因为那会使对方过于强大”,甚至是“我并不想要它,但想让对手多付一点,所以我要把价格抬高,并承担最后砸在自己手里的风险”。
拍卖中有一点很有意思:通常,如果拍品归出价最高者,直觉上它会以所有竞拍者中最高的支付意愿成交——这当然也是拍卖者想要的结果,即获得最高价格。但现实中,实际成交价通常介于最高与第二高的支付意愿之间,而且往往更接近第二高者;当然,具体情况取决于拍卖类型,有时成交价会低得多。
正如交易有许多形式,拍卖也有许多形式。以下是几个例子:
  • 公开拍卖。 这是大多数人想到拍卖时首先想到的形式:任何玩家都可以随时报出更高价格;无人继续加价时,便有人喊“一次、两次、成交”。如果所有人都拒绝报出超过自己最高支付意愿的价格,那么支付意愿最高者会以比第二高支付意愿多一个单位的价格买下物品。这使拍卖缺乏效率——这里的意思是,理想情况下,你希望它按最高价格售出——不过我们会看到,这是大多数拍卖共有的问题。
  • 固定价拍卖。 按回合顺序,每名玩家依次选择按给定价格购买或放弃;这样轮流下去,直到有人接受,或者所有人都放弃。这会让第一名玩家占优,因为他比所有人更早获得买或不买的选择权;如果给定价格低于第一名玩家的支付意愿,差额就留在了他自己的口袋里。因此,这种拍卖的效率取决于固定价格定得有多准。
  • 环形拍卖。 按回合顺序,每名玩家可以加价(高于前一个报价),也可以放弃。竞价只绕一圈,最后一名玩家决定是比当前最高价多出一个单位,还是让另一名玩家拿走拍品。这会让最后一名玩家占优,因为对他来说,这相当于固定价拍卖,而且不用担心被别人再度抬价,所以他也许能以低于最高支付意愿的价格成交。
  • 暗标拍卖。 每个人秘密且同时选定报价,再一同公开,由最高价者胜出。由于两名或更多玩家有时会报出相同的最高价,你需要设置处理平局的机制。它往往带有一些非传递性,因为玩家不仅要判断自己的最高支付意愿,还要判断其他玩家的支付意愿。如果拍品对你比对其他玩家更有价值,你可能会报出低于自己上限的价格,因为你预计别人的报价更低,所以自己低价也能获胜。
  • 荷兰式拍卖。 这种拍卖在美国较少见,因为它需要某种专用设备。拍品从高价起拍,某种计时器会按固定速率降低价格,例如每秒降 1 美元;第一个接受当前价格的玩家获胜。理论上,价格一降到支付意愿最高者的上限,他就应该接受;但如果他愿意等待、试图获得更低价格——同时承担错失拍品的风险——就可能产生有意思的张力。如果玩家能实时“读懂”彼此的表情,判断谁有兴趣、谁没兴趣,这里也可能涉及虚张声势。
即使选定了拍卖形式,拍卖物品的方法仍有很多:
  • 最常见的方式是每次只拍卖一件物品;出价最高者获得物品,其他人一无所得。
  • 有时会用选秀形式同时拍卖整套物品:最高出价者先选,第二高者接着选,依此类推。最低出价者拿到别人都不要的那一件……如果你想激励玩家提高报价,也可以让他什么都拿不到。换句话说,即使玩家并不特别想要任何一件具体物品,为了避免最后一无所得,他也可能愿意支付一小笔钱。反过来,如果想鼓励玩家通过零报价省钱,让最后一名竞拍者“免费”得到一件物品是个好办法——当然,如果多人都报零价,你就需要某种方式打破平局。
  • 如果拍卖获胜需要负反馈,以免同一名玩家连续赢得太多次,那么可以给所有未获胜者——甚至只给最低出价者——一项赢得下一场拍卖的加成。
  • 有些拍卖称作负向拍卖,因为它们反过来运作:不是最高出价者获得好处,而是最低出价者遭遇坏事。此时,玩家竞价购买的是“不让坏事落到自己头上”的权利。这也可以与其他拍卖形式结合:如果最高出价者能从最低出价者手中拿走东西,那么即使玩家并不想得到什么,也有提高报价的动力。拍卖游戏*《龙石之拳》有一种非常有意思的变体:最高出价者会从第二高出价者手中拿走东西。这意味着,只要你参与竞价,就必须确保自己获胜而不能拿第二!另一方面,如果只有一个人出价,那么其他所有人就都并列第二,出价者可以从任一对手手中拿东西;所以有时不*出价同样危险。
即使已经决定谁得到什么,仍有几种方式可以规定谁来支付其报价:
  • 单件物品拍卖最常见的规则是:最高出价者支付自己的报价,其他玩家分文不付。
  • 如果出价最高的两名玩家都要支付报价(但最高者得到物品,第二高者什么都得不到),那么报低价或中等价格会突然变得非常危险,拍卖也会变成一种非传递性机制:你要么想报得比所有人都高,要么就要低到不会损失任何东西。这最常见于暗标拍卖,因为玩家永远无法确知对手究竟报了多少。如果把这种规则用于公开拍卖,局面很快就可能失控,因为领先的两名竞拍者都会觉得,支付超过对手的边际成本,总比损失自己当前押上的金额划算。例如,假设用这种方式拍卖一张一美元钞票,最高价为 99 美分,第二高价为 98 美分,那么第二高者就有动力把价格加到 1 美元——这样他至少能不赚不赔,而不是损失 98 美分;这又会荒谬地激励原本报 99 美分的人出到 1.01 美元,因为在这种情况下,他只损失 1 美分,而不是 99 美分。若双方都遵循这套逻辑,他们可能永无止境地相互加价!
  • 最高出价者可以赢得拍卖,却只需支付等于第二高报价的金额。博弈论通过一些我不会在这里重复的数学推导告诉我们:在采用这套规则的暗标拍卖中,最佳策略就是报出自己的最高支付意愿。
  • 在某些情况下,尤其是每名玩家都能得到东西、而最高出价者只是最先选择时,你也许会要求所有玩家都支付自己的报价。如果只有最高者能得到东西,这会使并非真想获胜的玩家不敢轻易报价;不过在一连串这样的拍卖中,玩家可以选择在一两场拍卖中“全押”以确保获胜,也可以把资金分散,在没有其他人出价时设法廉价拿下许多东西。
  • 如果只有最高和最低出价者付款,玩家同样可能受到激励,报出高于通常水平的价格:赢当然很好,但若能不损失任何东西则更好。你也许需要强制设置一个最低报价,让竞拍者始终有一些可能损失的东西(否则玩家可以报零价,不受任何惩罚)……不过,如果允许零报价,低价看上去反而会安全,因为总可能有人自己报零,从而保护你不必损失报价。
  • 如果除最低出价者外,其他所有人都要支付报价,这实际上会激励玩家要么报得特别高,要么报得特别低。
即使知道谁必须支付哪一份报价,你仍要决定拍卖所得的金钱去往何处:
  • 通常是直接付给“银行”——也就是从经济中移除,造成通货紧缩。
  • 也可以付入某个暂存池,由它收集拍卖款,并在游戏稍后满足某项条件时重新分配给一名或多名玩家。
  • 最高报价还可以用多种方式支付给一名或多名其他玩家,使拍卖部分或完全成为零和。例如,可以把报价平分给所有其他玩家。桌游*《拉斯科》*有一种很有意思的竞价机制:按回合顺序,每名玩家要支付一枚筹码才能留在竞拍中;轮到自己时,玩家也可以选择退出,并拿走截至此刻所有玩家共同支付的全部筹码。拍卖由余下玩家继续。因此,玩家必须自行判断:现在退出、获得足够多的拍卖筹码以便日后赢得更多拍卖,是否已经划算;还是值得再留一轮,希望其他人也都留下,从而增加自己退出时的收益;又或者干脆继续坚持,争取赢下拍卖。
最后,无论采用哪种拍卖,都必须决定无人出价时怎么办:
  • 可以让某名玩家免费(或以最低成本)得到物品。如果所有人事先都知道那名玩家是谁,其他玩家就会有动力出价,纯粹为了防止别人免费得到物品。当玩家知道默认结果是某个对手获得奖励时,往往会有人愿意率先报价。如果大家不知道那是谁——例如随机挑一名玩家免费获得物品——那么玩家可能更愿意不报价,因为每个人的中奖机会都一样。
  • 另一种办法是给拍卖增加额外诱因,然后重新举行。如果拍卖一份资源却无人想要,就加入第二份资源,再把组合拿去拍卖;若仍无人想要,就加入第三份,依此类推,直到终于有人认为它值得购买。
  • 或者采用最常见的处理方式:丢弃物品,无人获得,然后游戏就像从未发生过这场拍卖一样继续。
不用说,建立游戏内经济时需要考虑的事项非常多!与多数事情一样,这里没有绝对正确或错误的答案;但我希望自己至少提供了一些不同选项,以及这些选项可能带来的影响,供你思考。
解决多人游戏中的常见问题接下来的内容似乎放在课程其他任何地方都不合适,所以我把它留到这里。如果显得有些突兀,原因就是如此。在只能有一名胜者的多人自由混战游戏中,经常会出现几个问题。它们究竟算平衡还是失衡,要看具体游戏;但它们通常都不太有趣,因此必须非常谨慎地处理。
龟缩有一个问题尤其常见于战争游戏,或其他玩家会直接相互攻击的游戏:当你与另一名玩家交战时,即使你赢了,相对于所有其他玩家而言,你们双方仍然都被削弱。聪明的玩家会据此尽全力避免任何战斗,转而加强防御,让自己成为不那么诱人的目标;等其他玩家相互厮杀、人人都陷入虚弱状态时,他再扑上去收拾残局。这里的问题在于,系统本质上是在奖励玩家不与彼此互动;如果互动正是游戏的乐趣所在,你应该能看出为什么这件事需要修正。
平衡问题在于:发动攻击——也就是实际去玩这款游戏——并不是最优策略。最直接的解决办法,是奖励或激励进攻。桌游*《风险》*就是一个简单例子:进攻方和防守方都会损失军队,所以通常谁都不想攻击;于是游戏费尽心思,通过提供进攻奖励来避免龟缩。控制更多领土,意味着只要守住它们,下回合就能获得更多军队;控制整片大陆也有同类奖励;此外还有可以兑换军队的卡牌,而你只有发动攻击才能获得卡牌。
另一种解决办法,是让玩家实际上无法做到进攻,从而迫使问题发生。比如,*《瘟疫与灾害》《家族生意》*都是轻量卡牌游戏,玩家每回合抽一张牌,再打出一张牌。少数牌具有防御性质,但大多数牌都会伤害对手;而你每回合都必须打出一张,甚至还必须选择一名对手作为目标。因此用不了多久,你就会被迫攻击某个人——根本不可能避免树敌。
围攻领先者与隐藏实力在玩家能够直接彼此攻击的游戏中,尤其是当谁领先一目了然时,一个常见问题是:所有人默认都会联合攻击领先者。一方面,这可以充当游戏里有用的负反馈循环,确保没有人领先太多。另一方面,玩家往往会矫枉过正——不是仅仅遏制领先者,而是把他彻底摧毁——于是表现良好反而像是在受罚。
为了应对这个问题,一种新的动态会出现,我见过有人称之为 sandbagging,也就是隐藏实力。其思路是:如果当领先者很危险,那么你就应该待在第二名。某名玩家一旦表现好到可能夺得领先位置,就会故意采用次优打法,以免自己成为目标。与龟缩一样,问题在于玩家并没有真正玩你设计的游戏,而是在绕开它。
好消息是,这个问题必须由许多条件共同作用才会发生;只要在事件链的任何一处将其切断,就能解决问题。
  • 玩家需要有办法联合起来,“围攻”单一玩家;如果你让玩家很难或根本无法组成联盟、协调策略,那么攻击领先者就不可能发生。在赛跑中,参赛者实际上无法“攻击”彼此,所以马拉松里不会出现围攻领先者的策略。在第一人称射击游戏的多人死亡竞赛中,玩家可以相互攻击,但行动节奏太快,很难协同行动——说实话,除了向附近任何人开枪以外,几乎什么都来不及做。
  • 即使玩家能够协调,他们也必须能判断谁是领先者。如果游戏采用隐藏计分,或者达成最终目标的路径很多,以至于谁离胜利最近并不明确,玩家就不知道该对付谁。许多欧式桌游正因如此,要求玩家把自己的胜利点保密。
  • 即使玩家既能协调,知道该攻击谁,只要游戏本身已经内置让落后者追赶的机会,他们也不必这样做。有些欧式桌游只在几个规定时点计分,而且越往后的计分机会价值越高。因此在一轮进行到中途时,谁领先未必总是一目了然;玩家也知道,即使某人在第一次计分中拿到最多分,进入最后一次计分时充其量也只有一点微小优势。
  • 即使玩家既能协调、又知道该攻击谁,游戏系统仍可以让这种策略得不偿失,或者提供其他策略。例如,在*《风险》中,人人攻击领先者从某些角度看当然可以说是好策略;但另一方面,游戏也*会激励你攻击较弱玩家,因为消灭一名玩家后,你会获得他的卡牌,从而得到大量军队加成。
  • 又或者,由于围攻领先者属于负反馈循环,“教科书式解法”是加入一个与之抵消的正反馈循环,帮助领先者抵御攻击。如果你想要一种从人人平等开始、最终演变成一人对多人的动态,这也许正是合适的做法。
如果选择移除围攻领先者这项负反馈,就要注意:假如你原本依赖它维持游戏平衡,那么现在可能会留下一个失衡的正反馈循环,天然地帮助领先者。因此,可以考虑加入另一种负反馈,补偿被移除的这一种。
造王另一个相关问题是:一名玩家已经落后太多,不可能获胜,他所处的位置却足以决定另外两个人中谁获胜。有时这会直接发生——在含有交易与谈判的游戏中,落后玩家可能干脆向某名领先者提供特别有利的交易,把整局胜利送给他。有时则会间接发生:按照游戏规则,落后玩家必须在两种行动中选择一种;而所有人都很清楚,选其中一种会让某名玩家获胜,选另一种则会让另一名玩家获胜。
这种情况并不理想,因为它让结局失去高潮:胜者并非凭借更高超的技巧获胜,而只是因为某个输家更喜欢他。当然,在高度依赖外交的游戏中——例如桌游*《外交》——这也许可以接受;毕竟,那款游戏的全部核心*就是劝别人按你的意愿行事。但在多数游戏里,两位潜在胜者都会觉得最终胜利并非真正实至名归,因此设计师通常会想方设法避免这种局面。
与围攻领先者一样,许多条件必须同时成立,造王才会成为问题;你可以消除其中任意一项:
  • 玩家必须知道自己的排名。如果没有人知道谁在赢、谁在输,以及哪些行动会让某名玩家压过另一名玩家获胜,那么玩家就没有理由刻意帮助某个对手。
  • 最后一名必须知道自己无法获胜,只能帮助别人获胜。如果每名玩家都相信自己还有胜算,就没有理由把胜利白送给其他人。
  • 或者,可以减少乃至消除玩家相互影响的方式。如果最后一名没有任何机制可以帮助别人,就不可能造王。
玩家淘汰许多双人游戏的核心就是消灭对手的部队,所以多人游戏沿用这种模式也很自然。问题在于,一名玩家被淘汰、其他人却仍在继续时,这位败者只能坐着等游戏结束;无所事事地坐在那里、不能玩游戏,并不好玩。
如果游戏非常短,这就不是问题。整局只持续两分钟,而你在还剩 60 秒时被淘汰——谁在乎?坐一会儿,等下一局开始就好。同理,如果玩家直到游戏后期才会被淘汰,通常也没有问题。若一场两小时的游戏在 1 小时 50 分左右才开始有人出局,那么相对而言,等待游戏结束、下一局开始不会显得很久。真正麻烦的是,玩家很早就可能遭到淘汰,此后却必须坐在那里无休止地等待。
有几种机制可以处理这个问题:
  • 可以改变玩家淘汰的性质,也许降低玩家消灭对手的意愿,使他们只有在认为自己强大到足以消灭所有人、直接赢得游戏时,才会真的动手。桌游*《黄昏帝国》*让攻击对手变得极其危险,因为一场战争可能令你门户大开;因此玩家往往要等到确信自己能占到优势才会进攻,而这通常要到游戏后期才会发生。
  • 也可以改变胜利条件,彻底取消以淘汰为目标。如果目标是取得 10 点胜利点,而不是消灭对手,那么玩家可能会忙着收集胜利点,无暇太过关注淘汰别人。卡牌游戏*《光明会》*设有淘汰玩家的机制,但胜利条件是收集足够多的卡牌,而不是消灭对手,所以玩家并不经常遭到淘汰。
  • 一种有意思的解决方案,是在第一名玩家被淘汰时强制结束游戏。这样一来,胜者不再是最后仍然存活的人,而是首名玩家出局时,按某项标准衡量处境最好的人。如果玩家可以相互帮助,那么当一名玩家濒临淘汰时,场上会形成一些紧张的联盟:领先者希望那个人出局,其他所有人却都想帮助这名落后者留在游戏中!例如,卡牌游戏*《红心大战》就是这样运作的。电子游戏《圣铠传说 IV》*(世嘉 Genesis 版)的多人战斗模式也采用过类似做法:一旦有玩家遭淘汰,就开始 60 秒倒计时;即使届时仍有数人存活,本轮也会结束。
  • 还可以让被淘汰的玩家在出局后仍有事情可做。也许游戏中有一些 NPC,通常按照某套规则或算法行动;你可以把它们的控制权交给被淘汰者(我的游戏小组曾给桌游*《巫师大战》加入这条自订规则:被淘汰的玩家接管棋盘上的所有怪物)。《宇宙遭遇战》通常最多支持六名玩家,但也加入了“场外指点”机制,为第七名玩家提供规则:第七名玩家可以到处走动、查看别人的手牌并向他们透露信息……同时,他有一个秘密目标,要设法让某位特定玩家获胜,所以在传递信息时也可能撒谎。在《黑手党/狼人》*及其他变体中,被淘汰者可以观看剧情展开;即使无法互动,旁观本身也很有趣,所以大多数玩家并不介意转为“观众”。
Excel每一位游戏设计师迟早都确实需要学会 Excel。你们当中有些人可能已经经常使用它;如果没有,就应该熟悉它的操作。因此,请把接下来的内容视为一篇简短导论,介绍 Excel 的工作方式及其在游戏设计中的用法,同时穿插一些我从亲身经验中总结的小技巧。已经精通 Excel 的读者,请耐心一点;我希望至少还能向你展示一两个以前不知道的小功能。注意:我假定你使用的是 PC 版 Excel 2003;如果使用其他版本或平台,下面列出的具体组合键可能有所不同。
Excel 是一种电子表格程序。如果你不是财务分析师,这个说法大概完全不知所云;更简单的理解是:Excel 是一款让你用列表或网格储存数据的程序。最基本的用法,是把购物清单或待办事项按一列记录;如果想另设一列追踪是否完成,这也是完全正当的用法(我处理过许多不过如此的电子表格,例如电子游戏里的美术或声音资产清单,以及它们当前的状态列表)。Excel 的数据储存在一系列行与列中,每行有数字编号,每列有字母编号,每一条数据位于某一行与某一列的交叉处。每个这样的数据位置称作一个单元格(cell,这个词也见于“手机” cell phone 或“恐怖组织小组” terrorist cell),并用所在列和行来指代,例如“A1”或“B19”。你可以用方向键在单元格之间移动,也可以用鼠标点击。
向单元格输入数据一般来说,每个单元格可以容纳三类内容之一:数字、书面文本,或计算公式。数字很简单:在顶部的编辑栏中输入一个数字,然后按 Enter;愿意的话,也可以单击绿色小勾。文本同样简单,按同样方法输入所需文字即可。如果想输入看起来像数字或公式的文本,却希望 Excel 把它当作文本处理,该怎么办?在内容开头加一个英文单引号('),之后便可以随意输入;Excel 会明白你希望该单元格按文本处理。
输入公式时,要用等号(=)开头,后面接想让它计算的内容。大多数时候,你只需要简单算术,可以使用 +、-、* 和 / 字符。例如,键入 =1+2 并按 Enter,单元格中会显示 3。还可以引用其他单元格:=A1*2 会获取 A1 单元格的内容、乘以 2,再把结果放进你输入公式的那个单元格。真正妙的是,只要改变 A1 的数值,所有引用它的公式都会自动变化;这正是 Excel 为你节省大量时间的核心功能。事实上,即使插入新行、导致所引用单元格的实际名称改变,Excel 也会修改公式,更新其中的引用。
添加批注假设你想在某个单元格里给自己留一条说明。一种办法当然是在旁边再放一个文本字段;不过正如你将看到的,要让大量文本显示在那么小的单元格中并不容易——当然可以全部输入进去,但有时并不实用。这种情况下,可以改用“批注”功能给单元格添加批注;单元格角落会出现一个红色小三角,把鼠标移到单元格上就会显示批注。
移动数据剪切、复制和粘贴的工作方式基本符合直觉。你甚至可以单击并拖动,或在用方向键移动时按住 Shift,选择一块矩形单元格区域;也可以单击行号或列标,选中整行或整列;还可以单击行号与列标交会的左上角(或按 Ctrl+A),选中全部内容。按住 Ctrl 再逐个单击单元格,还能选择多个彼此并不相邻的单元格。
如果把一个含有公式的单元格反复粘贴许多次,就会发生一件有趣的事:你会发现公式所引用的单元格不断变化。例如,假设 B1 中有一个引用 A1 的公式;把 B1 复制并粘贴到 D5 后,新公式引用的会是 D4。这是因为默认情况下,所有单元格引用在位置上都是相对于原单元格的相对引用。因此,当 B1 中的公式引用 A1 时,Excel 实际想的不是“名叫 A1 的单元格”,而是“与我同一行、紧靠我左边的单元格”。把公式复制粘贴到别处后,它仍会引用同一行中紧靠左边的单元格。由此不难猜到:在这个例子中,如果把它粘贴到 A 列某个单元格里——它已经位于最左侧,左边什么都没有——结果就会报错:#REF!,意思是你引用了一个不存在的单元格。
如果想强制 Excel 把引用视为绝对引用,无论复制粘贴到哪里都始终指向某个特定单元格,有两种做法。第一种是在公式的列字母、行号或二者前面加美元符号($),告诉 Excel 把行、列或二者视为绝对位置。沿用上面的例子,如果希望每次复制粘贴后都指向 A1,可以写成 $A$1。
为什么这个例子中要输入两个美元符号?因为这让你可以把行当作相对引用、把列当作绝对引用,或反过来处理。随着使用 Excel,你肯定会发现某些时候需要这样做——如果你还没遇到的话。
还有一种方法,能以绝对方式引用某个带名称的特定单元格。它主要适用于这种情况:你在一大批复杂公式中使用多个单元格,编写公式时很难在脑中记清哪个单元格代表哪个数值。你可以给任何单元格命名;默认名称就是该单元格的字母与数字,并显示在 Excel 窗口左上方。要修改它,只需单击名称,再输入所需内容。此后,你就可以在电子表格的其他任何位置引用这个名称,它会作为对该命名单元格的绝对引用。
排序有时你会想给工作表中的数据排序。Excel 的一种常见用途,是追踪大量对象,每行一个对象,每项属性各占一列。例如,在大型游戏项目中,你可能会用一个 Excel 文件列出游戏里的所有敌人:一列是名称,一列是生命值,一列是伤害,依此类推。也许你想按名称排序,得到便于查找的总表;也许想按生命值排序,看看最大值或最小值;也可能有其他需求。这很容易做到。首先,选中所有想排序的单元格;进入“数据”菜单,选择“排序”;然后指定按哪一列排序,以及采用升序还是降序。如果这一列有两条相同数据,可以指定第二列作为平局判定,还可以指定第三列作为第二重平局判定(否则,遇到相同值时只会保留原有顺序)。另有一个忽略标题行的选项:如果最顶端有一行列说明,不希望它参与排序……当然,排序时可以直接不选中它;但有时选中整张表,再单击忽略标题行的按钮更方便。如果不小心把排序弄坏了,不要慌——直接按“撤销”。
有时你会意识到,需要在已有行或列之间插入几行或几列。好处是,无论绝对引用还是相对引用,Excel 都会完全按你期望的方式更新;因此,绝不应该仅仅因为插入一行,就需要修改数值、公式或其他内容。要插入内容,右键单击行号或列标,菜单中就有“插入行”或“插入列”;也可以从“插入”菜单执行。
如果需要移除一行或一列,操作类似:右键单击行号或列标,再选择“删除”。你也许以为按键盘上的 Delete 键也可以,但它的作用不同:它只会清除单元格中的数值,并不会真的把其他内容向上或向左移动。
使用数据有时,你想把一个公式一次复制粘贴到许多单元格里。比如,我的支票簿中每一行都有公式,会在上一笔余额的基础上加上或减去当前交易,算出最新余额;我希望每一行都执行这种计算。公式只需要写一次……但如果必须手动逐个复制、再粘贴到每个单元格,我会哭出来。幸好,有一种简单做法:“填充”。只需选中想扩展的那个单元格,以及它下方或右侧的一大批其他单元格;然后按 Ctrl+D,把最上方的数值向下扩展到其余全部单元格(向下填充),或按 Ctrl+R,把最左侧的数值向右扩展。如果既想向下、想向右填充,可以选中原单元格以及其下方、右侧的一块矩形区域,再以任意顺序分别按 Ctrl+D 和 Ctrl+R。也可以向上或向左填充,但它们没有快捷键;必须从“编辑”菜单下的“填充”选项中选择。与复制粘贴一样,“填充”会尊重公式对其他单元格的绝对引用与相对引用。
还有一个与“填充”有些相近的命令,适用于下面这样的情形。假设你正在制作一份游戏对象清单,想给每个对象分配唯一的 ID 编号;编号从 1 开始依次递增,而你有 200 个游戏对象。于是,你想在一列中放入 1 到 200,每个数字各占一个单元格。逐个手动输入既乏味又容易出错。可以使用公式:比如把数字 1 放入第一个单元格,假设它是 A2;再在 B2 中输入公式 =A2+1,其计算结果为 2;然后向下填充公式,一直生成到 200。起初这确实可行,但只要开始重新排列或给各行排序,这些相互引用的单元格就可能乱套;它也许还能工作,也许不能,但无论如何都会变成一团糟。况且,你真正需要放在这些单元格里的也不是公式,而是数字
你可以先在某处临时区域用公式生成这 200 个数字,再复制它们,选择“选择性粘贴”(位于“编辑”菜单下),然后选择“数值”;这样只会取计算结果,以数字形式粘贴,不会复制公式。之后,再删除不再需要的公式。这种方法可行,而且“选择性粘贴/数值”在许多场合都是非常棒的工具,但用在这里未免杀鸡用牛刀。
这里有个漂亮的小技巧:只创建两三个单元格,在其中填入 1、2、3。接着选中这三个单元格,你会看到选区右下角有一个黑色小方点。单击它并向下拖动几百行;松开鼠标按钮时,Excel 会尽力猜测你想做什么,并把内容全部填好。像逐次加 1 这样简单的规律,Excel 能推断出来,并替你完成。规律更复杂时,你可能得不到想要的结果;但至少可以尝试一下,看看 Excel 以为你在想什么,也挺有趣。
函数Excel 自带许多可以在公式中使用的函数。函数名称总是用大写字母书写,后接左括号,再写函数需要的参数——不同函数各不相同——最后用右括号结束。如果参数不止一个,要用逗号(,)分隔。函数可以嵌套在其他函数中,因此某个函数的参数实际上可以是另一个函数的结果;Excel 完全支持这种写法。
我使用频率最高的函数大概是 SUM(),它接受任意数量的参数,并把它们相加。假如要对 A5 到 A8 的所有单元格求和,可以写 =A5+A6+A7+A8,也可以写 =SUM(A5,A6,A7,A8),还可以写 =SUM(A5:A8)。最后一种最有用:在两个单元格之间写冒号,告诉 Excel 你要选取二者之间全部单元格构成的区域。甚至可以用左上角和右下角单元格指定一块矩形区域:=SUM(A5:C8) 会把这个 3×4 区域中的全部十二个单元格相加。
对我而言,第二实用的函数是 IF,它接受三个参数。第一个参数是一个条件,其计算结果为真或假。条件为真时,计算并返回第二个参数;条件为假时,则计算并返回第三个参数。第三个参数可省略;如果省略,而条件为假,单元格看起来就是空白。例如,可以写 =IF(A1>0,1,5),意思是如果 A1 大于零,本单元格的值就是 1,否则就是 5。我经常与 IF 一起使用的函数之一是 ISBLANK():它接受一个单元格;若该单元格为空则返回真,否则返回假。比如,当一列被用作核对清单,而你想在某项尚未勾选时把另一列设为某个值,就可以这样使用。顺便说一句,如果正在制作核对清单,想知道多少项已经勾选——或尚未勾选——还有一个 COUNTBLANK() 函数;它只接受一个单元格区域作为参数,并返回其中空白单元格的数量。
关于随机机制,请回头查看讨论伪随机性的那一周,那里介绍了我最喜欢用于这类工作的三个函数。RAND() 完全不接受参数,会返回一个从 0 到 1 的伪随机数——有可能恰好为零,但绝不会为一。修改任意单元格,按 F9,都会让 Excel 重新生成所有随机数。FLOOR() 和 CEILING() 可以把数字分别向下或向上舍入到最接近的整数;也可以使用 ROUND() 按通常规则四舍五入。
FLOOR() 与 CEILING() 都需要第二个参数,即要舍入到哪个倍数。多数情况下,你会把它设为 1,因为想舍入到最接近的整数;但若想向上或向下舍入到最接近的 5、0.1,或其他倍数,就把那个数用作第二个参数。为了让事情更令人困惑,ROUND() 也接受第二个参数,但工作方式略有不同。对 ROUND() 而言,第二个参数若为零——通常你会这样设置——就舍入到最接近的整数;若为 1,则舍入到十分位;若为 2,则舍入到百分位;若为 3,则舍入到千分位;依此类推。换句话说,ROUND() 的第二个参数表示结果在小数点后保留多少位有效数字。
我在第 6 周已经提过 RANK() 与 VLOOKUP();当你需要把一份列表随机打乱时,它们很有用。
多个工作表默认情况下,新建的 Excel 文件包含三个工作表标签,显示在左下角。只要双击标签、输入名称再按 Enter,就可以把“Sheet1”之类的名字改得更有意义。如果想让另一张工作表位于左侧或中间,也可以单击并拖动标签来重新排序。右键单击工作表标签,或使用“插入”菜单,可以添加或删除工作表。如果你发现自己经常在两个标签之间来回切换,Ctrl+Page Up 与 Ctrl+Page Down 是一种方便的切换方法,免得总去单击下方标签。
创建多个工作表主要是为了便于组织。有时,当你有一批彼此不同却又相互关联的系统时,把每个系统各自放进一张工作表,会比全都塞在同一张表里、为了寻找目标而四处滚动方便得多。
如果愿意,你确实可以在公式中引用其他工作表里的单元格。最简单的做法是先输入公式,直到该填写单元格名称的位置;然后用鼠标单击另一张工作表,再实际单击想引用的一个或多个单元格。这里需要指出的是,人很容易无意间触发这种操作:你正在某个单元格里输入内容,却没意识到输入尚未结束;接着单击另一个单元格想看看其中有什么,结果它反而开始把那个单元格加入公式。如果发生这种情况,或你不知怎么迷失在只输入了一半的公式里,不确定怎样退出,只需单击编辑栏左侧的红色 X 按钮,它就会撤销你刚才输入的内容。
绘制图表最后还有一项我认为很有用的功能:创建图表。当游戏对象彼此相关时,图表非常适合用图形方式观察它们。选中两行或更多行——或者两列或更多列——每一行或每一列都会成为一条独立曲线;然后选择“插入”菜单,再选择“图表”。选择“XY(散点图)”,再选择显示曲线的子类型。此后,按向导逐步选择所需选项,再单击“完成”,图表就建好了。
使用图表时经常需要添加趋势线。右键单击图上的任意一个数据点,选择“添加趋势线”。你必须指定趋势线应当是线性的、指数的、多项式的,还是其他类型。在趋势线向导的“选项”标签页中,还可以让它在图表上显示方程,以便真正看到最佳拟合曲线是什么;也可以显示 R 平方值(它只是衡量拟合曲线与实际数据接近程度的指标;R 平方为 1,表示曲线完美拟合;R 平方为 0,则说明它跟随机画出来的差不多……不过实际使用中,即使随机数据的 R 平方也会大于零,有时还会高出很多)。如果你要拟合曲线——分析指标时经常如此——大概会希望立即把这些内容加上。
你还应该知道一件事:Excel 默认生成的图表……呃……真的很丑。为了改善显示效果,几乎所有你能想到的事情都可以做到:给图表添加竖向线而不只是横向线;改变所有元素的背景色和前景色;给 X 轴与 Y 轴添加标签;修改坐标轴范围并为其加标签……所有功能都藏在某个地方。图表中的每项元素都能单独单击和选中;通常,想修改什么,只要右键单击它并选择“格式”,或者双击它即可。务必留意:每一种元素——网格线、绘制出的曲线、图例、背景、坐标轴——都是分别处理的。因此,如果找不到某个显示选项,很可能只是选错了对象。试着摆弄各种格式选项,你就会明白我的意思。
美化表格最后,即使不使用图表、只处理单元格,也有一些办法可以让工作表看起来更漂亮。除了显得更专业以外,它还会让别人觉得你好像真的知道自己在做什么 🙂
最明显的办法,是调整配色方案。你可以改变任意单元格的文字颜色与背景颜色;按钮位于右上方的工具栏上——至少我的电脑上是这样。如果你的界面上没有,只需添加“格式”工具栏,相关按钮都在那里。也可以把单元格内容设为粗体或斜体、左对齐或右对齐,以及使用你在 Word 中习惯的各种其他格式。就我个人而言,我觉得用背景色区分几类单元格很有帮助:纯文本标题不填颜色;需要用户修改数值、观察它对游戏其余部分有何影响的单元格用黄色;不应修改的计算结果或公式单元格用灰色;真正重要的内容则使用粗体。
数字与文本的显示方式也极其丰富。选中单个单元格、一块单元格区域、整行或整列,乃至整个工作表,然后右键单击——或打开“格式”菜单——并选择“单元格格式”,便会看到大量选项。第一个标签页就能指定内容是文本还是数字,以及具体是哪种类型。例如,可以把数字显示为货币——带或不带美元符号等货币符号都可以——也可以显示为保留任意位数的小数。
“对齐”标签页中有三项重要功能:
  • 方向允许以一定角度、甚至横倒过来显示文字。如果希望列本身很窄,这可以让列标题仍然可读。(顺便说一句,只需单击两行或两列之间的边界并拖动,就能调整列宽或行高;也可以右键单击,再选择“列宽”或“行高”。)
  • 自动换行的功能正如名称所示,让文本真正可读。Excel 会很乐意把行高扩展到足以容纳所有文字。因此,如果列很窄,而里面放了一整段话,结果可能每行只显示一个单词的一部分,整团内容完全无法阅读;所以启用它之前,最好先调整列宽。
  • 还有一个颇为奇特的小选项,叫作合并单元格,它能把 Excel 纯粹的网格形式变成别的结构。使用时,先选中多个单元格,再打开“单元格格式”,勾选“合并单元格”,然后单击“确定”。你会看到,所有选中的单元格都变成了一个巨大的超级单元格。我通常出于美观目的使用它。例如,你有一份游戏对象清单,每列是一项属性;属性非常多,但又想按类别归组——比如一组进攻属性、一组防御属性,等等。可以在各个单独标题上方再做一行标题,把每一组上方的单元格合并,再在其中写上“防御属性”等组名。Excel 其实有一种叫“数据透视表”的功能,在某些情形下可以自动完成这类工作;但那已经相当高级,如果将来确实需要,就留给你自己用 Google 学习吧。
有时你会发现,自己有一组计算用单元格。它们必须存在,因为其他内容要引用它们;但它们全是中间值,你根本不需要看到单元格本身。一种处理方法,是把它们放进单独的临时工作表;更简单的办法,则是把它们集中到独立的一行或一列,然后隐藏该行或该列。只需右键单击那一行或列,菜单中就有“隐藏”选项。选择后,该行或列会消失;但前后两行或两列之间会出现一条粗线,用作视觉提示,告诉你那里仍有看不见的内容。要重新显示它,请选中两侧的行或列,右键单击并选择“取消隐藏”。
如果想在某几块数据外围画方框,从视觉上把它们归为一组,“格式”工具栏上还有一个按钮可以选择边框。只要选中一块矩形单元格区域,再单击该按钮并选择看起来像方框的边框,就会在周围画出边线。唯一要提醒你的是:在通常情况下,复制粘贴带边框的单元格时,边框也会一并复制粘贴。因此,在完成各种调整前最好不要添加边框;如果非加不可,就先移除边框、移动单元格,再把边框加回来……或者使用“选择性粘贴”,只粘贴公式,不粘贴格式。
我有时觉得另一项功能也很实用,尤其是在用电子表格平衡游戏对象时:条件格式。首先选中一个或多个单元格、行或列,然后打开“格式”菜单,选择“条件格式”。先给它一个结果为真或假的条件。若条件为真,就可以应用一种格式:换用不同的字体或文字颜色,采用粗体或斜体等字体效果,添加边框或背景色,诸如此类。若条件不成立,格式就不改变。在“条件格式”对话框底部有一个“添加”按钮,可以再添加最多两个条件,每个条件都有自己的独立格式。这些条件不会累加:永远先判断第一个条件,若满足就采用其格式;否则再尝试第二个;仍不满足,才尝试第三个。举个我的使用实例:如果我正在制作一款采用成本曲线的游戏,可能会用一列来计算每个游戏对象的收益数值减去成本数值。由于我希望收益与成本等价,对一个按成本曲线判定为平衡的对象来说,结果应为零;正数表示强度过高,负数表示强度不足。我可以在这一列上使用条件格式:收益减成本大于零时,把单元格背景变为亮绿色;小于零时则变为红色。这样一眼就能看出还有多少对象尚未正确平衡。
最后,许多基础电子表格只是要显示一组内容:顶部有标题行,左侧有标题列,工作表其余部分全是数据。有时数据无法放进单个页面;但向下滚动后,你会忘记每一列代表什么。假设你想让最上方的一两行固定不动,无论向下滚动多远都始终显示,以便随时看到标题。先选中标题行下方的第一行,再打开“窗口”菜单,选择“冻结窗格”。你会看到所选位置附近出现一条细线,而且即使向下滚动,它也会留在原处。若要撤销——比如不小心选错了行——请打开“窗口”菜单,选择“取消冻结窗格”,然后再试一次。如果想固定左侧几列,就选中它们右边紧邻的一列,再次执行“冻结窗格”。如果想把最左边几列与最上方几行同时固定,就选中一个单元格并冻结窗格;该单元格上方及左侧的所有内容都会锁定在原位。
说回“乐趣”这整件事……到这里,我们已经讨论了我能想到的、几乎所有与游戏平衡相关的主题,所以我想花一点时间,反思平衡在游戏设计这个更大领域中处于什么位置。诚然,游戏设计的终极目标取决于具体游戏;但我认为,在绝大多数情况下,设计师的目标是为玩家创造有趣的体验。平衡与这个目标是什么关系?
年轻一些、刚做设计师时,我愿意相信二者是同义词:有趣的游戏就是平衡的游戏,平衡的游戏就是有趣的游戏。我并不会骄傲到不肯承认,自己在这件事上大错特错。我尤其遇到过两款游戏,它们尽管不平衡,却仍然有趣;正是这两个反例改变了我的看法。
第一款是一种纸牌游戏,我学到的名字是 Landlord(它还有许多其他名称,其中有些比另一些粗俗得多);最知名的版本大概是*《大达尔穆提》。这是一款刻意不平衡的游戏。每名玩家坐在不同位置,各位置从最好到最差形成明确等级。每轮开始时,处在最佳位置的玩家把自己最差的牌交给位置最差者,而位置最差者则把自己最好*的牌交给位置最佳者,所以局势极度偏向上位玩家。每手牌结束后,玩家按照这一轮的表现重新排位,因此本轮居首者会在下一轮坐上首席。这是一个天然的正反馈循环:上位者拥有太多优势,很可能继续留在上位;下位者拥有太多劣势,同样很可能继续留在下位。按我学到的规则,游戏永远不会结束;大家只是一手接一手地打,直到玩腻为止。大学时,我和朋友有时一玩就是几个小时,所以尽管游戏显然不平衡,我们显然仍然乐在其中。这究竟是怎么回事?
我认为有两个原因。其一是,只要学会规则,你会立刻清楚这款游戏并不公平,而且不公平恰恰就是它的主旨。并非公平与平衡在任何时候都值得追求;问题在于,当玩家期待一款公平、平衡的游戏,得到的却并非如此时,游戏就没有满足他们的预期。由于本作从一开始便建立了“不公平”的预期,你只要决定参与,就已经决定愿意探索一个不平衡的系统。
这款游戏没有失败的另一个原因,是它具有强烈的角色扮演动态。这样说似乎很奇怪,因为它并不是角色扮演游戏……但与此同时,不同座位的玩家确实拥有不同权力等级,因此在大多数组别中,某种角色扮演会自然发生。上位玩家很快乐,因为“当国王真好”。下位玩家同样很快乐,因为在逆境中抗争、在不公平的制度里替小人物争一口气,会带来一种刺激;而且偶尔会有一名下位玩家突然表现得异常出色,一举推翻王座,这令人兴奋(或者某名上位者崩盘、跌至底层,让其他玩家幸灾乐祸)。对我来说,从最底层开始,经过许多手牌,缓慢而耐心地向上爬,最终登顶,也同样令人兴奋——我猜,这有点像辛勤工作、最终退休的隐喻。游戏复制了我们在日常生活中熟悉的体系,让人看到“有产者”与“无产者”;能在游戏的魔法圈中参与并探索这种体系,具有强烈吸引力。
让我确信人生并不只有平衡的第二款游戏,是那款英文标题在语法上并不正确的桌游*《山中小屋的背叛》。这款游戏高度失衡。每次游玩都会随机得到一个采用不同胜利条件的剧本,但其中大多数会强烈偏袒某些玩家而不利于另一些,而且多数剧本都无法很好地随玩家人数缩放——也就是说,三名玩家与六名玩家游玩时,大部分剧本会明显更容易获胜或更容易失败;因此,游戏常常由玩家人数和随机抽到的剧本共同决定。游戏还有很强的随机因素,很可能使一名或多名玩家获得巨大优势或劣势;大多数剧本甚至允许玩家早早出局。虽说这与平衡无关,但本作第一版有大量印刷错误,看起来简直没有经过足够的玩法测试。(实际上,据我了解,它经历了大量*玩法测试;只是测试者玩得太开心,根本没留意或报告自己遇到的错误。)
尽管存在失衡、随机性和印刷错误,只要找对同伴,这款游戏本身仍相当有趣。原因在于,无论发生什么,几乎每一局都会出现某种疯狂事件,结束后让大家津津乐道。它很擅长把体验塑造成故事,而且故事很有意思。部分原因是游戏在卡牌和剧本中放了大量风味文字……不过这些内容只是建立鬼屋环境,让玩家进入适当心境。更主要的原因是,游戏具有随机性质,所以在过程中的某个时刻,你很可能见到感觉极不寻常的事情:一名玩家突然接连找到一大堆有用物品;某人在关键时刻掷骰,结果好得或差得一反常态;你恰好在最需要的时候抽到恰好正确的牌;又或者某名玩家通过惨痛方式,弄清棋盘上新出现的神秘标记究竟有什么作用。因此,玩家愿意忽略缺陷,因为核心玩法是:作为团队协力探索一个陌生而危险的地方;随后同伴中的一人背叛其他人,局势转为一人对多人;最后作为协调行动的团队获胜或失败。事实证明,作为一种整体游戏结构,它足够独特,因而很有意思。
玩家预期也是*《山中小屋的背叛》中的一个重大因素。我见过一些对游戏一无所知、只听别人说“哦,这游戏很好玩”的玩家;他们始终无法接受游戏竟有这么多问题。换作由向别人介绍时,我总会一开始就明确说,这款游戏完全谈不上平衡,因为这样能让人更享受整个体验。顺带一提,我的确认为,如果它更平衡,会成为一款更好的游戏;但我想说的是,即使没有平衡,游戏设计也可能*成功。
所以归根结底,我认为游戏平衡所做的,是让游戏变得公平。当玩家期待公平竞赛时,平衡极其重要。例如,许多玩家讨厌竞速游戏中“橡皮筋式追赶”的负反馈:AI 控制的车辆一旦落后太远,就突然获得不可能的速度爆发;原因就在于它让人觉得不公平,因为现实中的比赛并不这样运作。但在*《大达尔穆提》这种公然不公平的游戏中,玩家预期*它不平衡,所以很容易接受。这也解释了为什么集换式卡牌游戏中完全失衡、强度过高的卡牌——尤其是稀有卡——会被视为坏事,而在使用相同机制的单人卡牌战斗游戏中却可能很有趣:面对面桌面卡牌游戏的玩家期待游戏提供公平对局,所以希望卡牌平衡;单人游戏的核心则是角色成长与进展,因此随游戏推进而获得更强大的卡牌,本来就是预期的一部分。
与游戏设计中的一切一样,关键都在于理解设计目标,以及你希望玩家体验什么。但如果你希望他们体验一场公平的游戏——至少对大多数游戏来说确实如此——那么这就是平衡的功能。事实上,我能想到的唯一一类应追求平衡的游戏,是那些核心玩法明确围绕公平与不公平这个概念展开的作品。
如果你目前正在制作游戏……那么,你大概已经在使用 Excel,所以我也没有多少练习可以布置给你,来锻炼那些你尚未在日常工作中运用的技能。
如果你的游戏采用多人自由混战结构,请问问自己,本文提到的任何问题——龟缩、围攻领先者、隐藏实力、造王、过早淘汰——是否可能出现;然后决定要怎样处理,如果确实需要处理的话。
如果游戏有经济系统,请分析它。玩家能否交易?有没有拍卖?加入或移除这些机制,会对游戏产生什么影响?当前经济系统是否还有你未曾考虑过的替代运作方式?
课后作业既然课程已经结束,这里有两种处理方式。一种是说完全没有“作业”,因为——嘿——课程都结束了!但对我来说,这会是一种懒惰的设计。
所以,我要给你布置一项更长期的挑战,把我们在这里谈过的一切结合起来。制作一款游戏,然后尽可能运用所有游戏平衡课程。花一个月,也许更多——如果最后做出来很有意思的话——这样你就会得到一项可以加入游戏设计作品集的成果。当然,做不做由你决定。
以下是一些建议:
  • 为原创集换式卡牌游戏设计一套基础卡。我通常会劝学生远离这类项目,因为集换式卡牌游戏包含海量内容,所以这次要把范围控制住:
    • 为一款现有集换式卡牌游戏设计扩展卡组。首先,利用你对现有游戏的认识推导成本曲线;然后把它放进 Excel,并用它创建和平衡一套新卡。设计一两个新机制,为它们确定曲线上的成本,再自行进行玩法测试,找出新机制实际价值多少。把卡组规模控制得小一些,大约 50 至 80 张。
  • 或者,如果时间更多,而且除了平衡之外还想做一点系统设计:
    • 让游戏自成一体,并把卡牌总量限制在 100 张以内。可以参考*《皇舆争霸》《罗马》《暗杀神》*这类作品:它们的运作方式类似集换式卡牌游戏,却无须收集卡牌,而是让玩家在游玩过程中构筑自己的牌库或手牌。
    • 核心机制一完成,就为游戏建立成本曲线。把曲线放进 Excel 电子表格,并用它创建和平衡每一张卡。
    • 与朋友进行玩法测试,要求他们寻找漏洞与最优策略,试着“玩坏”游戏。根据结果调整成本曲线及卡牌,然后重复这个过程。
  • 或者,找一款提供某种模组工具的电脑回合制或即时战略游戏,着手调整其平衡:
    • 首先玩一阵游戏,凭直觉分析平衡。是否有某些单位、策略或对象过强或过弱?到网上论坛看看其他玩家是否有同感,还是你只不过采用了不同策略。确定一处或多处失衡后,动用一切可用工具,以数学方式分析游戏,准确判断哪些数字需要修改,以及应修改多少。制作模组,再进行玩法测试,看看问题是否解决。
    • 若想做一个强度更高的项目,可以利用模组工具彻底删除一整部分玩法,再从零开始设计一套新的。例如,可以为*《文明》设计全新的科技升级体系,或为《星际争霸》*设计一套新单位。愿意的话可以沿用现有美术,但要改变玩法性质;然后着手平衡新系统。
  • 如果你喜欢即时战略游戏,却更偏爱桌面形式,可以改为设计一款微缩模型游戏。多数微缩模型游戏都很昂贵——毕竟要购买并涂装大量模型——所以请挑战自己,把成本压低。使用成堆的硬纸板方块,自己拼装、剪裁。有了如此廉价的组件,愿意的话甚至可以加入即时战略类型中的经济与生产要素。
    • 首先研究一些现有微缩模型游戏的机制;它们通常相当复杂。为了让工作量可控,可以在哪些地方简化战斗机制?设法把游戏缩减为一套简单的移动与攻击机制,再配上少量特殊能力。(当然,如果想把挑战缩小,也可以只给自己已经在玩的某款微缩模型游戏制作一套扩展。)
    • 与其他项目一样,为棋子的全部属性与能力建立成本曲线,并使用 Excel 创建和平衡一套单位类型。规模要小,也许只做 5 至 10 种不同单位;你会发现,即便数量这么少,也已经相当难以平衡。考虑在单位之间加入一些非传递关系,确保不存在一种严格优于其他所有方案的策略。如果最后真的很喜欢这款游戏,可以再为一个新“阵营”制作同样规模的一套单位,并尝试让第二套与第一套彼此平衡。
    • 打印一套廉价组件,进行玩法测试,并不断迭代设计。
  • 或者,如果你更喜欢桌面角色扮演游戏,可以分析自己最喜爱的作品中的战斗系统——或冲突解决系统——找出失衡,并提出规则修改方案来修正它。若想做更长期的项目,可以设计原创战斗系统:既可以替换现有角色扮演游戏的战斗系统,也可以为设定在原创世界中的原创角色扮演游戏服务。为了挑战自己、同时控制范围,请设置页数限制:规则说明最多十页,而且全部内容应能浓缩成一页摘要。如果你有固定的桌面角色扮演小组,就和他们一起测试这套系统;如果没有,也许应该考虑选择另一个项目。
参考资料在撰写拍卖机制与多人机制时,我分别发现下面两篇博客文章很有参考价值:
结束语……我只想说,在这个夏天整理这些信息,对我而言是一段非常精彩的经历;也希望你喜欢与我一同踏上这段旅程。
你也许想知道,我以后会不会再做类似的事。答案当然是会,尽管我目前还不知道具体会是什么。如果你想参加,请留意这里的公告;等我开始筹备 2011 年夏季课程时,就会发布消息。
祝愉快,
——Ian Schreiber
回复

使用道具 举报

     
发表于 2026-9-4 09:48 | 显示全部楼层
以前数值策划算是手游策划里的高薪行业的。自从agent普及数值的活都不需要人做了。
回复

使用道具 举报

     
发表于 2026-9-4 10:12 | 显示全部楼层
stoiorz 发表于 2026-9-4 09:48
以前数值策划算是手游策划里的高薪行业的。自从agent普及数值的活都不需要人做了。 ...

需求和规则还得人来定,不过统计分析数据这种脏活累活确实不用人干了
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

Archiver|手机版|小黑屋|上海互联网违法和不良信息举报中心|网上有害信息举报专区|962110 反电信诈骗|举报电话 021-62035905|Stage1st ( 沪ICP备13020230号-1|沪公网安备 31010702007642号 )

GMT+8, 2026-9-5 06:59 , Processed in 0.068350 second(s), 7 queries , Gzip On, Redis On.

Powered by Discuz! X3.5

© 2001-2026 Discuz! Team.

快速回复 返回顶部 返回列表