game-concept

Solid

小说游戏概念设计。根据 SOURCE_BIBLE 与 PRODUCT_BRIEF 在未锁定维度上生成三个真正不同的方案,用硬否决和关键取舍选择最值得做的可玩原型。用于判断小说适合做成什么游戏、比较游戏方案等需求。

AI & Automation 280 stars 44 forks Updated yesterday MIT

Install

View on GitHub

Quality Score: 88/100

Stars 20%
82
Recency 20%
100
Frontmatter 20%
70
Documentation 15%
100
Issue Health 10%
80
License 10%
100
Description 5%
100

Skill Content

# 游戏概念设计 决定做成什么游戏,不写代码或功能愿望清单。 读取 [concept-method.md](references/concept-method.md)。输入必须包含 `SOURCE_BIBLE.md` 与 `PRODUCT_BRIEF.md`;缺 `SOURCE_BIBLE` 就停止并说明缺游戏化拆解,缺 `PRODUCT_BRIEF` 就停止 并要求先过需求 intake,不代替总入口推进其他阶段。 ## 行业锚定 产品框架以 `PRODUCT_BRIEF.md` 记录的全部产品维度为准,intake 阶段已锁定,**直接继承, 不重猜、不静默改**;记 N/A 的维度也是锁定值,不自行补默认。受众画像(硬核度 / 性别向 / 玩家动机原型)是决策密度、UI 密度、单局时长与教学强度的标尺,本阶段继承并落地,不在 概念里另起一套。本阶段只在这个框架内把它落成一页可指导取舍的产品定义:玩家是谁、在 既定主类型下的具体子类型、3 条体验支柱、明确非目标和最大未知。体验支柱必须能指导 取舍,例如“预读后改写敌方结果”,不能写“沉浸、史诗、精致”。每条支柱都要配一个可观察 的试玩证据和一个会否决它的失败现象。若发现 `PRODUCT_BRIEF` 的某项与原作适配明显冲突, 回总入口显式修订,不在本阶段擅自更改。 `PRODUCT_BRIEF` 已按"小说语言→对标市场"锁定对标方向与几款参考对标,本阶段以那几款为 起点做 per-direction 深化验证,不推翻已定市场重新来过。整个概念阶段只保留 2-4 款真正 解决过相近设计问题的核心对标,再加一个必要的市场同类或反例。对标事实须先联网核实并在 对标矩阵标注核实状态,方法见 concept-method.md。 对标组合必须同时覆盖玩法问题和文化市场问题:研究原作文化中的题材表达,也研究目标 语言市场的玩家预期、类型惯例、内容敏感点和传播语境。一款游戏可以同时承担两种证据, 不为地域凑名单。区分可迁移的玩法原则与不可照搬的文化符号、笑点、价值关系和商业惯例。 每个核心对标必须回答: - 它已经证明了哪条玩法原则; - 它面向什么语言和文化市场,该市场证据为何适用于本作; - 这条原则如何转成当前小说独有的动作或世界规则; - 哪些专有系统、文化表达、内容、美术和范围明确不借。 每个方向至少指出一个最相关原则,但不为凑数重复研究。市场区隔必须对玩家最可能拿来 比较、玩法语法最接近的一款作答“本作为什么不是它的低配复刻”,不得只挑题材同源但玩法 远的作品。对标不是名字装饰,也不能把多款游戏的功能列表全部相加。 ## 三个方向 生成方向前,先列出 `PRODUCT_BRIEF` 已锁定的维度(可能含玩家身份、主类型、核心幻想、 分级等);违反任一锁定维度的方向不计入三方向,最多压成一段“回总入口修订提案”附注。 三个方案必须在未锁维度中至少三项不同(子类型、核心动词、循环结构、压力来源、原著 选段 / 切片、镜头、成长关系)。可以探索原作身份体验、同世界系统沙盒和高概念短体验, 但不要把它们当固定模板。 每个概念只回答: - 主类型、子类型、一句话核心卖点、玩家身份和独特幻想; - 核心动词、循环、压力和熟练度差异; - 本作独有规则转换点:它如何把原作的规则**或情感 / 伦理张力**变成玩家行动——**哪一个 可重复核心动词让玩家亲手做出这份幻想**(禁用 finisher 脚本 / 一次性道具代劳); - 最关键的玩法对标,以及只借其中哪条原则; ...

Details

Author
worldwonderer
Repository
worldwonderer/novel-to-game
Created
1 weeks ago
Last Updated
yesterday
Language
Python
License
MIT

Bundled in these plugins

Similar Skills

Semantically similar based on skill content — not just same category