xsl
0652c2f0e6
研究命题（00-plan）：验证并打磨《围猎》联机纯音频体验——不是逻辑能跑通， 而是真人玩起来是什么体验、愿不愿意再来一局。 设施 web/harness/hunt-sim/（可复用，零依赖）： - arena.mjs 编排器：起真实服务器（随机端口+临时数据目录隔离），10 个拟人客户端 经真实 WS 同时在线，错峰组队、真实时长对局、局间状态跨轮维护 - sim-client.mjs：game.js 行为移植（协议+手势路由+R1-R8 音频调度逐字节对齐）， 产出「玩家耳朵听到什么」的感知时间线（语音全文/loop 方位音量档/喊话/震动） - brain.mjs：人设大脑——察觉延迟/前后判读（以真值为条件的正确率模型）/掩蔽放大/ 冷却乱滑/技能囤积/呼喊倾向/分心断网，全部随机判定用按实体 id 哈希的独立抽签 （mulberry32 流会被刷怪座位轮转结构带偏，实测造成系统性镜像反转，已证伪） - recorder.mjs：每人每局 events.jsonl 全量 + percept.md 感知转写 + 对局速览 研究档案 research/hunt-sim/： - players/：10 人配置（LLM 亲笔）+策略自述+逐局去留决策+人设终评+退游者重访 - rounds/：v1 三轮（R0 教学+R1/R2 真人快速）+ v2 复测两轮，共 48 局全记录 - analysis/01-04：数值曲线/音频信息设计/协作社交/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）、report.md（总报告） v1 核心发现：10 人 3 轮 28 局 100% 胜率 26S/营地零损耗；击杀垄断（专家单人 30/39）； 呼喊 3 次/28 局应答 0；N/S 前后判读仅 63/69% 可命中；四种退游死因 （失衡/社交真空/交互摩擦/观光无聊）→ 详见 report.md
5.6 KiB
5.6 KiB
玩家大脑配置 Schema（玩家 agent 必读）
你（玩家 agent）要为自己的人设亲笔写一份
research/hunt-sim/players/PXX.config.json+ 同名.strategy.md策略自述。配置驱动你在这场模拟里的「身体」：什么时候听见、 听得多准、多快出手、什么时候走神。请按你的人设卡如实地填——你就是这个人。
游戏速览（《围猎》联机纯音频守卫）
你和 2-3 名队友（可能是 bot 队友阿岩/小筝/老周）围守营地，野兽从 8 方位（N/NE/E/SE/S/SW/W/NW） 逼近，5 波约 3 分钟，营地耐久 10 点，撑过 5 波天亮就赢。
- 听力：狼/熊逼近有持续脚步声（loop），左右声像（pan）告诉你它在左边还是右边； 前后只能靠音量——身后的声音发闷（音量 ×0.6），N 和 S 声像都在正中，全靠闷不闷区分。 远处只有一声嚎叫，近了（约 4 秒突入内）才能出手打到。
- 手势：朝声音的方向滑动=出击（滑向覆盖 ±45° 弧，弧内最近一只；冷却 2.5 秒）； 单击=呼喊支援（bot 队友会来你这边补位）；双击=旋风斩（清掉身边一圈，冷却 8 秒； 冷却中双击=重听威胁播报）；上滑=听状态、下滑=菜单（注意：战斗不暂停！）。
- 旁白会播报波次/警报（营地被突入等），bot 队友会喊话（从他们的方位传来）。
配置字段（全部可选，缺省=中等水平；数值必须落在建议区间内）
{
"persona": "P01 老鹰", // 人设卡代号+名
"name": "老鹰", // 游戏内显示名（1-24 字）
"gender": "male", // 旁白音色偏好 male|female（你自己听哪个舒服）
"seed": 7, // 随机种子（任意整数，决定你的犹豫细节）
"perception": { // —— 你的耳朵与反应底子 ——
"noticeMsMin": 500, // 内圈脚步声出现→你注意到：最小延迟 ms [300-1500]
"noticeMsMax": 900, // 同上最大延迟（你在带内随机）[400-2200]
"rearDiscrim": 0.85, // 前后判对率：音量发闷线索你能用多好 [0.5-0.98]
// 0.5=纯猜（N/S 各半）、0.85=熟练、0.95+=老猎手
"adjSlideP": 0.12, // 相邻方位误听率（多被 ±45° 弧无害吸收）[0.05-0.35]
"howlHearP": 0.7, // 远处那声嚎叫你注意到的概率 [0.3-0.95]
"voiceMaskFactor": 0.8, // 旁白在播时你的察觉延迟放大倍数 [0-2]（0=丝毫不受影响）
"etaErrS": 0.4 // 你对"还有几秒突入"的估计误差 ±秒 [0.2-1.5]
},
"attack": { // —— 出手 ——
"reactMs": 700, // 决定打到出手延迟 ms [400-2000]
"panicEtaS": 2.0, // 感觉还有 N 秒就突入时你会慌（提前出手优先）[1.0-3.0]
"noviceSpamP": 0.05, // 冷却没好还忍不住乱滑的概率/评估窗 [0-0.5]
"bearFirst": true // 听到熊（-2 耐久）优先打 [bool]
},
"skill": { // —— 旋风斩 ——
"innerThreshold": 3, // 身边逼近几只才舍得放 [1-5]（囤技能的人填高）
"useP": 0.8, // 每次满足条件的释放意愿 [0.1-1]
"panicEtaS": 1.2, // 有怪 1.2 秒内贴脸时无条件放 [0.6-2.0]
"cooldownAware": true // 你掐得准 8 秒冷却吗 [bool]（false=冷却中会双击→变成重听威胁）
},
"callout": { // —— 呼喊支援 ——
"sectorThreshold": 3, // 感觉自己这边几只压力才喊 [2-5]（社恐/独狼填 99=从不主动）
"useP": 0.6 // 满足条件时喊的概率 [0-1]
},
"habits": { // —— 习惯与小动作 ——
"lobbyTap": "eager", // 等待房里你会不会单击立即开局 eager|wait
"statusCheck": "waveclear", // 波间休整时上滑听状态 never|waveclear|curious
"menuProb": 0.0, // 战斗中开一下菜单的概率（每局一次判定）[0-0.5]
// （菜单不暂停战斗，开了会漏怪——真实风险）
"lapses": [ // 分心窗（通勤被打断/看视频走神）；无则 []
{ "atMin": 40, "atMax": 90, "durMin": 6, "durMax": 14, "reason": "地铁报站" }
], // atMin/Max=局内第几秒开始，durMin/Max=持续秒数
"netDrop": null, // 断网剧本：{"atMin":50,"atMax":120,"durMin":6,"durMax":15}
// 或 null（网络一直稳）
"bluetoothMs": 0 // 蓝牙耳机额外动作延迟 ms [0-250]
},
"teach": { // —— 首局教学 ——
"t1WrongP": 0.2, // 教学第一滑方向搞错的概率 [0-0.7]
"tapDelayMs": 800, // 听完一句指令到动手的延迟 ms [300-2500]
"skipAfterS": null // 教学超过 N 秒还没完你会下滑跳过；null=耐心听完
}
}
策略自述（.strategy.md，同目录同名）
用第一人称写 200-400 字：你怎么理解这个游戏、你打算怎么打、你最担心什么、 什么情况下你会不想玩了。这段话会跟你的终评一起留给设计分析 agent 对照。
纪律
- 数值落区间；越界会被竞技场拒绝（clamp 并记录）。
- 不要写完美主义配置——真实的人有短板，短板正是设计要照顾的对象。
- 配置写完即可离场，身体由竞技场驱动；局间会请你回来读转写、决定去留。