# 《围猎》10 人并发模拟 × 多 agent 迭代 — 最终报告

> 2026-09-18/19 ｜ 章程：[00-plan.md](00-plan.md) ｜ 用户指令：多 agent 模拟 10 人同时在线 →
> 多 agent 分析迭代设计 → 全程记录 → 目标是「真正吸引人、玩家愿意玩的音频游戏」。

## 1. 做了什么（一句话）

10 个 LLM 玩家 agent（每人一张人设卡、亲笔写 20+ 参数的「玩家大脑配置」）驱动 10 个
拟人客户端，通过真实 WebSocket 连真实服务器**同时在线**打了 v1 三轮 28 局（教学轮 +
两轮真人快速匹配，含组队/断线/走神/乱滑/跳教学等真实行为），全程逐事件录制并生成
每人的「感知转写」（耳朵听到什么的逐秒记录）；局间由玩家 agent 本人读转写决定去留、
赛后写人设终评；4 个分析 agent 分视角（数值/音频信息/协作/上手留存）审全部数据产出
40+ 项修复提案，synthesis 裁定 9 项 P0（S1-S9）落地实施，**同阵容（10 人配置一字未改）
复测两轮 20 局**对比验证。

## 2. v1 → v2 核心对比（详表：[metrics.md](metrics.md) / [metrics-v2.md](metrics-v2.md)）

| 指标 | v1 | v2 | 判定 |
|---|---|---|---|
| R1 后同步点去留 | 2 人退游（P01/P06） | **0 人退游**（P01 回流、P06 收回退游决定） | ✅ |
| 终评愿意继续玩 | 6/10 | **10/10**（四人重访全部改判） | ✅ |
| 方位弧错率 | 22% | **11%** | ✅ S6 低通双线索 |
| N/S 家族可命中 | 63% / 69% | **75% / 81%** | ✅ 同上 |
| 真人房队友喊话 | 0 条/局 | **7.7 条/人/局** | ✅ S5① 座位角色接线 |
| 呼喊-应答闭环 | 3 次/28 局、应答 0 | 呼喊必有应答（ack 11 条可闻） | ✅ S5②③ |
| 闲置语音（看门狗） | 93 次/全场（80 次误伤） | **17 次**（≤1/人/局） | ✅ S4 |
| 冷却反馈 | 666 次乱滑全 error 震 | 首拦才震 + 就绪轻叮（P07 实证闭环） | ✅ S2 |
| 战斗中误触菜单 | 多人中招（P01 单局 14 次） | **0**（下滑恒出击） | ✅ S1 |
| 「你还没开张」羞辱 | 0 杀局点名 4 遍 | 沉默处理（P08 因此 0杀→12杀突破） | ✅ S3 |
| **营地零损耗** | 6/6 快速局余 10 | **18/20 局余 10** | ❌ **v3 头号遗留** |
| S 评级占比 | 93% | 仍 100%（双轴条件被专家房轻易满足） | ❌ 随难度一并修 |

个案亮点：谨慎姐 P08 从 0-1 杀到 **12 杀 22 出手**（「羞辱链下架让我敢赌第一挥」）；
通勤客 P03 从 0 出手观光退游到 **5 杀 5 出手 0 错弧**；新手 P10 自述「闷声双线索破案
（变小声+发木=身后，只是小声=远）」——教学没教，但线索本身终于可学。

## 3. 交付物清单

**代码（全部回归绿：hunt-sim 16/16、playtest 213、guide 132、engine-voice 19）**
- `web/server/hunt-room.js`：S5 协作人声包（真人座位角色接线/呼喊邻座代答/help 优先）、
  S7 难度重构（4 人房波次 ×4/3 `waveCounts`、齐压拍 `alignPincers`、bot 让位窗
  `mobYielded` 2s、双轴评级 `gradeForEx`：S=耐久≥9 且 ≥2 人各 6 杀）、喊话预算 2→3
- `web/hunt/game.js`：S1 下滑恒出击+菜单收窄到波间、S2 冷却首拦震+就绪 beat 震、
  S3 0 杀不播 kill_band0、S4 看门狗重定义、S5③ help 永不丢、S6 后半平面 loop 低通
  750Hz 第二线索、S8 教学作答步跳过保护、S9 状态链按变化播
- `web/harness/hunt-sim/`（新研究设施，可复用）：arena.mjs 编排器 + sim-client.mjs
  （game.js 行为移植）+ brain.mjs（人设大脑）+ recorder.mjs（感知转写）+ ws.mjs/assets.mjs

**研究档案（research/hunt-sim/）**
- 00-plan.md 研究章程 ｜ brain-config-schema.md 配置契约
- players/：10 人配置+策略+逐局去留决策+终评+退游者重访（全部 LLM 亲笔）
- rounds/：v1 三轮 + v2 两轮，每人每局 percept.md 感知转写 + events.jsonl 全量事件流
  + 按房 match.json（含方位混淆账）
- analysis/01-04：数值/音频信息/协作/上手留存四视角报告
- synthesis.md：S1-S9 裁定 ｜ metrics.md / metrics-v2.md：两版对比总账

## 4. 方法论沉淀（对「做吸引人的音频游戏」的可复用结论）

1. **「程序化拟人身体 + LLM 玩家灵魂」三层架构**经实测成立：感知层逐字节移植客户端
   音频调度（信息流可信）、配置层由 LLM 按人设亲笔校准（短板真实）、主观层由 LLM
   读感知转写判去留（「愿意玩」可量化为决策点留存率）。
2. **去留决策点是最硬的产品指标**：比评分诚实（P05 的「第三局白给 S 就删」当场兑现
   与当场解除，都在转写里对得上账）。
3. **修「怎么被对待」比修玩法更能救人**：v2 里零杀玩家的去留反转（P08/P04）全部来自
   羞辱链下架与看门狗重定义——玩法没变，尊严变了。
4. **信息可学性是纯音频游戏的生命线**：N/S 判读从 63%→75% 靠的不是教学而是把单线索
   （响度）变双线索（响度+音色）——「玩家自己破案」（P10 语）比「教出来」更留人。
5. 模拟的盲区也明确：听感层（音色美感/响度平衡）与真实人类的学习迁移仍需真机人耳；
   营地零损耗这类「数值吞吐」问题模拟可以精确复现，但最优修法参数要在模拟与
   balance-scan 之间迭代。

## 5. v3 迭代清单（按优先级，数据见 metrics-v2.md 遗留节）

1. **难度穿透**（P05 判决条件：营地要掉血）：齐压拍 2-3 组/波、后波 wolfEta 8→7s、
   总量 +15%；balance-scan 扩 bot4/opt4 档验收（目标：专家房余耐久带 4-8）。
2. **真人房参与真空**（P04/P09）：分层匹配（join.skill）+ 保底猎物（防区优先窗对真人
   的可听化版本）。
3. **喊话情报分级投递**（P02 新报占线挤掉开始伤情报）。
4. **TTS 批次**：tut_back 教学补身后期、kill_band0 正向改写、波间战报句。
5. P06 的 v3 愿望清单：报点手势、波间队友战报、喊话零丢包。

## 6. 复现命令

```bash
# 全量回归
tools/node/bin/node --test web/server/test/hunt-sim.test.mjs
tools/node/bin/node web/hunt/test/playtest.mjs
# 平衡扫描（难度参数验证）
tools/node/bin/node web/server/test/hunt-balance-scan.mjs 8
# 再开一轮 10 人模拟（复测协议见 00-plan §6）
tools/node/bin/node web/harness/hunt-sim/arena.mjs <轮名> --quick
```