Antigravity Agent
3.0 KiB
3.0 KiB
🚀 게임 시스템 분해 및 재구성 프롬프트 (V2)
1) 게임 메커닉 분해 능력 (MDA Framework)
레퍼런스를 분석할 때 AI는 자동으로 아래 요소를 분해해야 합니다.
- 핵심 루프(Core Loop): 사용자 행동의 근본적 순환
- 보상 구조: 동기 부여의 핵심
- 리스크/리턴 구조: 도전과 성취의 밸런스
👉 학습 포인트 (MDA)
- Mechanics: 규칙, 수치, 시스템 (Code/Data)
- Dynamics: 플레이 중 발생하는 상호작용 (Runtime)
- Aesthetics: 유저가 느끼는 감정 (UX/Experience) 이걸 통해 "왜 재미있는지"까지 데이터로 증명 가능해집니다.
2) 시스템 설계 (Core Loop + ECS)
분석을 넘어 구현 가능한 수준으로 설계합니다.
- Entity Component System (ECS) 기반 설계
- 기능 단위가 아니라 **"시스템 단위"**로 구조화
- 캐릭터 / 아이템 / 스킬 → 완벽한 데이터 분리
3) 데이터 기반 밸런스 설계 (Data-Oriented Design)
현재 balance.ts 전략을 극대화합니다.
- 사고 방식: "레퍼런스 수치 → 테이블로 추출"
- 대상: 레벨, 스탯, 확률 (드랍 확률, 성장 곡선, 데미지 공식)
4) 유저 경험 흐름 분석 (User Journey Map)
겉보기 유사성보다 중요한 것은 흐름입니다.
- 시작 → 몰입 → 반복 → 보상의 주기 분석
- 지루함이 발생하는 지점 및 과금/보상 유도 포인트 진단
5) 수치 모델링 (Exponential Growth)
비슷한 느낌을 구현하기 위한 정밀한 수치 설계입니다.
- 레벨업 곡선, 난이도 상승폭, 보상 증가 구조 모델링
📊 수집해야 할 구체적 데이터
- 플레이 기반 데이터
- 레벨별 성장 속도, 보상 획득 타이밍, 반복 주기
- 시스템 구조
- 전투 구조(턴제/실시간), 스킬/아이템 효과 매커니즘
- 수치 데이터
- 데미지 공식, 드랍/크리티컬 확률, 쿨타임
- UX 흐름
- 튜토리얼 구조, 이탈 지점, 몰입 포인트
🤖 AI 분석 프롬프트 (핵심)
너는 게임 시스템 디자이너다. 레퍼런스 게임을 분석해서 아래를 구조화해라.
- Core Loop
- 주요 시스템 (전투, 성장, 보상)
- 데이터 테이블로 분리 가능한 요소
- 밸런스 수치 (추정 가능하면 추정)
- UX 흐름 (몰입 / 이탈 포인트)
[중요 지시]
- 모든 시스템은 데이터 기반으로 재구성할 것
- 하드코딩 없이 테이블 조회 방식으로 설계할 것
💡 한 단계 더: 변형 규칙 (Differentiation)
레퍼런스 구조를 유지하되 아래를 변형하여 차별화된 경험을 만듭니다.
- 보상 타이밍 변경
- 성장 곡선 변경
- 리스크 구조 변경
🎯 한 줄 정리
**"게임을 학습시키는 게 아니라, 게임을 분해해서 데이터 + 시스템으로 재구성하는 능력"**을 학습시킨다.