大家好，

首先，有点需要声明，我接下来准备进行一些数学计算。

我决定解释一下系统，然后，如果你对数学部分不感兴趣，就可以直接跳过去，因为这是问题的主要部分。

我的策略游戏中，每个项目由成就项组成，每个成就项都有一个基本机制，其他机制通过树状结构产生。每个成就项从基本机制开始时只有基本机制解锁。

每个机制都有一个标签集合和它们的值。机制可以创造新的任务（任务）或更改现有任务（选项）的标签值。任务由子任务组成，子任务有四种类型。

当员工进行子任务时，他们将贡献到其评分中。机制评分依赖于评分、基本评分（10/10）和难度。难度计算为该任务的总绝对值和子任务比例（如果标签值总和为 10，比例为 2:1:1，那么子任务的难度分别为 5、2.5 和 2.5）。

还有一个负责人角色，他的设计评分在 0-10 之间，他对于每个功能也有一个评分在 0-10 之间。负责人的目的是在加快每个功能的经验增长。

如果你跳过了这部分，可以从这里开始重新加入。

所以我的主要想法是，当你有一个功能及其基本机制，当你完成该任务时，你会累积该功能的经验，当经验足够累积后，你会解锁该功能点，从而允许你解锁新机制，进一步创建新的任务或使旧任务更难。

我的想法是，如果经验阈值（Ethr）满足条件，即总工作量（W）乘以基本评分（Thr10）乘以系数（K）乘以加上每个开启功能点后的最大值（max（U, P））的倒数。

经验量（W）指的是所有已解锁任务及其子任务的总工作量，U 是解锁的机制数量，P 是可以解锁的下一个机制数量，Thr10 是评分 10 的基本评分，系数（K）的值为 0.6。

经验需求公式为：

Ethr = (WThr10K)*(1/max(U,P))

因为有些机制没有继任者，有些机制有 1、2 或 3 个继任者，而由于各个机制的标签值不同，這导致每一步的阈值变得不均衡。

我个人认为这是不错的，因为它创建了一种方法， 如果你选择更细致的方法，新的功能点会更容易解锁，但如果你选择更复杂的机制，它们将会减缓你的进度。

我必须说的一件重要事情是，已经解锁的机制数量并不是必要的，玩家有选择的权利。玩家的选择的平衡是数量和质的平衡，因为有更多机制可以使项目更为成熟，但也会使工作量更加遥远。因此，这完全有赖于玩家的平衡。

这个不均匀的经验阈值主要的目的是让玩家避免被太多工作量所阻塞而难以解锁新点，同时又不至于被要求太容易。

那么，你对不均匀的经验阈值一步步的变化感觉怎么样？它会让你感到混乱吗？还是你认为这种方法是好的？这是否会变得太过混乱？