收益：
- 能够理解核心循环、力学和MVP的概念，并利用人工智能进行机械思想再现和原型骨架。
- 通过了解原型必须回答单个测试问题来缩小范围，能够进行快速且廉价的迭代
- 能够识别一个机制是否有趣只能通过亲自玩并验证测试假设来理解，并且应该避免抛光陷阱。
每个游戏都是从一个想法开始的；但想法很便宜，可玩的原型很昂贵。原型;它是一个可玩的蓝图，用于以最快、最便宜的方式测试机械师是否有趣，无需精美的图形或完整的内容。游戏设计的残酷事实是：机制在纸面上看起来很棒，但在手上却感觉很糟糕，这种情况太常见了。因此，成功不是“找到正确的想法”，而是快速消除不好的想法并进行多次迭代，直到找到好的想法。这就是人工智能的用武之地：它加速创意生成、规则编写和原型设计，为您提供更多实验机会。
在本单元中，您将学习如何在机械设计和快速原型制作中端到端地使用人工智能；您将学习如何约束想法、阐明核心循环并使原型可测试。
核心循环：一切的中心
游戏的核心是核心循环——玩家一遍又一遍地执行的一系列动作，构成了游戏的基础。例如，在射击游戏中“探索→战斗→收集→进化”；农场游戏中的“种植→种植→收获→出售→饲养”。在原型阶段，您唯一的目标是了解这个周期是否有趣。在这里使用人工智能作为思考伙伴来澄清核心循环：向它描述你的循环，询问薄弱环节，询问替代循环。
一步一步的流程：
- 定义约束。平台、类型、受众、会话持续时间、控制方案。约束越清晰，这个想法就越有用。
- 编写核心循环。用4-6个动词表达循环；请AI加强这一点。
- 产生机械变化。要求为每个循环步骤提供不同的机械选项。
- 缩小原型范围。什么是“最低可测试版本”（MVP）？询问AI可以提取什么。
- 设立检验假设。写下句子“这个原型应该证明”。
提示：原型的目的不是“制作游戏”，而是“回答问题”。总是问AI“这个原型应该测试什么问题”；范围自动缩小。
纸质原型和数字原型
人工智能对这两种类型的原型都有帮助。纸质原型（用桌面规则、纸牌骰子玩的草稿）无需编写代码即可测试机制的逻辑。你可以要求人工智能在表格的基础上生成规则集、卡片文本、可能的不平衡。对于数字原型，AI可以生成将在引擎内运行的骨架代码（玩家控制器、简单的状态机）；我们将在第 7 单元中深化这一点。在原型阶段，期望从人工智能生成的代码中获得“足以测试感觉”的草案，而不是润色。
注意：不要把时间浪费在原型中美丽的视觉效果和音乐上。 “抛光陷阱”——喜欢丑陋但有趣的原型，而不是漂亮但无聊的原型。专注于测试机制，而不是向人工智能询问视觉效果。
迭代速度与“杀人勇气”
原型设计的秘密技巧是能够快速消除一个坏主意。设计师在情感上依附于自己的想法；如果你在一个机制上花了两周的时间，即使你发现它很糟糕，也很难放弃它——这被称为“沉没成本谬误”（由于付出的努力而坚持走一条糟糕的道路的倾向）。人工智能在这里提供了一个隐藏的优势：创意生成和脚手架变得如此便宜，以至于扔掉原型现在只是浪费几个小时，而不是几天。这种廉价让你变得勇敢。规则是：在每个原型上设置一个“成功/失败基准”和一个“决策日期”——“如果两天后战斗感觉不再有趣，我们就会削减它。”你也可以咨询AI来评估这个标准，询问“什么迹象表明这个机制不起作用？”
另一个实用方法是：使用人工智能作为魔鬼的代言人。告诉他你喜欢的机械师，并说“残酷地告诉他这个想法的三个最薄弱的方面以及为什么它可能会失败。”这样你就能及早发现被自己的热情所蒙蔽的弱点。目的不是捍卫这个想法，而是测试它；通过测试的想法值得成为原型。
三个迷你箱子
案例 1——一旦周期变得清晰，这个想法就确定了。一位设计师模糊地定义了卡牌战斗游戏的核心循环。他让人工智能用 5 个动词写出循环，并询问“哪个是最薄弱的环节？” AI 标记“收集”步骤不会向玩家提供决策。设计师在这一步添加了选择；在游戏测试中，平均会话时间从 4 分钟增加到 11 分钟。
情况2——快速消除。一家工作室从 AI 获得了 15 种平台机制变体；他在 2 小时内在纸上评估了其中的 15 个，对其中的 4 个进行了原型设计，并选择了 1 个。如果没有人工智能，他们通常会尝试 3 种变体，然后选择一种；如果没有人工智能，他们通常会尝试 3 种变体，然后选择一种；而如果没有人工智能，他们通常会尝试 3 种变体，然后选择一种；更广泛的搜索带来了更好的机制。
情况 3 — 从范围陷阱中返回。一个团队想要在最初的原型中添加库存、任务系统和对话。他们问人工智能“这个原型应该测试哪一个问题？”答案是“战斗的感觉好玩吗？”他们把其他的东西都拿走了；原型在 4 天而不是 3 周内就出来了，并回答了正确的问题。
四个可复制模板
1）核心循环强化：
您的角色：高级游戏设计师。我的游戏：[类型、平台、受众、会话持续时间]。我的核心循环：[4-6 个动词]。任务：(1) 指出此循环中最薄弱的环节及其原因，(2) 评估每一步的决策对玩家是否有意义，(3) 提出 3 个可加强循环的具体更改。
2）机械变化的产生：
对于该核心行动[例如“放置方块”]生成 10 种真正不同的机械变化。为每一项写一句话：规则、向玩家呈现的决定、可能的风险。消除陈词滥调（众所周知）。
3）MVP范围缩小：
我将制作以下游戏创意的第一个原型。告诉我（1）这个原型必须证明的一个问题，（2）测试该问题绝对必要的最小机制列表，（3）可以从第一个版本中提取的所有内容。想法：[写在这里]
4）论文原型规则：
我想在桌面上测试以下机制（使用卡片/骰子/代币）而不编写代码：[机制]。给我一个可玩的纸质原型规则集、必要的组件以及测试期间要寻找的 3 个标志。
弱提示/强提示
弱提示：
为我设计一个有趣的机械师。
“乐趣”是无法衡量的；没有上下文。人工智能提出了一种通用机制。
强力提示：
我的游戏：PC、roguelike、20-30 分钟回合、目标受众：硬核。核心循环：探索-战斗-变得更强-死亡-重新开始。问题：第三轮之后玩家会感到无聊（感觉重复）。任务：建议 5 种机制，让每一轮感觉不同，但不会带来永久的进步。对于每一个：解释它如何增加多样性以及它如何可能破坏平衡。
具体问题（“第 3 轮后的无聊”）和约束使输出直接适用。
原型机类型比较图
尺寸
纸质原型
数字原型
速度
非常快（小时）
中（天）
经测试
规则/逻辑
感觉、节奏、控制
人工智能贡献
规则、卡牌文本、余额
骨架代码、状态机
成本
低
中等
边界
无法测试手感/节奏
所需的代码工作量
常见错误
- 跳过核心循环。如果循环不明确，则任何机制都不适合。
- 抛光原型。视觉/音频在原型设计阶段是浪费时间。
- 扩大范围。原型应该测试一个问题；不是“一切”。
- 尽早承诺一个单一的想法。利用人工智能进行大量生产和消除可以带来更好的结果。
- 没有建立检验假设。 “我在证明什么”或者原型结果无法解释。
综上所述
原型设计是一门廉价地消除坏想法的艺术。在这个过程中，人工智能使想法倍增，锐化核心周期，帮助你缩小范围，并加快纸质/数字原型骨架的速度。但你只能通过玩牌并验证你的测试假设来回答“有趣吗”的问题。广泛生产、快速处理、测试单一问题。
应用任务
选择一个游戏创意。用 5 个动词编写核心循环，并使用“核心循环强化”模板从 AI 中学习最薄弱的环节。然后确定原型应使用“MVP 范围缩减”模板测试的单个问题。将结果总结为 5 行。
清单
- [ ] 我用清晰的动词写了核心循环。
- [ ] 在每个循环步骤中，我检查是否有对玩家有意义的决定。
- [ ] 我确定了原型将测试的单个问题。
- [ ] 我将范围缩小到 MVP，没有添加任何修饰。
- [ ] 我通过产生广泛的变化并玩牌来淘汰。