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](../../HANDOVER.md) §7 MMORPG 路线、[23-hunt](../../docs/design/23-hunt.md)
> 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<N>/）

| 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。