游戏体验设计

Fun Loop = Situation → Tension → Decision → Action → Feedback → Consequence → New Situation 局面 → 张力 → 决策 → 行动 → 反馈 → 后果 → 新局面

机制元素设计

比如分析《吸血鬼幸存者》。玩家反复获得的核心体验是什么？

被怪群压迫 → 寻找安全空间 → 击杀突破 → 获得经验 → 冒险靠近经验 → 升级 → 火力增强 → 主动进入更危险区域。

压力
 ↓
走位
 ↓
击杀
 ↓
资源散落
 ↓
冒险拾取
 ↓
升级选择
 ↓
Build增强
 ↓
能处理更高压力
 ↓
更大的怪群
 └────────→

继续向下拆： 为什么“经验掉在地上”重要？ 因为它用了：

- 资源 × 建立：生成经验
- 空间 × 建立：经验放置
- 空间 × 变更：玩家移动
- 资源 × 流转：拾取

如果经验直接自动进入玩家，几个机制原子被删除，结果不是代码少了一点，而是：

“我要不要冒险去捡经验”这个体验单元消失了。

这就是 Mechanic Language 真正有价值的地方。它能够解释：

删除/替换一个机制原子，为什么会改变体验循环。

我们的最终工具应该寻找“闭环”

以后设计新玩法，不应该“随机从周期表拿几个元素组合“。而应该先提出一个体验目标。

例如：「我想制造贪婪和风险之间的拉扯。」然后建立：

高价值资源 →放在危险空间 →信息揭示 →玩家看到 → 要不要去拿？→ 移动进入危险区→ 获得资源→ 敌人压力增加→ 是否继续贪？→

这样设计顺序就变成：

Experience → Loop → Decision → Mechanic → Parameter

而不是：Mechanic → 看看能不能好玩。

「体验循环结构表」

研究类似这些基本结构：

Risk ↔ Reward

冒更大风险 → 获得更高收益 → 获得处理更大风险的能力。

Pressure ↔ Relief

压力累积 → 找到突破口 → 释放 → 新压力建立。

Explore ↔ Discover

未知 → 探索 → 信息揭示 → 改变路线判断 → 新未知。

Build ↔ Test

Build选择 → 战斗验证 → 暴露缺陷 → 新Build选择。

Invest ↔ Return

投入资源 → 延迟收益 → 获得回报 → 决定继续投入还是兑现。

Predict ↔ Verify

观察信息 → 形成预测 → 行动 → 验证 → 更新认知模型。

Mastery

挑战 → 失败/反馈 → 学习 → 提高操作/理解 → 更高挑战。

定义体验循环

我建议先用一个非常严格的定义：

体验循环（Experience Loop）= 玩家感知局面 → 产生张力/欲望 → 做出选择 → 行动 → 获得反馈 → 局面发生变化 → 新局面再次产生张力/欲望。

形式化： $$ S_t \rightarrow P_t \rightarrow T_t \rightarrow D_t \rightarrow A_t
\rightarrow F_t \rightarrow S_{t+1} $$ 其中：

真正决定“循环”的不是：

Action → Reward

而是：

Consequence → New Tension → Next Decision

也就是： $$ D_t \rightarrow S_{t+1} \rightarrow D_{t+1} $$ 体验循环表最重要的理论锚点。

体验词汇表（Experience Pattern Table）

横轴：

玩家为什么想行动？—— Drive / Tension

纵轴：

玩家通过什么方式解决？—— Resolution

两者组合产生体验驱动单元（Experience Segment），对应落地方案（State × Operator → Mechanic Primitive）

横轴：基础驱动力 / 张力

D1. 威胁 Threat

我想避免损失

D2. 欲望 Reward/Greed

我想得到

D3. 好奇 Curiosity

我想知道

D4. 缺口 Deficiency

我想补足

D5. 挑战 Challenge

我想证明能做到

D6. 取舍 Trade-off

我必须（能）权衡

备选已排除： D7. 风险/赌博 Risk D8. 完成任务 Completion

纵轴：（玩家）解决问题的认知方式

R1. 反应 React

反应速度、Timing、手眼协调
例如：完美躲避（Perfect Dodge）

R2. 预测 Predict

根据已有信息预测未来
例如：
- 敌人/Boss下一个行为
- 弹道
- 对手策略

核心目标：

建立心理模型

R3. 选择 Choose

在多个互斥方案中做选择。
例如:
- 三选一
- 路线选择
- 攻/防
- 卡牌选择

R4. 优化 Optimize

在已知规则下寻找更优方案。
例如：
- 构筑（卡牌，Build）
- 装备搭配
- 生产线
- DPS最大化

R5. 探索 Explore

主动获取未知信息。
例如
- 地图探索
- 翻牌
- Scout
- 尝试未知组合

R6. 执行 Execute

已经知道正确方案，难点在于把它做出来。
例如：
- Combo
- Aim
- Platforming
- 节奏输入
- 赛车线路

R7. 创造 Create

解空间开放，没有唯一正确答案。
例如：
- 模拟建设
- 角色Build
- 自定义卡组

R8. 博弈 Outplay

问题来自另一个具有意图的行动者。“我知道你知道我知道……”
例如
- PvP
- Poker
- RTS
- 格斗
- 社交欺骗

复合体验结构

Risk–Reward $$ Threat + Desire + Choice $$ 得到：风险收益

Push Your Luck $$ Desire + Threat + Uncertainty + Commit $$

得到：继续还是收手？

Completion $$ Goal + Deficiency + VisibleProgress $$

得到：完成驱动力

Suspense $$ Threat + Curiosity $$ 得到：悬念 / 紧张期待

“我知道有危险，但不知道什么时候出现。”

Treasure Hunting $$ Desire + Curiosity + Explore $$ 得到：寻宝

Build–Test $$ Deficiency + Optimize
\rightarrow
Challenge + Execute
\rightarrow
Feedback
\rightarrow
New\ Deficiency $$

得到：构筑—验证循环

Mastery Loop $$ Challenge
\rightarrow Execute
\rightarrow Failure/Success
\rightarrow Learn
\rightarrow Challenge' $$ 得到：挑战—精通循环

之前机制层： $$ MechanicPrimitive = Operator(State) $$

现在体验层： $$ ExperiencePattern = Resolution(Drive) $$

循环层： $$ ExperienceLoop =
Pattern_t
\rightarrow Feedback
\rightarrow Consequence
\rightarrow Drive_{t+1}
\rightarrow Pattern_{t+1} $$ 而真正的好玩发生在最后这一段：

$$ 一个 Pattern 的结果，能否产生另一个足够强的新 Drive。 $$

体验语法（Experience Pattern）

Level 1

基础驱动力 / 张力
──────────────────
Threat
Desire
Curiosity
Deficiency
Challenge
Trade-off

            ×

Level 2
解决方式
──────────────────
React
Predict
Choose
Optimize
Explore
Execute
Create
Outplay

            ↓

Experience Pattern
──────────────────
闪避 / 预判 / 寻宝

构筑 / Mastery / 实验

抉择 / Mind Game ...

这些 Pattern 再进行时间上的连接：

Pattern A
    ↓
Feedback
    ↓
State Change
    ↓
产生新的 Drive
    ↓
Pattern B
    ↓
...
    └────────→ Pattern A'

得到：

体验循环（Experience Loop）

体验循环的语法（Drive Transformation）

体验的 36 条边

Drive Transformation Table V1｜36 条基础驱动力转化边

目标：描述"玩家解决当前驱动力后，游戏结果如何自然制造下一种驱动力"，用于分析体验循环、寻找闭环、比较不同玩法的
Drive Graph 拓扑结构。

核心表达：

Drive_i --(Action + Consequence)--> Drive_j

1. 六种基础 Drive

2. Drive Transformation Matrix

纵轴为当前 Drive（From），横轴为转化后的 Drive（To）。

3. D1 Threat｜威胁的 6 条转化边

T → T：Escalation｜压力升级

定义：解决当前威胁后，产生新的、更强或不同形式的威胁。

威胁 → 应对 → 压力暂时释放 → 新威胁

典型结构：

• 敌人波次升级
• Boss 阶段变化
• 场地持续缩小
• Survivor-like 怪群密度提升

关键点：

下一次 Threat
最好发生强度、类型、组合或空间结构上的变化；单纯重复相同威胁容易疲劳。

T → D：Reward｜战利品

定义：克服威胁后出现玩家想获取的价值。

敌人 → 击败 → 掉落经验/装备 → 欲望

核心价值：

将玩家行为从"远离危险 Avoid"反转为"主动接近奖励 Approach"。

典型：

• 击杀掉经验球
• Boss 掉装备
• 精英怪掉稀有资源

T → C：Investigation｜追查

定义：威胁本身制造新的问题，使玩家想知道其来源、规律或真相。

受到未知攻击
→ 谁在攻击我？
→ 调查

典型：

• 黑暗中的声音
• 未知陷阱
• 神秘敌人
• Boss 未知机制

T → F：Weakness｜暴露弱点

定义：威胁让玩家意识到当前能力或 Build 存在缺陷。

被远程怪压制
→ 缺少远程处理能力

核心价值：

是"战斗 → 成长 / Build"的重要桥梁。

T → H：Counterattack｜反攻

定义：玩家逐渐理解或承受威胁后，心理目标从"活下来"转为"我要战胜它"。

生存压力
→ 理解规律
→ 我能不能击败它？

典型：

• Boss 学习
• 高压战斗中的反攻窗口

T → O：Survival Choice｜生存抉择

定义：压力迫使玩家在多个无法兼得的应对方案之间选择。

HP 20%
→ 继续攻击 / 喝药 / 逃跑 / 救队友？

核心价值：

Threat 直接制造 Meaningful Decision。

4. D2 Desire｜欲望的 6 条转化边

D → T：Cost｜代价

定义：追求价值会引入新的危险或损失可能。

看到宝箱
→ 靠近
→ 触发精英怪

与 T → D 组合后形成最基础的：

Risk--Reward Loop

D → D：Escalating Reward｜欲望升级

定义：获得当前奖励后，出现更高一级的价值目标。

普通 → 稀有 → 传奇 → 套装

关键条件：

必须存在价值升级、变化或新目标，否则奖励会迅速边际递减。

D → C：Clue｜线索

定义：获得奖励后，同时暴露新的未知。

得到奇怪钥匙
→ 它能打开什么？

核心价值：

Reward 不结束循环，而是启动探索。

D → F：New Need｜新需求

定义：获得一个能力/组件后，反而暴露新的 Build 缺口。

获得燃烧核心
→ 现在缺燃烧增伤

典型：

• RPG 装备组合
• DBG 卡组构筑
• Roguelite Build

D → H：Gate｜获取门槛

定义：想获得某个价值，必须先完成挑战。

想要传奇武器
→ 必须击败 Boss

即：

Reward 成为 Challenge 的动机来源。

D → O：Reward Choice｜奖励取舍

定义：多个有价值目标不能全部获得，欲望转化为取舍。

三个都想要
→ 只能选一个

典型：

• Roguelike 三选一
• 路线奖励选择
• 装备二选一

5. D3 Curiosity｜好奇的 6 条转化边

C → T：Danger Discovery｜发现危险

定义：探索未知后揭示出威胁。

打开未知房间
→ Boss

即：

Discovery → Danger

C → D：Treasure Discovery｜发现价值

定义：探索未知后发现值得追求的目标。

探索洞穴
→ 发现宝藏

即：

Curiosity → Discovery → Desire

C → C：Mystery Deepening｜谜团深化

定义：一个答案不是结束，而是制造新的问题。

这个遗迹是什么？
→ 发现古代文明
→ 文明为什么消失？
→ 发现灾难
→ 灾难是谁造成的？

关键原则：

好的探索经常是"一个答案产生更多问题"，而不是
Question → Answer → End。

C → F：Missing Piece｜发现缺失

定义：探索后发现自己缺少继续推进所需的能力、信息或资源。

发现无法打开的门
→ 我缺钥匙

可把探索自然导向成长或搜索。

C → H：Challenge Discovery｜发现挑战

定义：探索过程中发现一个值得尝试或征服的新挑战。

发现隐藏 Boss
→ 我能打过吗？

C → O：Branch Discovery｜发现分支

定义：探索揭示多个无法同时选择的方向。

发现两条未知路线
→ 左还是右？

核心价值：

探索的产物不只是奖励，也可以是新的决策空间。

6. D4 Deficiency｜缺口的 6 条转化边

F → T：Vulnerability｜缺陷受罚

定义：未解决的能力/资源缺口开始转化为现实威胁。

弹药不足
→ 下一场战斗生存风险增加

典型：

• 生存资源压力
• Build 短板被敌人针对

F → D：Need｜补强欲望

定义：明确的缺口提高特定奖励的主观价值。

缺 AOE
→ 看到 AOE 技能
→ 强烈想获得

重要关系：

Reward Value ≈ Match(Reward, Deficiency)

奖励价值不是物品完全固有的属性，而与玩家当前缺口高度相关。

F → C：Inquiry｜寻找原因

定义：玩家意识到不足，却不知道原因或解决方法，于是产生研究欲望。

为什么伤害这么低？
→ 研究系统 / 属性 / Build

F → F：Growth Chain｜成长链

定义：解决一个缺口后暴露另一个缺口。

缺攻击
→ 补攻击
→ 缺生存
→ 补生存
→ 缺机动

核心价值：

优秀 Build 系统往往不是"补完缺口 →
结束"，而是不断改变玩家当前最重要的缺口。

F → H：Test｜能力验证

定义：玩家完成补强后，希望验证新的能力是否足以解决问题。

Build 完成
→ 现在去打 Boss 试试

这是：

Build → Test

的重要转化边。

F → O：Allocation｜资源分配

定义：资源不足以补足所有缺口，迫使玩家进行优先级取舍。

100 金币
→ 攻击升级需要 100
→ 生命升级也需要 100
→ 补哪个？

即：

Scarcity → Allocation

7. D5 Challenge｜挑战的 6 条转化边

H → T：Pressure｜失败压力

定义：挑战过程中，失败风险上升，使目标从"我要做到"转成"我要先活下来"。

我要击败 Boss
→ HP 10%
→ 先活下来

说明：

同一场战斗中，主导 Drive 可以动态切换。

H → D：Prize｜胜利奖励

定义：克服挑战后出现奖励。

Challenge → Victory → Reward

单独使用：

Challenge → Reward → End

循环较弱。

更好的连接：

Challenge
→ Reward
→ Deficiency / Curiosity / New Challenge

H → C：Learning Question｜学习问题

定义：挑战失败或异常反馈制造新的问题。

Boss 这招到底怎么躲？

核心原则：

优秀的失败不仅告诉玩家"You Lose"，还会制造一个玩家想验证的新假设。

H → F：Diagnosis｜暴露不足

定义：挑战成为测试环境，失败帮助玩家诊断当前能力缺口。

Boss 失败
→ DPS 不足

这是：

Test → Diagnose → Build

的核心转化。

H → H：Mastery Ladder｜难度升级

定义：完成当前挑战后自然出现更高水平的挑战。

普通 Boss
→ Elite
→ Hard Mode
→ 更高难度

即：

Mastery Ladder。

H → O：Strategy Choice｜策略选择

定义：挑战复杂度迫使玩家在不同解决方案之间做取舍。

这个 Boss
→ 用爆发 Build？
→ 生存 Build？
→ 控制 Build？

8. D6 Trade-off｜取舍的 6 条转化边

O → T：Consequence｜选择代价

定义：玩家选择后，其放弃或承担的部分转化为新的威胁。

选择攻击 Buff
→ 最大 HP 降低
→ 生存压力增加

核心价值：

让选择具有重量和 Consequence。

O → D：Opportunity｜选择收益

定义：取舍结果打开新的收益机会或强化某个欲望。

选择某条路线
→ 出现高价值奖励

O → C：Counterfactual｜未知后果

定义：选择后，未选择的可能性形成新的好奇。

如果刚才选另一条会怎样？

典型：

• Roguelike 重玩
• 多分支叙事
• 隐藏路线

O → F：Opportunity Cost｜机会成本

定义：选择一个方向意味着主动放弃另一个方向，从而制造新的缺口。

选择攻击
→ 没选防御
→ 防御缺口

形式：

Choice → Opportunity Cost → Deficiency

O → H：Commit & Test｜承诺验证

定义：做出不可轻易反悔的选择后，玩家希望验证这个决定是否正确。

Build 选择
→ Commit
→ 实战验证

这是策略游戏、Roguelike、DBG 中非常重要的转化。

O → O：Decision Chain｜连续决策

定义：当前选择改变局面，并制造下一次不同的选择。

选择 A
→ State 改变
→ 出现新的 A/B/C
→ 再选择

关键条件：

每次选择的 Consequence 应改变下一次 Decision
Space，而不是重复同样的选择题。

9. 由 36 条边形成的典型闭环

36 条边的真正用途不是把矩阵填满，而是寻找能够自驱的 Cycle。

9.1 Risk--Reward Loop

Desire
→ Cost
→ Threat
→ Reward
→ Desire'

简化：

欲望 → 威胁 → 欲望'

9.2 战斗成长循环

Threat
→ Weakness
→ Deficiency
→ Test
→ Challenge
→ Pressure
→ Threat'

核心：

威胁 → 暴露缺口 → 补强/验证 → 新挑战 → 新威胁

9.3 Loot--Build--Test Loop

Deficiency
→ Need
→ Desire
→ Reward Choice
→ Trade-off
→ Commit & Test
→ Challenge
→ Diagnosis
→ Deficiency'

典型适用：

• ARPG
• DBG
• Roguelite

9.4 Exploration Loop

Curiosity
→ Treasure Discovery
→ Desire
→ Clue
→ Curiosity'

或者：

Curiosity
→ Mystery Deepening
→ Curiosity'

9.5 Mastery Loop

Challenge
→ Learning Question
→ Curiosity
→ 学习 / 预测 / 验证
→ Challenge'

核心：

挑战 → 失败问题 → 学习 → 再挑战 → 精通

9.6 Scarcity--Allocation Loop

Deficiency
→ Allocation
→ Trade-off
→ Opportunity Cost
→ Deficiency'

核心：

缺口迫使分配；分配必然制造新的缺口。

9.7 Decision Loop

Trade-off
→ Decision Chain
→ Trade-off'

更强的版本：

Trade-off
→ Consequence
→ State Change
→ New Trade-off

核心：

当前决策改变下一次决策空间。

10. Drive Graph 表达方式

将六种 Drive 作为节点：

T = Threat
D = Desire
C = Curiosity
F = Deficiency
H = Challenge
O = Trade-off

将 36 种 Transformation 作为有向边：

T → D = Reward
D → T = Cost

T → F = Weakness
F → H = Test

H → C = Learning Question
C → H = Challenge Discovery

O → F = Opportunity Cost
F → O = Allocation

于是一个具体游戏或玩法可以表达成：

Drive Graph = Drive Nodes + Transformation Edges

这允许我们比较的对象从"游戏里有哪些机制"提升为：

不同玩法的 Drive Graph 拓扑结构有什么差异？

11. 评价 Drive Graph 时的三个基础参数

下一阶段可以为每一条边增加三个评价参数。

Strength｜转化强度

当前 Drive 被解决后，下一 Drive 被激活得有多强？

0 = 几乎没有继续动力
1 = 很弱
...
5 = 极强

Sustainability｜持续性

这条转化经过多轮重复后是否仍然有效？

例如：

Kill → Gold

前几次可能很强，但如果金币迅速失去价值：

Sustainability 下降。

Variation｜变化性

每次经过这条边时，新问题是否发生变化？

Threat A → Threat A → Threat A

Variation 很低。

而：

Threat
→ Deficiency
→ Build
→ 新能力
→ 不同 Threat

Variation 更高。

12. 核心公式

单次 Drive 转化：

Drive_i
→ Action
→ Feedback
→ Consequence
→ Drive_j

形式化：

D_i --(Action + Consequence)--> D_j

体验循环：

D1 → D2 → D3 → ... → Dn → D1'

其中：

D1' 不应该只是原样重复的
D1，而最好在强度、内容、约束、信息或决策空间上发生变化。

因此，判断一个玩法是否具有自驱体验循环时，核心问题不是：

"这个游戏有哪些 Drive？"

而是：

"解决当前 Drive 后，会自然制造什么新的 Drive？"

如果：

Challenge → Nothing

体验终止。

如果：

Challenge → Reward → Nothing

它更接近一次性任务。

如果：

Challenge
→ Deficiency
→ Trade-off
→ Challenge'

则开始形成能够持续驱动玩家行为的体验闭环。

13. Drive Transformation Table V1 总结

完整体系：

6 Drive Nodes
×
6 Next Drive Nodes
=
36 Transformation Edges

六种节点：

Threat      威胁
Desire      欲望
Curiosity   好奇
Deficiency  缺口
Challenge   挑战
Trade-off   取舍

真正的分析单位：

不是 Drive Node，而是 Transformation Edge。

真正的设计单位：

不是单条 Edge，而是能够自我再生 Drive 的 Cycle。

因此 Drive Transformation Table 的最终用途是：

1. 拆解已有玩法的体验动力结构 2. 发现体验循环的断点 3. 检查 Drive 转化缺口 4. 系统化寻找新的闭环 5. 比较不同游戏的 Drive Graph 6. 分析为什么某个玩法能够自然驱动"再来一轮" 7. 将体验目标反向映射到 Mechanic，指导具体玩法设计

最终研究方向：

Mechanic
    ↓
改变游戏 State
    ↓
玩家感知 Consequence
    ↓
Drive_i → Drive_j
    ↓
形成 Drive Graph
    ↓
形成 Experience Loop
    ↓
产生持续游玩动力

游戏快乐瞬间