一个小关卡：三个浮台、一把钥匙

先设想一个很小的平台跳跃关卡，叫“灰烬回廊·第三段”。玩家从起点出发，依次跳过三个浮台，到达终点门；终点门需要一把青铜钥匙才能打开，钥匙放在浮台B上方的一处高台，要借助一块可踩踏的踏板才能上去。用文字描述如下（数值均为示例，单位是“格”）：

起点 --间距4--> 浮台A --间距5--> 浮台B --间距6--> 浮台C --间距4--> 终点门
                              └─ 踏板 → 高台：青铜钥匙
存档点：浮台A旁　　回血点：浮台C旁

假设系统发现一位玩家在浮台B到浮台C之间连续掉落，需要想办法让这一段容易一些。传统动态难度没有太多办法：这个关卡里没有敌人，没有血量，调数值无从下手。这正是数值型调整的局限，也是爱游戏AI要往前走一步的原因：难度不只是数值，平台间距、敌人布局、任务步骤、路线复杂度都是难度的一部分。

先问：他到底卡在哪一种技能上

改关卡之前，需要先弄清玩家在什么地方吃力。所谓“技能分档”，并不是给玩家贴一个“新手”“高手”的总标签，而是分维度看：

  • 跳跃精度：起跳点距离平台边缘的偏差，掉落集中在哪种间距上。
  • 空中控制：二段跳与冲刺的使用时机，是否经常用早或用晚。
  • 路线判断：有没有发现隐藏的踏板，是否反复经过同一区域。
  • 反应速度：面对移动平台或机关时，起跳延迟的分布。

每一维得到一个带置信度的分档（比如偏低、中等、偏高），而不是一个确定的数字。证据不足时，比如玩家刚进入关卡，只有两次掉落，系统应该保持“未知”，不要凭两次掉落做结构性的改动。这一点与失败原因分析里的思路一致：先判断玩家遇到了什么问题，再谈怎么改。而这位玩家在浮台B到C之间的掉落，集中在间距6这一格上，跳跃精度分档偏低，空中控制正常，这个判断有一定依据。

划出“可以改”和“绝对不能改”的边界

让模型直接修改地图文件，几乎必然出事。爱游戏AI的做法是先把关卡拆成两部分：一部分是暴露给AI的参数空间，另一部分是锁定的硬约束。

类别 示例是否允许AI修改 原因
平台间距 浮台B到C的距离 允许，限制在范围内 属于难度调节的核心参数
检查点位置是否在浮台B后增加存档点 允许，数量有上限降低重复成本，不改变主线
敌人数量与布局 巡逻敌人数量、初始位置 允许，不得覆盖关键路径 影响难度，但可验证
辅助路线 增设一条较低难度的绕行平台允许，须经验证提供另一种路径
关键道具 青铜钥匙的位置与获取条件 不允许 破坏则无法通关
主线触发器 终点门的开启条件 不允许 影响任务与剧情
物理规则 重力、最大跳跃距离不允许 改动等于换了一款游戏

参数空间给出的是一组有范围、有类型的“旋钮”，模型只能转旋钮，不能拆机器。这样一来，模型出错的代价被限定在一个较小的范围内。

提案：让模型说明想改什么，而不是直接改

为什么还要用LLM，而不是直接写规则？原因在于设计意图往往是自然语言：这一段是教学跳跃，需要保留节奏；这一区域是玩家喜欢反复挑战的高难度段，不要动它。LLM擅长读懂这些描述，并综合玩家分档、关卡结构与设计说明，给出一份改动提案。但它输出的不应该是新地图，而是一份受限格式的改动清单，例如：

提案 A
  目标维度：跳跃精度（分档偏低，置信度中）
  改动：浮台B→浮台C 间距 6 → 5
  理由：掉落集中在6格间距；缩短1格属于允许范围
提案 B
  改动：浮台A→浮台B 间距 5 → 3；移除浮台A上方踏板
  理由：降低前段难度

LLM给出的是意图和参数，不能声称“已验证可通关”。生成模型对空间关系的判断并不可靠，它并不真正“知道”一个二段跳最多能跳几格，所以它的提案必须经过下一步。

验证：把“看起来合理”变成“可以证明”

验证器是整条链的核心，它按规则运行，不依赖模型的判断。对每个提案，运行下面这份清单：

检查项 怎么检查 不通过怎么办
参数合法 改动是否落在允许的参数范围内，格式是否合规 直接驳回
可达性用游戏的跳跃物理包络，从起点做图搜索，确认终点门可达 驳回
跳跃距离相邻平台间距是否在最大跳跃距离之内，并留有余量驳回或要求缩小改动
无死路 从任何可达的位置，是否都能回到主线或存档点驳回
关键道具 钥匙是否仍可获取，终点门是否仍可开启驳回，记录违规项
资源可获得性回血点、补给点是否仍在可达范围内 要求补齐后重新验证
碰撞与重叠 新位置是否与其他物体、敌人、镜头范围冲突 驳回

逐个看两个提案。提案A把间距从6格缩到5格：参数合法，可达性通过，跳跃余量比原来更大，钥匙与终点门都没有变化，全部检查通过。提案B把浮台A到浮台B的间距缩到3格，同时移除了浮台A上方的踏板。可达性检查显示终点门依然可达，但关键道具检查失败：钥匙所在的高台依赖那块踏板才能上去，踏板被移除后，玩家能过关却拿不到钥匙，终点门永远打不开。这个提案表面上降低了难度，实际上是让关卡无法通关。它被驳回，并且违规原因被记录下来，反馈给生成环节。

这个例子说明验证器与生成模型的分工：模型负责提出想法，验证器负责否决想法。前者的优势是覆盖面广，后者的优势是不会被漂亮的理由说服。

静态验证之外：让AI玩家跑一遍

可达性检查回答的是“能不能通关”，却回答不了“对这类玩家来说难度是否合适”。提案A虽然通过了全部规则检查，仍可能出现新问题：比如缩短间距后，玩家可以一次冲刺直接越过浮台B，从而绕过高台，直接用不到钥匙的路线抵达终点门附近，破坏了原有的流程设计。这类问题只有实际“玩”才能看出来。

所以在规则验证之后，还要用不同水平的AI玩家在改动后的关卡里做仿真：技能偏低的Agent、中等的Agent、偏高的Agent，各跑若干次，观察通过率的走向、掉落位置的分布、是否出现意料之外的捷径。这里的做法与用不同水平Agent做平衡测试相通。仿真给出的是趋势，不是判决：AI玩家的操作方式与真人不同，它测不出“好不好玩”，只能帮助发现明显的异常。

不通过时怎么办：降级，而不是硬上

验证失败是常态，不是意外。系统要有明确的降级路径，按代价从小到大排列：

  1. 把失败原因反馈给生成模型，让它在有限次数内重新提案，不能无限重试。
  2. 退回到只调整数值的传统做法，比如放宽跳跃判定的时间窗口，或增加一个检查点。
  3. 什么都不改，保留原关卡，并记录这一次没有找到安全的改法。

无论走到哪一步，玩家看到的都必须是一个完整的关卡：不能出现验证到一半的“半成品”，更不能因为模型不确定就放行。每次改动都要保存改动前的版本与改动记录，一旦事后发现问题，可以回滚到上一版。

玩家看到的应该是连续的世界

技术上合格不等于体验上合格。几个体验层面的约束是：

  • 时机：改动发生在加载、读档或死亡重开的时候，而不是玩家正在看的那一屏。
  • 幅度：单次改动幅度有上限，一次只改一两个参数，避免玩家觉得“关卡被换掉了”。
  • 地标保留：玩家已经熟悉的标志物、节奏和音乐点位保持不变。
  • 可选择：玩家能看到并关闭这类调整，也可以手动指定难度。关于如何让玩家理解这种改动，可以参考动态难度的透明度设计。
  • 适用范围：竞技、排行榜或限时挑战类内容，不应当对个别玩家隐性修改关卡。

这条链还有哪些边界

爱游戏的这套思路目前只是设计取舍，不是已经被大规模验证的成果。有几个边界需要明说：验证器只能检查已经建模的约束，没有写进规则的问题，比如某个视觉遮挡造成的误导，它检查不出来；LLM的提案质量受限于它得到的关卡描述；仿真里的AI玩家不等同于真人，主观乐趣无法自动测量。因此，重要关卡的改动仍应保留人工抽查，尤其是新增的路线结构。

回到那个三浮台的小关卡。最终的结果也许平淡无奇：浮台B到浮台C的间距缩短了一格，其余的一切保持原样，钥匙还在原来的高台上。这个结果正是设计的目标：AI动态关卡不是自由地改地图，而是在游戏物理和可玩性的约束之内，做一次可以被验证、可以被回滚的小改动。