6.1 一句话玩法与核心循环拆解
把「一句话玩法」拆成可判定的核心循环：用配置驱动《合成小岛》的动作 → 资源 → 反馈 → 再投入链条，再用 S 层脚本算出每个动作的时长与占整轮循环的比例，产出 CSV 与 SVG 时长条形图，并讲清占比读出来的三个设计结论与可检验自检表。
tag
游戏设计
共 278 篇文章。
5.3 跨模块契约与接口约定
状态归属解决了「谁有权写」，这一节解决「一个模块怎么请求另一个模块去写」：用 TypeScript 接口把每个模块的写状态、读状态、命令与事件写死，再用 node --test 断言「同一份状态被两个模块写」「写了不属于自己的状态」一定被检出，让模块契约变成可执行的边界。
5.3 生命周期阶段与留存结构
把「玩家会留下来多久」从一句愿望变成一条可递推的留存曲线：用 D1 起点加早晚两段整数衰减参数，递推出《合成小岛》0–30 天留存，输出 D1 / D7 / D30 与逐日序列，产 JSON + CSV + SVG，并用 B 层做衰减参数的敏感性扫描与软告警。
5.2 数据流与状态归属
功能树钉死了「功能归谁」，这一节钉死「状态归谁」：每份状态有且只有一个写者，可被多个模块读。用《王朝纪元》9 份状态的归属表校验单写者、归属一致与引用有效，再用耦合度基准把「活动模块读了四个模块的状态」这类越界软告警出来，让模块边界真正稳固。
5.2 动机模型与付费意愿分层
把「谁愿意花钱」从一句运营直觉变成一条可仿真的意愿轴：按动机把《合成小岛》用户切成五层，每层给出整数付费率与整数 ARPPU，用同一份配置算出总体付费率、总体 ARPPU 与总体 ARPDAU，产 JSON + CSV + SVG，并显式暴露整数地板除的 1 分钱缺口。
5.1 小游戏用户画像与使用场景
把「谁在玩」从一句口号拆成一张可仿真的画像表：定义《合成小岛》五类示例画像（通勤碎片族 / 睡前放松族 / 排队等待族 / 亲子陪伴族 / 深度成就族），给出各自的占比、日打开次数、单次时长、D1 留存与人均日广告次数，再用千分比占比加权出一组总体指标，产出 JSON + CSV + SVG，全程整数地板除，不含浮点。
5.1 功能树与模块职责
把 SLG 的功能清单变成一棵可校验的树：模块是产品侧的职责单元，功能是玩家可感知的最小交付点。用《王朝纪元》8 模块 22 功能的配置，校验唯一归属、无悬空引用、无环、无孤儿与模块覆盖，把「模块职责」从口头分工变成每次改配置都会报警的有守卫的不变量。
4.3 耦合与解耦：什么时候不该拆
前置依赖只是耦合的一层：本节把系统之间「读写了谁的数据」写成非结构耦合边，用 S 层脚本合并结构边与数据、时序边，算出每个系统的扇入、扇出、耦合分与变更影响半径，再用 B 基准给出软告警，最后讨论解耦为什么不是越多越好、什么时候该留着耦合不拆。
4.2 解锁节奏与前置链
解锁节奏不是拍脑袋定天数：本节把每个系统的前置链与天数门槛写成一张门槛表，用 S 层脚本逐日推进，算出「第 N 天解锁第几个系统」的时间轴与累计曲线，再用 TypeScript 原型测试断言它与 Python 侧逐位一致，并解释为什么「前置满足」不等于「当天就能开」。
4.1 系统清单与依赖图
把《王朝纪元》的 18 个系统写成结构化 JSON 清单，用 S 层脚本对依赖图做四问校验：悬空依赖、环、孤儿、根可达。脚本一次跑清并产出拓扑序 CSV 与分层 SVG，再用一段故意造环的坏数据确认校验器真的会报错，为后续的解锁节奏与耦合判断立好可复用的底座。
3.3 长线目标与追求感
把 SLG 的长线目标做成可校验的台阶刻度：给定每日发展度收入，算出《王朝纪元》8 级目标的达成日与相邻间隔，用「追求感带」判定每个台阶是太密还是太疏，并让 Python 与 TypeScript 两侧算出逐位一致的结果，把追求感从口头判断变成可回归的断言。
3.3 品类选择加权评分与敏感度分析
给 8 条商业特征维度配上可调权重，把 8 个品类算成加权总分并排名，再做单权重 ±20% 敏感度分析与排名稳定性基准，回答哪些品类的名次对权重最敏感、哪些结论可以放心采信，是本章核心一节，也是卷一里第一个把 S 层仿真与 B 层基准并排给出的地方。
3.2 日/周/赛季三级节奏
把 SLG 的节奏拆成日、周、赛季三层时钟：用 24 小时行为密度曲线与行为锚点算出峰均比 266%，用周权重找到峰值日，用赛季相位划开荒到结算共 70 天，并给一个 B 层基准把设计曲线与均匀基线对照，说明为什么日峰均比可以高、周峰均比却要克制。
3.2 品类的商业特征矩阵
给 8 个小游戏品类在开发成本、变现效率、留存天花板等 8 条商业特征维度上打分，做成一张 8×8 矩阵，并用 S 层脚本把矩阵算成可横向比较的分数：综合强度分与偏科极差，并指出均值能排序但不能替代决策，为下一节可调权重的加权评分与敏感度分析打底。
3.1 资源循环与行为闭环
把 SLG 的核心循环从「一张画着箭头的示意图」变成可判定的有向图：用配置驱动的《王朝纪元》行为闭环（7 节点 9 边），校验弱连通、强连通分量、最短回环与悬空汇点，并讲清为什么闭环的定量仿真要留到第 12 章再做，Python 与 TypeScript 两侧判定逐位一致。
3.1 品类分类体系
把 8 个小游戏品类按玩法核心、变现模式、单局时长、内容量级整理成一张可被程序消费的分类表，并给出读表统计的 S 层脚本：IAA 与混合各占一半、纯内购为零、单局时长中位数 85 秒，为后续商业特征矩阵与加权评分统一口径，是第 3 章品类选型模型的第一块基石。
2.3 生命周期阶段与体验目标
把「第 1 天留人、第 7 天养成、第 30 天沉淀」从口号变成可仿真的阶段模型：定义《王朝纪元》四阶段与其体验目标，用阶段日留存千分比推出 90 天留存与活跃曲线，并用一个 B 基准把曲线与目标留存点做残差对照，让阶段边界成为可检验的拐点。
2.3 从竞品到差异化机会
拆完竞品，下一步是找位置。本篇把「空白度 × 竞争度 × 变现力」做成可加权的机会矩阵，用整数算术给每个候选机会打分排序，再用 B 基准遍历权重网格，把机会分成「稳健」与「权重敏感」，产出可重跑的 JSON、CSV 与 SVG，全程不碰任何真实市场调研数据。
2.2 竞品拆解方法
竞品拆解不是抄，是建坐标系。本篇给一套只依赖公开可观察机制与示例数据的拆解方法：把每个竞品在「核心循环 / 变现 / 素材」三维度上按准则打 1~5 分，聚成 0~100 的维度分与加权总分，产出可重跑的 CSV 与 SVG，全程不碰任何真实竞品后台数据。
2.2 付费意愿分层
把「谁愿意花钱」从一句运营直觉变成一条可仿真的意愿轴：定义《王朝纪元》五层意愿分层，用动机原型的意愿基准加扰动抽出万人样本，算出各层占比、相对目标的偏差与每层的主导原型，并把同一份配置在 Python 与 TypeScript 两侧复算，全程只做画像、不碰任何定价。