MVP 原型计划 + 关卡/挑战设计草案

MVP 不是把所有功能缩小一遍

最小可玩原型应围绕一个最重要的问题。例如推箱子游戏可以先验证移动、推箱、目标与胜利判断是否构成完整的一局，再考虑更多箱子类型、剧情或装饰。这个例子是方法示意，不是已验证的报告成果。

列出本轮必须做、明确不做和稍后再决定的内容。如果某个系统不能帮助检验核心问题，就先放在范围外。

AI MVP 原型计划：把范围落到任务

• 输入人数、技能/引擎与可投入时间，结合选中创意梳理条件。
• 输出原型目标、必做范围、明确不做的内容，以及按依赖排序的任务。
• 任务包含交付物与完成标准，并提示风险和缩减方向。计划与时间判断仍需人工校准。

待补充：可公开的脱敏 MVP 报告实例。现有结构说明不代表对完成时间或效果的承诺。

关卡与难度：先教会，再组合

先确认玩家已掌握的规则，再只改变一个主要挑战条件。下一单元可以组合已经学过的规则，而不是同时增加距离、速度、敌人和新机制。

AI 关卡/挑战设计草案会围绕选中创意给出 3 个类型适配、难度递进的内容单元。内容可以是解谜关卡，也可以是经营事件等适合该玩法的挑战；草案需要试玩验证。

• 阅读：关卡的目标、难度与节奏 →

待补充：可公开的脱敏关卡/挑战报告实例。

完成标准要能实际检查

• 可玩闭环：玩家能进入一局、操作、得到结果并重开。
• 任务交付：每项任务有可展示或可执行的结果，而不只写“优化体验”。
• 验证记录：记下玩家在哪里理解错规则、卡住或失去目标，再决定调整。
• Pro 规则：一次购买 30 天，三项工具共享 30 次成功报告额度；保存、复制、Markdown 下载，已保存报告到期仍可读。