SoundGame/research/hunt-sim/00-plan.md

《围猎》10 人并发在线模拟 × 多 agent 设计迭代 — 研究计划

启动：2026-09-18 ｜ 上级文档：HANDOVER §7 MMORPG 路线、23-hunt 用户指令：开多个 agent（一个代表一个玩家），先模拟 10 个玩家同时在线玩《围猎》， 再开多个 agent 根据模拟结果迭代游戏设计；过程中充分记录各种状态和数据； 最终目的：做一款真正吸引人、玩家愿意玩的音频游戏。

0. 方法论声明（为什么这么做）

目标：验证并打磨《围猎》作为联机纯音频游戏的吸引力——不是「逻辑能跑通」 （服务器单测 hunt-sim.test.mjs 已覆盖），而是「真人玩起来是什么体验、愿不愿意再来一局」。

两难与解法：LLM agent 单次决策往返需数秒到数十秒，而《围猎》的近战窗是 eta≤4s、出击冷却 2.5s——让 LLM 字面意义地实时逐手势操作，测到的是 agent 网络延迟 而非游戏设计，数据会被系统性污染。因此采用项目既有方法论（new8 八款验证过的 「程序化拟人 driver + LLM 人设评审」，见 research/new8/00-program.md）的加强版：

• 每个玩家 = 一个 LLM subagent，其职责分三段：
  1. 赛前（灵魂注入）：读自己的人设卡 + 游戏背景，亲笔写下自己的「玩家大脑配置」 （反应延迟/方位混淆率/技能习惯/呼喊倾向/分心中断等 20+ 参数）与策略自述—— 这就是「这个人在真实房间里会怎么打」。
  2. 赛中（身体执行）：竞技场编排器用该配置驱动一个拟人玩家模型，通过真实 WebSocket 协议连上真实服务器，与其他 9 人同时在线打真实时长的对局 （教学局 + 快速局）。感知模型逐字节移植自真实客户端 game.js 的渲染规则 （loop ≤3 路 / 音量分档 / pan / 后半平面×0.6 / 喊话调度 / 语音时长全部对齐）， 玩家模型只根据「耳朵能听到什么」做决策，方位要靠 pan 判读、会听错。
  3. 局间与赛后（主观意志）：每打完一局，玩家 agent 读自己的感知转写 （这一局里耳朵听到了什么的逐秒记录），决定「再来一局 / 走人」并写即时感受； 全部打完后写结构化人设终评（状态感知/下一步明确性/愿意继续玩/P0/建议， 沿用 research/04-playtests/personas.md 格式）。
• 多个分析 agent 在 Phase 2 分视角审全部记录（数值曲线/音频信息设计/协作动态/ 上手与留存），产出设计迭代清单；synthesis 裁定 P0/P1；实施后同阵容复测对比。

这一架构里 LLM 的判断力用在它擅长的位置（人格、策略、主观体验、去留决策、 设计分析），反射层交给校准过的程序（人类反应本来就是脊髓级别的）。

1. 研究问题（评审 agent 逐一回答）

#	问题	数据来源
Q1	5 波难度曲线对不同水平玩家是否成立（首胜率/失守点/评级分布）？	对局结果 + 逐波 breach
Q2	8 方位 pan 判读的真实错误率：前后/斜对角/低音量档差多少？玩家学得会吗？	感知模型的方位混淆账
Q3	音频信道拥挤（R1-R8）：旁白播报掩蔽 loop 导致的漏怪有多少？警报可达性？	转写中 voice 在播窗 vs breach 时刻对账
Q4	协作是否成立：呼喊-补位闭环真人会用吗？bot 队友的存在感/可信度？	callout 账 + 玩家终评
Q5	FTUE：教学房时长/错误/卡点；二周目是否还愿意进？	教学局转写 + 去留决策
Q6	留存钩子：打完一局想再来吗？什么时刻让人想走（败局/混乱/无聊）？	局间去留 + 终评
Q7	玩法天花板：optimal 玩家与 novice 的差距是否「可追赶」（不是天赋锁死）？	与 hunt-balance-scan 对照

2. 十张人设卡（P01-P10）

蓝本来自 research/04-playtests/personas.md 的 P1-P4 四原型，为联机协作场景扩展为 10 人。 每位玩家 agent 拿到自己的一张卡。卡的「参数倾向」只是建议区间，agent 可在自己 判断下偏离（需在策略自述里说明理由）。

#	代号	原型	背景/场景	参数倾向
P01	老鹰	P1 视障资深	先天失明 15 年读屏，audiogames.net 老用户，Blind Drive 竞速榜玩家。安静书房，有线耳机，愿意深玩	反应快（react 0.6-0.9s）、方位判读准（斜向混淆 <8%）、技能/呼喊用得系统
P02	小鹿	P2 大学生	20 岁，原神/明日方舟深度玩家，躺床戴耳机，23:30 睡前	中反应（0.9-1.4s）、好奇（会试上滑状态/菜单）、败局容忍中
P03	通勤客	P3 白领	32 岁地铁单程 25 分钟，站立单手持机，嘈杂，随时被打断	反应慢（1.4-2.2s）、每局 1-2 次分心中断（8-15s）、方位判读差
P04	老赵	P4 工人	45 岁工地收工，宿舍外放小音量，反应不快，游戏经验少	反应慢（1.6-2.4s）、教学可能做错、呼喊不主动、但沉得住气
P05	独狼	新原型	28 岁程序员，单人游戏主义者，从不开语音不喊话，操作精准	反应快、方位准、从不呼喊（callout discovered=false）、专注输出
P06	社交花	新原型	24 岁，开黑爱好者，王者荣耀辅助位，爱指挥爱报点	反应中、呼喊积极（阈值低）、爱听 bot 队友回应、波间爱上滑看状态
P07	暴躁哥	新原型	22 岁，FPS 玩家，脾气急，输了就想摔手机	反应极快（0.5-0.8s）、冷却内乱滑（noviceSpam 高）、失守后大概率走人
P08	谨慎姐	新原型	35 岁，玩动物森友黏，不爱冲突，怕犯错	反应中慢、旋风斩囤着不用（阈值高）、被连续突入会慌（panicSpin）
P09	挂机侠	新原型	19 岁，边看视频边玩，注意力随机离线	反应漂移大（0.8-2.8s）、每局长分心 2-3 次、可能中途断网重连
P10	新手小白	新原型	30 岁，第一次玩音频游戏，朋友推荐来的	全参数保守：慢、混淆率高、教学逐步跟、第一次失守可能直接走

设备/环境画像进入感知模型：通勤客与挂机侠的语音掩蔽系数更高（嘈杂/分屏）， 老赵外放 → 方位判读惩罚，蓝牙耳机延迟（暴躁哥蓝牙 +150ms 动作延迟）。

3. 会话剧本（Phase 1 执行流程）

R0 教学轮   10 人各自进教学房（单人+2bot，服务端强制）——FTUE 测量
   ↓ [10 个玩家 agent 读自己的教学局转写 → 决定：继续/走人 + 一句话感受]
R1 快速轮   幸存者进快速匹配池（真实组队：4+4+2 或按幸存数）
   ↓ [同上局间决策]
R2 快速轮   幸存者再战（房间重新洗牌）
   ↓ [10 个玩家 agent 写人设终评（含中途退出者）]

• 每局都是真实时长（教学 ~3-4min、快速 ~3min），真实服务器进程（随机端口 + 临时数据目录，与生产数据隔离）。
• 玩家可以中途走人（配置/局间决策决定），槽位按 §6.6 转 bot——本身就是被测行为。
• P09 的 netDrop、P03 的分心、P07 的乱滑都走真实协议路径（客户端本地拦截在 玩家模型里等价复刻：乱滑只记手势不发 act）。

4. 记录产物（全部落 research/hunt-sim/round/）

产物	内容
players/PXX.config.json + PXX.strategy.md	玩家 agent 亲笔的大脑配置与策略自述
players/PXX.decisions.md	局间去留决策 + 即时感受（逐局追加）
players/PXX.review.md	人设终评（结构化，personas.md 格式 + hunt 专项问题）
matches/<matchId>/PXX.percept.md	每人每局感知转写：逐秒「耳朵听到了什么」（语音全文/sfx/loop 方位音量档/震动/静默）+ 自己的手势与归因
matches/<matchId>/PXX.events.jsonl	原始全量：服务器每条消息（含 ts）/感知事件/手势与 act/内部状态快照
matches/<matchId>/match.json	对局档案：房间构成/seed/结果/逐波统计/每人击杀/失误/方位混淆账
metrics.json + summary.md	全场汇总指标（Q1-Q7 口径）
analysis/*.md	Phase 2 各分析 agent 报告
synthesis.md	裁定清单（P0/P1/P2 + 修法 + 预期指标变化）

5. Phase 2 分析 agent 分工（每视角一个 subagent）

1. 数值曲线：Q1/Q7——胜率-评级分布、逐波 breach、bot 带飞占比、与 hunt-balance-scan 的 idle/bot/optimal 三基准对照。
2. 音频信息设计：Q2/Q3——方位混淆账（前/后 × 主/斜 × 音量档）、语音掩蔽窗 对账、警报可达性、拥挤规则 R1-R8 在真实并发下的表现。
3. 协作与社交：Q4——呼喊使用率与响应链、补位感知（玩家知道队友来了吗）、 bot 台词存在感、独狼 vs 社交花的体验差。
4. 上手与留存：Q5/Q6——教学时长/卡点/错误分布、去留决策树（什么体验导致 走人）、再来一局的钩子在哪。
5. （合成）synthesis：合并四报告 → 按「对愿意玩下去的影响」排序的修复清单。

6. 迭代与复测纪律

• 修复只动设计参数与逻辑（server/client/台词接线），不动 10 人配置与人设 （同阵容复测才有可比性）；数值调优可另跑 hunt-balance-scan 多种子验证。
• 复测对比指标：胜率/评级分布、方位混淆率、掩蔽漏怪数、去留率、终评均分。
• 每轮记录齐套入 research/hunt-sim/round<N>/，裁定记录不改、新结论写新文档 （项目协作约定 §8.2）。

7. 已知边界（诚实声明）

• 玩家模型是「感知规则 + 配置驱动」的拟人代理，不是真人；它的参数是从人设卡 出发由 LLM 亲笔校准的，但真实人类的怪癖（学会新策略、情绪漂移）只通过局间 agent 决策部分体现。结论按「信息流层可信（何时听到什么/能不能判读）、 主观层参考（人设代入）」两档采信。
• 音色美感、响度平衡、立体声分离度等听感层不在本模拟范围（无真实音频渲染）， 属真机人耳听测（roadmap §4）。转写里的 loop「听到」= 事件流上客户端会渲染它。