我的棋类游戏有一个日常挑战模式,给玩家一个目标和一组修饰符。例如,棋盘可能缩小,玩家可能作为骑士出生等。通过手动测试,我发现一些挑战非常容易,而其他挑战则太难了。在添加新内容的过程中,难以合理地调整挑战模式并避免随机数生成无法解决的挑战。同时,我也硬编码了确定性的规则,这些规则并不是总是能转化为更容易或更难的挑战。为了解决这个问题,我部署了Codex来构建一个模拟器——它从90天的日常挑战中提取挑战,运行每个挑战12次以考虑敌人生成、道具等随机性,并确定挑战是否可完成50左右的百分比,这是难度的甜点。它还考虑了更激进和更保守的玩法风格作为其模拟算法的一部分。然后,我使用这些结果来持续调整日常挑战生成器,直到在90天的时间窗口内,所有挑战都围绕着这个50%完成率。
我使用 GPT 5.6 Sol 建立了一个公平但难度很高的挑战模式。
评论 (0)