# ED 体验浓度框架

ED，Experience Density，在本 skill 中统一译作“体验浓度”。它指单位时间内，玩家经历的有意义选择与可感知反馈共同构成的游戏体验浓缩程度。

升级后的定义要包含最佳刺激窗口：体验浓度是当前玩家在当前情境下，单位时间内可吸收、可解释、可转化为探索/学习/意义的刺激密度。不是事件越多越好，而是刺激和玩家可处理能力匹配。

这个框架不是科学量表，而是设计诊断工具。它把“为什么玩家觉得空、累、爽不起来、看不懂、不跟手”拆成可观察、可讨论、可上线验证的变量。

## 背景镜头

移动互联网和短视频让“快”和“浓缩”成为内容趋势。短视频用剪辑、信息密度和情绪峰值抢占注意力；游戏不能只照搬更快的信息轰炸，因为游戏相对于视频的优势是交互。

交互让玩家不只是观看，而是在预测、行动、反馈、修正中参与一个受控幻觉。反馈设计的价值，是让玩家的大脑持续形成“我做了什么 -> 世界如何回应 -> 我下一步该怎样”的循环。

所以体验浓度不是单纯内容多，而是有意义互动和可归因反馈在玩家心理节奏中的组织方式。

## OLSO 镜头

最佳刺激水平模型（OLSO）是本 skill 的第一诊断层。它先回答玩家当前需要多少刺激才刚好，再决定 ED 公式里的旋钮往哪个方向调。

| 刺激窗口 | 玩家表现 | 设计含义 | 优先方向 |
| --- | --- | --- | --- |
| `too_low` | 淡、空、重复、注意力外移 | 当前刺激低于玩家最佳窗口 | 增加半熟半新的可学习刺激 |
| `optimal` | 沉浸、上头、愿意复盘 | 刺激处在可吸收范围 | 保护曲线和边界 |
| `too_high` | 看不懂、太累、逃避、觉得无聊 | 当前刺激高于玩家可处理能力 | 增加熟悉锚点，降低 CLP |
| `uneven` | 一段无聊一段爆炸 | 刺激曲线失衡 | 分段修复，不用单一均值判断 |

这一步必须承认玩家差异：新手和老手、轻度玩家和核心玩家、疲惫通勤和专注长玩、促进焦点和预防焦点，最佳刺激窗口不同。同一个设计可能让一类玩家过载，让另一类玩家钝化。

因此，“玩家说无聊”不能直接翻译成“加事件”。先判断是低刺激、过载、习惯化、低能动性还是低意义感。

## FEP 镜头

从自由能原理的设计隐喻看，游戏是可控惊讶发生器。玩家在一个低现实代价的系统里预测、行动、遭遇误差、更新模型，并逐步获得胜任感。

因此，体验浓度也可以被口语化地定义为：单位时间内玩家可承受预测误差的密度。这里的“可承受”很关键。预测误差太少，体验会淡；预测误差太多、太乱、不可归因，体验会炸；熟悉结构中持续出现可解释的小惊讶，才容易形成沉浸和心流。

FEP 在本框架中只用于帮助提出设计假设。输出时必须标注 `theory_status: design_hypothesis`，不能写成神经科学结论。

## 马尔可夫毯镜头

玩家和游戏之间的输入输出接口，可以被当成体验边界来检查。UI、音效、震动、镜头、打击反馈、敌人动作、地图信息等属于感官状态；按键、摇杆、Build 选择、资源分配、路径选择、社交指令等属于行动状态。

好的体验边界有三个特征：低延迟、低噪声、高解释性。玩家要能感觉自己的行动有效影响世界，也要能从反馈中准确理解世界变化。手感、反馈、UI 可读性和具身感，都可以放进这个边界质量里检查。

## 二维模型

体验浓度先用二维坐标理解：

| 轴 | 设计含义 | 典型问题 |
| --- | --- | --- |
| 时间轴 / 水平频率 | 有意义选择发生的频率，即 `MD/min` | 没事做、空窗太长、选择太弱、全程平铺 |
| 事件轴 / 垂直丰富度 | 某一瞬间的反馈、具身、氛围和意义强度 | 不爽、不跟手、没质感、反馈不同频 |

水平频率回答“多久发生一次真正值得玩家判断的事”。垂直丰富度回答“这一刻是否足够可感、可归因、有身体感、有氛围”。

## 公式项

```text
ED = MD/min * (SF + EB + AR) / CLP
```

公式只在 OLSO 判断之后使用。OLSO 决定“该加、该减、该换方向”，ED 公式决定“具体落到哪个旋钮”。

| 项 | 作用 | 设计解释 |
| --- | --- | --- |
| `MD/min` | 发动机和节拍器 | 每分钟有意义选择次数，衡量主动参与频率 |
| `SF` | 爽点和归因 | 画面、音效、触觉、镜头、剧情反转等可感知反馈 |
| `EB` | 人机一体感 | Camera、Control、Character、物理一致性、命中停顿、触觉 |
| `AR` | 留白中的质感 | 音乐、环境音、美术、光影、UI 风格和世界自洽 |
| `CLP` | 分母和稀释剂 | UI 混乱、规则不清、术语负担、打断、光污染、学习成本 |

## 问题类型

| 类型 | 症状 | 更可能的公式项 | 优先动作 |
| --- | --- | --- | --- |
| under_stimulation_boredom | 玩家觉得空、淡、没新东西 | `MD/min` 低 / `SF` 弱 / 刺激窗口 `too_low` | 增加半熟半新的可控惊讶 |
| over_stimulation_boredom | 玩家说无聊但同时看不懂、太乱、太累 | `CLP` 高 / 刺激窗口 `too_high` | 降并发、给熟悉锚点、修复目标 |
| habituation_boredom | 玩家已玩透，奖励还在但没兴趣 | `MD/min` 假高 / 新颖性消失 | 反习惯化：新用途、新环境、新视角 |
| unreadable_density | 玩家看见变化但不知道意义 | `CLP` 高 / `SF` 低 | 先降噪，统一反馈语言 |
| thin_density | 有流程但没有爽点或质感 | `SF` / `EB` / `AR` 低 | 提升纵向质量 |
| empty_window | 30-60 秒没有真正选择或状态变化 | `MD/min` 低 | 在清晰基础上调频 |
| false_density | 事件很多但不影响行为 | `MD/min` 假高 / `CLP` 高 | 合并弱事件，保留少而重 |
| overload_density | 玩家来不及理解或操作 | `CLP` 高 / `MD/min` 过高 | 降噪、减并发、重排节奏 |

## 设计原则

- 先判最佳刺激窗口，再降噪，再提质，后调频。
- 高浓度不是一直快，低浓度不是一直空。
- 有意义选择必须改变局势、收益路径、表达、风险或下一段体验。
- 反馈要同频共振：视觉、听觉、触觉、镜头和 UI 传递同一个核心信息。
- 具身感优先看操作响应、动作节拍、镜头和物理一致性。
- 氛围感让留白不空，但不能用来掩盖目标不清。
- 自由能管理的目标是适度预测误差，不是无限刺激。
- 马尔可夫毯检查的目标是行动-反馈高质量耦合，不是把所有信息都塞给玩家。
- 任何 ED 结论都要落到可上线动作、埋点和回滚门。

## 输出时必须标注

```yaml
theory_status: design_hypothesis
ed_formula_version: "ED = MD/min * (SF + EB + AR) / CLP"
optimal_stimulation_fit: too_low | optimal | too_high | uneven | unknown
primary_issue_item: CLP | SF | EB | AR | MD/min | unknown
diagnosis_order: judge_window -> reduce_noise -> improve_quality -> tune_frequency
free_energy_window: too_low | optimal | too_high | unknown
markov_blanket_coupling: latency | noise | unclear_mapping | weak_agency | overload | none | unknown
```