game-experience-density-optimizer

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"}

Game Experience Density Optimizer

Copyright (c) 2026 Paranoia. Licensed under the MIT License.

Mission

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

When To Use

用户讨论以下问题时触发本 skill：

• “体验浓度”、ED / Experience Density、每分钟有多少有意义选择、首局太空、首个爆点太晚。
• 留存实验、D1/D3/D7、每日会话、回流 rehook、活动留存、老玩家钝化、中段疲劳。
• 单机总游戏时长、买断制完成率、Steam Demo 完成率、章节推进、核心循环到达率、重玩意愿。
• 反馈不爽、不清楚、不跟手、打击软、操控延迟、镜头/触觉/动作节拍问题。
• 氛围空、留白无质感、叙事停顿、信息太吵、认知负荷高。
• 最佳刺激、低刺激无聊、过载无聊、习惯化、半熟半新、可控惊讶。
• FEP/free-energy、预测误差、Markov blanket、玩家和游戏的输入输出边界。
• 一周 A/B 测试、埋点字典、看板字段、预注册规则、回滚/Kill 条件。

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。

Mode Router

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。

Hard Gates

所有输出必须经过这些门：

1. 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。
2. 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。
3. 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。
4. density_formula_gate：把问题落到 CLP、SF、EB、AR、MD/min，并说明为什么。
5. 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。
6. instrumentation_gate：没有埋点/看板/复盘口径的方案不能说已可验证。
7. decision_rule_gate：成功、观察、回滚、Kill 条件必须在实验前写死。
8. ethics_gate：不得用暗黑模式或纯数值膨胀伪装体验优化。
9. 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。

Core Model

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。

Evidence Gate

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”。

Metric Horizon

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。

Output Contracts

quick_ed_triage

必须包含：

• output_mode
• case_boundary
• evidence_gate
• metric_horizon
• optimal_stimulation_fit
• primary_formula_item
• primary_lever
• two_minimal_changes
• verification_metrics
• rollback_condition
• unsupported_claims

weekly_ab_plan

必须包含：

• case_boundary
• evidence_gate
• metric_horizon
• theory_status
• optimal_stimulation_fit
• diagnosis_summary
• experiment_hypothesis
• variant_matrix
• instrumentation_dictionary
• metric_plan
• dashboard_spec
• decision_rules
• weekly_schedule
• handoff_checklist

instrumentation_plan

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。

review_and_decide

复盘顺序固定：

1. 数据质量门：分流、版本、渠道、样本、埋点完整性。
2. 负向门：崩溃、早退、失败率、投诉、疲劳、经济、公平、暗黑模式。
3. P1：按 game_metric_model 读取主周期。
4. P2：用 ED proxy、CLP、SF、EB、AR、MD/min、最佳刺激窗口解释原因。
5. 决策：amplify、iterate、observe、rollback 或 kill。

full_client_delivery

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。

schema_json

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。

Handoff

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。

References

按需读取，不要一次性加载所有文件：

• 证据门：references/evidence-gate.zh-CN.md
• ED 基础框架：references/ed-framework.zh-CN.md
• 理论来源映射：references/theory-source-map.zh-CN.md
• 单机/手游指标周期门：references/metric-horizon-by-game-model.zh-CN.md
• 最佳刺激窗口：references/optimal-stimulation-window.zh-CN.md
• GameFlow 与 SDT 体验门：references/flow-sdt-experience-gates.zh-CN.md
• 体验浓度公式：references/density-formula.zh-CN.md
• 诊断流程：references/density-diagnosis-workflow.zh-CN.md
• 自由能与马尔可夫毯镜头：references/free-energy-markov-blanket-lens.zh-CN.md
• 交互与预测反馈镜头：references/interaction-prediction-lens.zh-CN.md
• 一周实验 SOP：references/weekly-experiment-sop.zh-CN.md
• 主旋钮玩法库：references/lever-playbook.zh-CN.md
• 埋点与指标口径：references/telemetry-metric-dictionary.zh-CN.md
• 风险门和反例：references/retention-risk-gates.zh-CN.md

Templates

• 输入表：templates/experiment-intake.md
• 标准实验方案：templates/weekly-ed-experiment-plan.md
• 变体矩阵：templates/variant-matrix.md
• ED 相对评分卡：templates/ed-scorecard.md
• 埋点字典：templates/instrumentation-dictionary.md
• 看板规格：templates/dashboard-spec.md
• 周复盘：templates/weekly-review.md
• 结构化 schema：templates/experiment-plan.schema.json

Output Gate

最终输出前检查：

• 是否先写 output_mode、case_boundary、evidence_gate，再写诊断。
• 是否证据不足时降级为 assumption_only 或 partial_evidence。
• 是否先区分 premium_single_player、mobile_liveops、hybrid 或 unknown。
• 是否为单机/买断制使用总旅程指标，为手游/liveops 使用每日和持续天数指标。
• 是否标注 theory_status: design_hypothesis。
• 是否先判断最佳刺激窗口，区分低刺激、过载、习惯化、低能动性、低意义感或 unknown。
• 是否把问题落到 CLP、SF、EB、AR、MD/min。
• 是否遵守“先判窗口，再降噪，再提质，后调频”。
• 是否每个变体只有一个主旋钮，并写清配置开关、owner、QA 和回滚。
• 是否包含埋点事件、字段、触发时机、看板过滤器和数据质量门。
• 是否预注册成功、观察、回滚和 Kill 条件。
• 如果涉及长线、赛季、刷子、肉鸽、UGC 或老玩家钝化，是否输出 anti_habituation_plan。
• 是否避免暗黑模式、误导奖励、焦虑红点、虚假倒计时和纯数值膨胀。
• 是否让输出密度匹配 mode，而不是每次都写完整大报告。