菜单
当用户需要把游戏体验浓度、留存、首局节奏、Demo 完成率、单机总旅程、D1/D7、反馈、具身感、氛围、认知负荷、最佳刺激窗口、FEP/free-energy、预测误差、Markov blanket、习惯化或 liveops 参与问题，编译成可上线、可埋点、可复盘、可回滚的一周 ED 实验包时使用。Use when converting game experience-density and engagement problems into rollback-ready ED experiments.
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/DY-2026/ParanoiaSkills --skill game-experience-density-optimizer命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
将调研、概念架构、体验诊断、验证计划、脑图/xmind/系统设计图、已有策划案和生产约束收束为商业游戏策划案、独立游戏设计案、立项评审稿、发行/投资 pitch 或 vertical slice 设计文档。适用于一句话创意先经 game-concept-architect 生成概念契约后再成案、玩法/系统脑图转可落地策划案、审核并改进已有策划案。强调证据边界、受众与商业适配、scope gate、里程碑、风险、决策请求和下一步投入条件；不替代上游创意生成或体验诊断。
用于升级 AI 系统、agent workflow、Codex skill、prompt、memory、RAG、tool routing、schema、eval set 或 feedback loop；需要 WOOP 任务准入、VOI/OODA、eval、Human Gate、versioning 与 rollback 的受控演化时使用。Use when controlled AI system evolution is needed.
Use when translating, polishing, structuring, or QA-checking English game design, game development, system design, UX, game studies, design theory books, chapters, PDFs, OCR text, Markdown drafts, diagrams, figure captions, terminology tables, or Chinese manuscripts that need professional game-design terminology.
基于 SOC 职业分类
正在显示 SKILL.md
| name | game-experience-density-optimizer |
| description | 当用户需要把游戏体验浓度、留存、首局节奏、Demo 完成率、单机总旅程、D1/D7、反馈、具身感、氛围、认知负荷、最佳刺激窗口、FEP/free-energy、预测误差、Markov blanket、习惯化或 liveops 参与问题，编译成可上线、可埋点、可复盘、可回滚的一周 ED 实验包时使用。Use when converting game experience-density and engagement problems into rollback-ready ED experiments. |
| metadata | {"short-description":"体验浓度实验编译器"} |
Copyright (c) 2026 Paranoia. Licensed under the MIT License.
把模糊的游戏体验问题编译成可上线、可埋点、可复盘、可回滚的 ED 实验包。
这里的 ED 是 Experience Density / 体验浓度。中文统一叫“体验浓度”，不要另造概念名。它不是科学量表，也不是留存玄学；输出必须默认标注 theory_status: design_hypothesis，并把结论绑定到证据等级、游戏形态、主旋钮、指标周期和回滚条件。
默认内部管线：
输入材料 -> 输出模式路由 -> Evidence Gate -> 游戏形态分流 -> 最佳刺激窗口 ->
ED 公式项定位 -> 主旋钮选择 -> 实验变体编译 -> 埋点/看板编译 ->
预注册决策门 -> 输出门检查
用户讨论以下问题时触发本 skill：
ED / Experience Density、每分钟有多少有意义选择、首局太空、首个爆点太晚。不要用于只有一句创意、还没有核心循环的任务；先用 game-concept-architect。不要把截图、PV 或商店页直接当真实节奏证据；先用 game-experience-analyzer 建证据层。不要设计暗黑模式、误导奖励、焦虑红点、虚假倒计时、付费压力或不可逆损失伪装。
先判断输出模式，再决定交付深度。强 skill 的默认不是写大报告，而是给当前场景刚好够用的结果。
| mode | 触发 | 输出密度 |
|---|---|---|
quick_ed_triage | 用户只给一句体验问题，或明确要快速判断 | 1 个边界判断、1 个刺激窗口、1 个主旋钮、2 个最小改动、3 个验证指标、1 个回滚条件 |
weekly_ab_plan | 用户问怎么改、怎么测、本周怎么做、A/B 测试、留存实验、实验方案 | A/B 或 A/B/C/D 变体、埋点、看板、决策门、owner、回滚 |
instrumentation_plan | 用户重点问埋点、看板、指标口径、数据接线 | 事件字典、字段、触发时机、过滤器、数据质量门、隐私边界 |
review_and_decide | 用户提供实验结果、指标变化、复盘材料 | 先查负向门和数据质量，再决定 amplify / iterate / observe / rollback / kill |
full_client_delivery | 用户要求客户交付、团队方案、完整文档、正式报告 | 展开完整 19 模块，附 handoff checklist、QA、风险门 |
schema_json | 用户要求 agent 消费、自动化验证、结构化输出 | 输出符合 templates/experiment-plan.schema.json 的 JSON，保留证据和 unknown 字段 |
如果用户没有说明模式：一句话问题默认 quick_ed_triage；出现“本周、实验、A/B、怎么测、留存方案”默认 weekly_ab_plan；出现“完整、交付、客户、团队评审”默认 full_client_delivery。
所有输出必须经过这些门：
evidence_gate：先声明 evidence_level、evidence_status、允许结论、禁止结论、置信度、缺失证据和混淆风险。读取 references/evidence-gate.zh-CN.md。metric_horizon_gate：先判断 game_metric_model：premium_single_player、mobile_liveops、hybrid 或 unknown。单机/买断制默认总旅程指标；手游/liveops 才默认 D1/D7。stimulation_window_gate：先判断最佳刺激窗口和无聊类型。无聊不自动等于刺激不足。density_formula_gate：把问题落到 CLP、SF、EB、AR、MD/min，并说明为什么。one_primary_lever_gate：每个变体只能有一个主旋钮，最多一个不影响归因的辅助动作。instrumentation_gate：没有埋点/看板/复盘口径的方案不能说已可验证。decision_rule_gate：成功、观察、回滚、Kill 条件必须在实验前写死。ethics_gate：不得用暗黑模式或纯数值膨胀伪装体验优化。output_density_gate：不要在 quick_ed_triage 里输出完整 19 模块；不要在 full_client_delivery 里省略关键风险门。体验浓度指：当前玩家在当前情境下，单位时间内可吸收、可解释、可转化为探索/学习/意义的刺激密度。
默认工作公式：
ED = MD/min * (SF + EB + AR) / CLP
MD/min：每分钟有意义选择次数。不是点击频率，也不是选项数量。SF：可感知反馈。不是光污染，而是能被玩家看见、听见、感到并归因。EB：具身感加成。不是剧情代入，而是输入、动作、镜头、触觉和反馈的耦合。AR：氛围感加成。不是堆素材，而是留白、音画、世界反应和风格一致性。CLP：认知负荷惩罚。玩家看不懂、学不会、被噪音打断时，先降分母。诊断顺序固定为：先判窗口，再降噪，再提质，后调频。只有在信息清晰、反馈可归因、耦合可理解之后，调高 MD/min 才有意义。
FEP、自由能、预测处理、Markov blanket、GameFlow、SDT 只作为设计启发式镜头，不得写成神经科学或心理学证明。涉及这些理论时必须保留 theory_status: design_hypothesis。
不要凭感觉跑太远。证据等级决定允许输出什么：
| level | 材料 | 允许 | 禁止 |
|---|---|---|---|
L0_text_only | 只有口述 | 假设、最小实验、埋点需求 | 声称真实原因或承诺指标提升 |
L1_static_assets | 截图、商店页、PV 截帧 | 信息层级、视觉噪音、可能风险 | 判断真实节奏、手感或会话行为 |
L2_recording | 录屏、试玩视频 | 时间轴、反馈窗口、节奏断点、退出前行为 | 推断全部玩家心理 |
L3_playtest_notes | 试玩笔记、访谈摘要 | 玩家分群假设、问题卡、方向性实验 | 忽略样本偏差 |
L4_telemetry_snapshot | 指标快照 | 分流、埋点核对、方向性实验 | 混版本、混渠道、混新老用户 |
L5_ab_result | 实验结果 | 复盘决策 | 跳过负向门、数据质量门和预注册规则 |
证据不足时输出 evidence_status: assumption_only 或 partial_evidence。没有真实埋点或试玩证据时，只能说“验证假设”，不能说“一定提升 D1/D7、总时长或完成率”。
先选游戏形态，再选 P1。
premium_single_player：买断制、单机、Steam Demo、章节制、完整旅程承诺。P1 优先看总有效游玩时长、Demo/章节完成率、核心循环到达率、通关/重玩意愿、评价/退款风险。不默认 D1/D7。mobile_liveops：手游、长线运营、活动、每日循环、回流。P1 可以看 D1/D3/D7/D30、每日会话、连续活跃、活动留存、回流成功率，同时必须看疲劳和投诉。hybrid：总旅程和 liveops 两套 P1 分开预注册。任一关键周期受损，都不能宣布整体成功。unknown：材料不足时标 unknown，并写清暂不适用的指标。必须包含：
output_modecase_boundaryevidence_gatemetric_horizonoptimal_stimulation_fitprimary_formula_itemprimary_levertwo_minimal_changesverification_metricsrollback_conditionunsupported_claims必须包含：
case_boundaryevidence_gatemetric_horizontheory_statusoptimal_stimulation_fitdiagnosis_summaryexperiment_hypothesisvariant_matrixinstrumentation_dictionarymetric_plandashboard_specdecision_rulesweekly_schedulehandoff_checklist必须至少生成 variant_assigned、session_started、meaningful_decision_made、salient_feedback_fired、cognitive_load_signal、session_checkpoint、session_ended。涉及手感/反馈时增加 embodiment_signal_observed 和 blanket_coupling_signal；涉及 OLSO/FEP 时增加 optimal_stimulation_window_observed 和 prediction_error_window_observed；涉及长线疲劳时增加 anti_habituation_signal。
复盘顺序固定：
game_metric_model 读取主周期。amplify、iterate、observe、rollback 或 kill。完整交付才展开 19 模块：case_boundary、metric_horizon、theory_status、optimal_stimulation_fit、diagnosis_summary、density_curve_intent、free_energy_window、markov_blanket_coupling、growth_surprise_ladder、anti_habituation_plan、motivation_flow_gate、experiment_hypothesis、variant_matrix、instrumentation_dictionary、metric_plan、dashboard_spec、decision_rules、weekly_schedule、handoff_checklist。
按 templates/experiment-plan.schema.json 输出结构化 JSON。未知信息保留 unknown，不要省略证据不足项。
当输入来自 game-experience-analyzer，优先消费已有 ed-handoff，尤其是 issue_cards_for_ed、evidence_refs、suggested_primary_lever、secondary_noise、confounder_risk 和 unknowns。不要重做完整体验分析。
仓库已有跨 skill contract：../contracts/ed-handoff.schema.json。本 skill 不创建平行 handoff schema；如果需要自动化消费，按该 contract 接收，再编译成 weekly_ab_plan 或 schema_json。
按需读取，不要一次性加载所有文件：
references/evidence-gate.zh-CN.mdreferences/ed-framework.zh-CN.mdreferences/theory-source-map.zh-CN.mdreferences/metric-horizon-by-game-model.zh-CN.mdreferences/optimal-stimulation-window.zh-CN.mdreferences/flow-sdt-experience-gates.zh-CN.mdreferences/density-formula.zh-CN.mdreferences/density-diagnosis-workflow.zh-CN.mdreferences/free-energy-markov-blanket-lens.zh-CN.mdreferences/interaction-prediction-lens.zh-CN.mdreferences/weekly-experiment-sop.zh-CN.mdreferences/lever-playbook.zh-CN.mdreferences/telemetry-metric-dictionary.zh-CN.mdreferences/retention-risk-gates.zh-CN.mdtemplates/experiment-intake.mdtemplates/weekly-ed-experiment-plan.mdtemplates/variant-matrix.mdtemplates/ed-scorecard.mdtemplates/instrumentation-dictionary.mdtemplates/dashboard-spec.mdtemplates/weekly-review.mdtemplates/experiment-plan.schema.json最终输出前检查：
output_mode、case_boundary、evidence_gate，再写诊断。assumption_only 或 partial_evidence。premium_single_player、mobile_liveops、hybrid 或 unknown。theory_status: design_hypothesis。CLP、SF、EB、AR、MD/min。anti_habituation_plan。