【求职】42岁跨界、高考数学满分：只玩过老游戏，我用4天把《金铲铲之战》当成纯数学模型硬拆出了17页手稿

各位主策、制作人、同行好，

我是一个42岁的跨界求职者，此前从事地产设计。高考数学满分，对数字和复杂结构极度敏感。目前正全职转向游戏数值策划，非常渴望能获得一个入行的机会。

为了验证自己底层的逻辑拆解和学习能力，我做了一个极限测试：我平时基本只玩以前的老游戏（如暗黑、星际争霸、dota、Travian、重出江湖mud等），对《金铲铲之战》乃至整个自走棋品类，不仅4天前完全没听过，更是没有任何操作和感知经验。

我完全剥离了“玩家的手感”，把它当成一个完全陌生的数学模型，从零开始硬拆了一遍。花了4天时间，产出了这份17页的《金铲铲之战》战斗数值体系研究手稿。

下面是我完整的17页原稿（纯干货推导，未做任何删减），欢迎各位大佬批评指正：

《金铲铲之战》战斗数值体系研究手稿

——从「大平衡 / 小平衡」到可校验配表的一次完整推演

独立研究手稿  ·  2026 年 10 月

目　录

前言　关于这份手稿3

第一章　研究立场：可玩性来自哪里3

1.1　大平衡与小平衡3

1.2　「够用就行」：函数设计的克制原则3

1.3　树干与树枝4

1.4　研究框架总览4

第二章　战力的定义与拆解4

2.1　官方战斗公式（拆解基准）4

2.2　面板属性的可拆解性分级5

2.3　拆解顺序：先难后易5

第三章　逐层拆解：把定性描述变成可计算的系数5

3.1　范围伤害、治疗 / 护盾与控制技5

3.2　站位的影响与「输 / 肉偏离指数 D」6

3.3　攻击距离 / 射程7

3.4　羁绊7

3.5　最终综合战力 G（全考虑）7

3.6　两种研究视角8

第四章　核心命题：全战力与全经济的平衡8

4.1　矛盾的本质：共用一张血量表8

4.2　全战力方案8

4.3　全经济方案9

4.4　对抗实验设计9

4.5　敏感性清单：哪些改动会让天平倾斜10

第五章　单棋子强度打分10

第六章　验证：为什么必须是真正的蒙特卡洛模拟11

第七章　剩余分支（树枝）的内部小平衡11

第八章　与岗位要求（JD）的逐条对应11

第九章　结语12

前言　关于这份手稿

我今年 42 岁，此前的职业经历在设计领域。决定转向游戏数值策划，不是一个轻松的决定，但也不是一时兴起：高考数学满分，让我在面对公式与建模时并不发怵；长期玩游戏,疯狂喜欢数值拆解，被广大游戏好友称为游戏科研员，让我对「数字如何决定体验」这件事一直敏感；而设计的职业训练，让我习惯用结构化的方式拆解一个复杂系统——先看清骨架，再决定往里填什么。

这份手稿是我正式投递前的一次自我命题：不依赖任何现成的数值文档，从零开始研究《金铲铲之战》的战斗数值体系。动笔时，我对这个游戏的理解还停留在靠搜索看资讯的阶段；到这篇推演成形，前后不过四天。文中所有的公式拆解、参数定义、平衡设想与验证思路，都是我自己一步步推出来的过程记录。我把这些过程原样保留下来，是因为比起一个漂亮的结论，我更希望读到它的人看到的是：面对一个陌生的数值系统，我是怎么一步步想清楚的。

它不完美。不少地方还停留在「应该怎么做」的层面，需要真实数据去拟合、需要程序去验证，我从没打算假装它已经做完。但它完整、自洽，也诚实地亮出了我的立场：数值设计真正要守住的，不是参数有多复杂，而是这个游戏到底可不可玩。手稿最后一节，我把它与这份岗位的招聘要求做了逐条对照。

第一章　研究立场：可玩性来自哪里

1.1　大平衡与小平衡

在动手计算任何一个具体参数之前，我先做了一次判断：这款游戏里所有的「平衡」，性质并不相同。我把它分成两类。

•    大平衡：不同维度之间的平衡，也就是「全经济」与「全战力」这两种方向完全相反的玩法之间的平衡。这是《金铲铲之战》里唯一一个跨维度的平衡。

•    小平衡：同一维度内部、以求最大值为目标的平衡。无论函数是相加还是相乘、曲线有多复杂，它们的方向是一致的，都是「增强」。

我的核心判断是：真正的可玩性来源于不同维度之间的交叉，而不是同一维度下的优劣计算。前者才是耐玩的部分，也正是招聘要求里「控制「滚雪球」速度与翻盘空间、保证对局有来有回」所指的东西；后者一旦被玩家摸透，可玩性就会丧失。因此，小平衡里堆砌再多的函数，对真正可玩性的提升都非常有限，只能说是用复杂进行掩盖，拖延玩家发现最佳途径的时间而已。

1.2　「够用就行」：函数设计的克制原则

基于这个判断，我在函数设计上给自己定了一条「够用就行」的原则：只要能区分出上述玩法差异的函数，就应该用尽可能简化的形式去表达。刻意堆很多用不上的函数，既不会提高可玩性，还会把配平和计算搅乱，平白加重无意义的工作量。真正决定耐玩度的，不是函数有多少个，而是维度之间的交叉是否成立。

1.3　树干与树枝

由此，我给自己定的研究顺序是「先树干、后树枝」。

•    先把大平衡配平（全战力 vs 全经济），同时建立与这个平衡相关的参数清单：调整哪些会带来什么影响都要标注清楚。比如某两个参数等比例调整不会改变平衡，而个别参数一动就会倾斜，这类参数要尽量不动。

•    再处理同维度的小平衡（树枝）。并且要用「不影响大平衡、或对大平衡作等比例影响」的方式去调细项。这样就不会出现「调了一个地方，另一个问题又冒出来」的连锁麻烦。

1.4　研究框架总览

整份手稿的推进逻辑如下，从树干一路走到树枝：

•    研究立场（大平衡 / 小平衡）→ 战力的定义与拆解顺序

•    逐层拆解（范围 / 站位 / 射程 / 羁绊）→ 得到综合战力 G（全考虑）

•    大平衡（全战力 vs 全经济）的对抗建模

•    单棋子强度打分（棋子之间的强度平衡）

•    蒙特卡洛模拟验证 → 最后才回到树枝的内部小平衡

第二章　战力的定义与拆解

这一章先立一把「尺子」。后续所有对射程、范围、控制、羁绊的折算，都要以官方战斗公式为基准，否则各算各的，最后无法比较。需要说明的是，以下有一些是我对机制的再理解，与「大数据自动理解」出来的版本会有出入，我会在用到它们的地方注明。

2.1　官方战斗公式（拆解基准，这部分可以快速跳过，属于照搬）

普攻伤害：

普攻伤害 =（对局时长 × 普攻秒伤 + 附带魔法固定值 − 敌人减免）×（伤害增幅乘区 × 暴击乘区）+ 额外真实伤害

普攻秒伤 = 攻速 × 总攻击力

总攻击力 = 基础攻击力 ×（1 + 物理加成）+ 攻击力固定值加成

其中基础攻击力随星级提升，物理加成来自装备、海克斯、羁绊等来源。

技能伤害：

技能伤害 =（对局时长 × 技能秒伤 + 附带魔法固定值 − 敌人减免）×（伤害增幅乘区 × 暴击乘区）+ 额外真实伤害

技能秒伤 = 每秒施法次数 × 单次技能伤害

每秒施法次数 = 1 秒 ÷（总法力 ÷ 每秒恢复法力）

每秒恢复法力 = 攻速 × 普攻回蓝 + 固定回蓝数值

伤害类型细分：

•    物理技能伤害：单次物理技能伤害 = 总攻击力 × 攻击力加成系数；物理加成会直接放大技能伤害，收益取决于英雄的攻击力加成系数。

•    魔法技能伤害：单次魔法技能伤害 = 技能固定伤害值 + 总法强 × 法强加成系数；法强是所有来源的法强点直接相加，不按百分比叠加。

•    真实伤害：完全无视护甲、魔抗减免，直接全额结算，不受任何防御属性影响。

防御减免：

物理伤害减免比例 = 护甲 ÷（护甲 + 100）

魔法伤害减免比例 = 魔抗 ÷（魔抗 + 100）

2.2　面板属性的可拆解性分级

把单个英雄的面板数据逐一摊开，会发现它们在「能不能被数值化」上是分层的：

•    易拆解（单维度）：生命值、攻击力、攻击速度、护甲与魔抗、暴击率、法力值。

•    稍难拆解：范围伤害 / 护盾 / 控制技能；羁绊影响。

•    难拆解：攻击距离 / 射程；站位。

2.3　个人拆解顺序：先难后易

拆解顺序我坚持「先难后易」。原因是：如果先把容易的拆完，之后再代入难拆解的部分，前面的结果往往要全部推翻重算，等于白干。先把那些不容易用数据表达的部分解决掉，后面才不会返工。

第三章　逐层拆解：把定性描述变成可计算的系数

这一章做的事，是把那些原本只能靠感觉描述的属性（范围、站位、射程、羁绊），一个一个折算成可以乘进总战力公式里的系数。

3.1　范围伤害、治疗 / 护盾与控制技

范围伤害方面，先考虑两个极限站位：

•    最散：按我方整个场地（7 列 × 4 行）平铺满 9 个英雄，完全平均分布。

•    最集中：9 个英雄全部靠拢抱团站在角上。

按这两种情况各 40% / 60% 的概率来估计（英雄在战斗中会自然趋向靠拢，所以集中的权重更高）。据此算出平均英雄间隔格数的期望值 N 格（允许小数）。对范围性伤害，按这个格数计算总输出相对单点输出的变化比例，定义为 q(范围)。

需要坦白：这里的数值在纯人力计算下只能尽量逼近真实。准确的 q(范围) 必须跑程序实测——把各类范围攻击技能 / 英雄临时改成单点攻击，跑 1 万次，实测同等攻击力下范围攻击与单点攻击造成的总伤害变化率。如果玩家的初始站位有偏爱性，理想做法是把偏好站位也作为期望分布剥离出来再跑。

治疗 + 护盾：其血量折算为 q等效生存。

控制技能方面，按单次控制时长 t1、技能冷却 t2，折算为实力指数：

q(控制技) = t2 ÷（t2 − t1）

没有控制技能时，t1 取 0，q(控制技) = 1。这是一阶近似，适用边界为：单次硬控、无递减、控制期间零输出。

3.2　站位的影响与「输 / 肉偏离指数 D」

站位问题的本质是：在不考虑刺客的情况下，玩家能否通过站位让我方坦克先被集火、C 位最后倒下，从而把总输出拉到最大。但实战中存在「刺客跳」和「拉」这类会改变攻击顺序的技能，会干扰真实战力。为此我定义一个参数 D（输 / 肉偏离指数），用来衡量一个棋子偏输出还是偏肉。

先统一「平均装备水平」：剥离繁杂的周围影响，每个棋子的装备数量取平均值，按「一局平均散件总数 ÷ 5（平均棋子数）÷ 2（局中时间）」估算；每个散件的加强值也用所有散件的平均值代入，例如攻速 +15% 就按 +15% / 8 处理，其他属性平行上调。

输出指数 E = 按输出公式代入物理 / 魔法 / 攻击力 / 攻速等参数算出的总秒输出（含平均装备水平）

站稳时间指数 F = 生命值 ×（100 +（护甲 + 魔抗）/ 2）÷ 100 + q等效生存

输 / 肉偏离指数 D = E ÷ F

接着把研究阵容内所有棋子按 D 值从高到低排列，即 D1 > D2 > … > Dn，对应的输出指数记为 E1…En，站稳时间指数记为 F1…Fn。于是有两种极端战力算法：

•    最有利（最有利于我方，对方从坦克到中间到C位挨个打）：G(最有利) = E1×(F1+F2+…+Fn) + E2×(F2+…+Fn) + … + En×Fn

•    最不利（最不利于我方，假设对方全员是刺客，即倒着打，完美压制 C 位，从 D 值最高者逐个击杀）：G(最不利) = E1×F1 + E2×(F1+F2) + … + En×(F1+F2+…+Fn)

实际情况处于两者之间。据当前版本的统计反馈，实际总输出约 75% 偏向「最有利」一侧，于是：

G(站位) = G(最有利) × 75% + G(最不利) × 25%

要强调，75% 是当前版本的数据，会随版本漂移。我把「刺客跳 / 拉」统一视为「跳过站位、改变攻击顺序」的技能。如果这类技能被加强、带有此类技能的棋子变多，或者玩家研究得越来越透、把这种战术用得更为普遍，这个比例就会逐渐减小。这里还有一个隐含的玩家认知变量：只要一套数值设计足够深入、有足够完整的计算，玩家最终会不断向客观最优解靠拢。

3.3　攻击距离 / 射程

射程是最难拆解的一项。它的本质是：每多 1 格，相当于让对手多走 1 格，也就变相多出约 1 秒的输出时间——因为大多数棋子移动速度都是 1 秒 1 格（官方公布为500距离，对等于1个单元格），这 1 秒是定量增加的输出时间。

这里插一句，也是我的一种重要思路：在单独研究某个细项时，其他所有可变因素一律以平均值代入（更准确的是用期望值，需用程序完成），把其余参数先「固定死」，只研究一个维度。这样思路不会乱，得出的结果也非常接近实际。具体设定如下：

•    对方棋子数与我方一致（按平均优势对局；研究中可以逐项从 1 棋子推到 10 棋子）。

•    对方参与棋子的所有数据（hp、攻速、攻击距离、暴击率等）取全体英雄平均值；我方除研究对象之外的参与棋子，同样取平均值。

•    装备数量与散件加强值同样取平均，处理方式同 3.2。

在这些条件全部确立后，先假设双方均为 1 攻击距离对攻，算出我方研究棋子的存活时间 A 秒；再设对方平均攻击距离为 B（全体英雄平均值），我方研究棋子攻击距离为 C，则：

q(射程) =（A + C − B）÷ A

3.4　羁绊

我把羁绊理解为「一件需要组合才能使用的装备」。它有两个维度。

•    衡量时点：在计算棋子强度打分（棋子之间的平衡）时，以两种极端玩法的交叉时间点作为平均时点——那正是真正交火、拼命的时刻，用它衡量棋子强度最关键。再根据海克斯、装备、刷新、选秀等因素导致交叉点上下偏移的概率分布，得出凑齐该羁绊各档数额（如 2 / 4 / 6）的概率。

•    折算方式：先算出该羁绊在这个时点（英雄平均装备、装备均摊给所有英雄）能把综合战力 G 提升多少比率，记其期望为 Y；再算出该时点（按大数据平均 D 牌消费）凑出该羁绊所需英雄个数的期望值为 H。则：

q(羁绊) = Y^(1/H)

3.5　最终综合战力 G（全考虑）

G(全考虑) = G(站位) × q(射程) × q(范围) × q(控制技) × q(羁绊)

这一步的意义在于：把原本只能定性描述的属性，全部折算成可以乘进去的系数。于是「一个棋子、一套阵容到底多强」，第一次变成一个可计算、可比较、可排序的数值。

3.6　两种研究视角

3.6.1　单棋子战力视角：即 用于横向比较各棋子优劣，在判定的时间轴上是需要固化的，取树干的交叉点时间点， A 取「大数据下每局前三名的平均人口数的平均值」，对方参与棋子取 A/2（向上取整），我方其他棋子取 A/2（向上取整）− 1。如此得到的 G(全考虑) 就是单个棋子的战力指标，用于棋子之间的强度平衡打分。

3.6.2　全战力极限玩法视角：需要考虑过程的变化，除了把站位（3.2）与射程（3.3）融合进来、按 75% 站位参数处理之外，还需要按需从 1 棋子、2 棋子逐个算到 n 棋子，每一步都取最大化处理。

第四章　核心命题：全战力与全经济的平衡

4.1　矛盾的本质：共用一张血量表

全战力与全经济的关系，本质是一对矛盾。全经济方希望自己的血量尽量保持 100%；全战力方则尽量把对方的血下压；而全经济方需要在被压缩的生存空间里，先滚到足够的经济，再把它兑换成战力完成反超，也就是所谓的「锁血」。说到底，二者实际上共用同一张血量表（即 全经济方的血量表）,只是用力方向不同。

4.2　全战力方案

目标是一切以综合战力 G 最大化为导向：升级所需金币按最新版本数据，拟定的敌人数据与自己完全相同，再按 3.6.2 的方案逐层上推。

我设想了两种可能的最佳方案，个人猜测前者更好，尽管市面上很少有人采用。

方案 1（广撒网）：具体步骤为：

•    取当前大数据下，（全战力 vs 全经济）交叉点时玩家等级平均值所在等级，读取该等级各费棋子的刷出概率 P。

•    攻守双方棋子数取 3（平均数），算出所有棋子的 G(站位 + 射程)。

•    定义判定指数：

Q = 刷出概率 P × G(站位 + 射程) ÷ 费数

•    按交叉点人口数，算出观战席 + 场上可容纳的棋子总数 K。

•    取 Q 排名在 K + 3 名次内的棋子作为可选目标（可能是 1 费，也可能少数 2 费排名靠前）。

•    不固定追某张 Q 值最高的牌，而是把在 K + 3 名次内的棋子全部买下、塞满 K；满员装不下时，就卖掉数量最少的品种，依次类推，永远不固定追某一张牌。

方案 2（赌狗）：网传追固定某些高性价比的 1 / 2 费牌。凭感觉我不太认同，但可以按大数据玩家的方案逻辑去测算验证。

两种方案有一点共同注意：如果发现场上已经没有人能动摇自己的连胜，在连胜 100% 确保的情况下，可以留出剩余金币吃利息，等到经济流敌人的战力提升那一波冲击到来时，再在同一时间点把所有金币用于提升战力（提升战力的优先级同上）。全战力法前期不掉血，是全程连胜的。

4.3　全经济方案

基本打法是：

•    按平均概率收集福星，有多少是多少，不 D 牌（按期望值计算加强）。

•    刻意连败，目的是确保拿到连败奖励 +3，且不能断。

•    尽可能最大化经济效益，以 50 金币为上限吃利息。

•    金币达到 50 之后，把多余金币全部用于升级（升级只是为了小幅提高刷好牌的几率），保持金币为 50，目的是利用免费刷新机会尽量多拿好牌，能拿几张是几张。

全经济方的优势来自三点，而且三者都要从获得时点一路滚雪球推算到后文的梭哈时间点：

•    选秀优先权优势：为每一种选秀选择评估一个随时间发展、对 4–5 回合战力的影响折算成的增强百分比 A，按 A 从大到小排列为 A1、A2、A3…A8。假设全败方一定能拿到排列最靠前的 12.5% 概率覆盖下的所有内容（若某个选择跨越 12.5% 的边界，超出部分割掉），则连败方的最终优势系数 = A1×(A1 概率) + A2×(A2 概率) + …，且 A1 + A2 + … = 12.5%。同理，假设全胜方一定拿到最靠后的 12.5% 覆盖内容，则连胜方的最终优势系数 = A8×(A8 概率) + A7×(A7 概率) + …，且 A8 + A7 + … = 12.5%。

可以清晰看出，选秀中金铲铲的概率会大幅影响全经济打法的优势值，调整需要极度慎重。

•    更大本金带来的利息。

•    福星额外奖励折算为金币的期望值。

4.4　对抗实验设计

把 4.2 的两种方案与 4.3 的一种方案分别做对抗实验，我定了三条设定原则。

•    同条件原则：双方都不考虑各自方向上的增益（如加强的海克斯 / 装备），所以 4.3 里只考虑 50 金币上限。实战中双方各自加强战术，会互相抵消交叉点的位置偏移，因此无需考虑。

•    极限对抗：直接让双方每一轮都正面对抗、互相伤害。这是一种极限考虑——极限的战术加极限的配对，如果在这种情形下双方胜率各 50%，就可以认为平衡成立。

•    共用同一管血量（100 点）：全战力组尽可能把经济组的 100 血下压；全经济组在自身血量降到 30 以下时（即「梭哈时间点」），把全部金币瞬间（注意是瞬间，不是慢慢）兑换为 G(全考虑)，此后不再留金币，全部兑换为战力。

测试二者战力是否存在交叉点，画出函数图——图中回合数须标注为「某-某」的游戏内格式。当战力组的战力被经济组反超之后，战力组应当按游戏公式掉血。顺便，也能得出 4.2 的两种方案哪一种更好。

4.5　敏感性清单：哪些改动会让天平倾斜

最后，把会影响到这个大平衡的关键信息汇总一次。

有利于全战力方的：

•    调高 1 / 3 费棋子的属性值或技能（敏感性大）。

•    在 1–3 费棋子中增设能克制 4–5 费棋子的特殊战斗机制或技能（敏感性大）。

有利于全经济方的：

•    调高选秀中出现金铲铲的概率（敏感性大）。

•    调高利息比率（敏感性大）。

•    调高利息计算上限 50（敏感性一般）。

•    调高高等级下 4–5 费棋子的出现概率。

•    调高 4–5 费棋子的战力或技能。

这张清单的价值在于：后续做小平衡时，我很清楚哪些参数一动就会打破大平衡，从而能用不影响、或等比例影响的方式去调细项。

第五章　单棋子强度打分

招聘要求里「负责单位（棋子）之间的强度平衡以及强度打分」，本质就是 3.6.1 的延续。我的做法是：

•    取大数据下「玩家平均吃鸡完成局数 − 3 局」时，前 3 名玩家平均等级的期望值。

•    在该等级（允许小数）下，结合各费棋子出现几率，算出刷出相应 2 星 / 3 星所需 D 金币数量，平摊到每个棋子身上，记为 R(刷新)。

•    把达到该等级所需升级经验对应的兑换金币成本平摊到每个棋子身上，记为 R(升级)。其中：

棋子个数 = 该时期能用于 D 棋子和买棋子的金币数 ÷（R(刷新) + 棋子本身费数）

•    单棋子总成本：

R(总) = 费用数（1 到 45，如 5 费 3 星为 45）+ R(刷新) + R(升级)

于是得到强度打分公式（按不同英雄、不同星级分别计算）：

强度打分 = G(全考虑) ÷ R(总)

这样，「棋子强不强」就被拆成两个可以独立调节的变量：战力 G，以及获取它的成本 R。

第六章　验证：为什么必须是真正的蒙特卡洛模拟

前面所有折算都建立在一阶近似之上，必须用模拟来检验偏差。我的要求是：

•    按游戏真实的英雄数据、海克斯、装备、选秀等信息进行分析，跑 10000 次蒙特卡洛模拟，得出最终战力偏离的标准差，而不仅仅是均值。

•    必须是真正意义的模拟，不能是乱填参数的糊弄式模拟。比如把胜率硬套成某种固定分制公式去凑结果的做法，我是不接受的。

只有拿到偏离分布，才能判断一套配平在真实对局里稳不稳，而不是只在均值上好看。

第七章　剩余分支（树枝）的内部小平衡

树枝部分（同维度的小平衡）我不在这里展开，但给出一个统一的处理基准：以 4.4 得到的交叉时间点 − 1 个回合，作为「时间展现点」。举两个例子：

•    各种海克斯（按获得的时间段）到该时间点为止，能提升多少个百分点实力，最高与最低的概率分布差异有多大。

•    选秀、怪物掉落各种物品的掉落率与概率分布差异分析。

这些相对简单，按行业正常的分布要求设定即可：整体尽量稳定（性价比高低差异控制在 25% 以内），只保留个别小概率的「欧皇事件」，作为给情绪型玩家的刺激点。

第八章　与岗位要求（JD）的逐条对应

我不追求条条都硬对上，只把能真正对得上的地方列出来：

岗位要求（JD）

本手稿中的对应 / 我的做法

战斗数值框架搭建：设计核心战斗公式（伤害、护甲 / 魔抗、暴击、攻速、技能倍率等），定义属性维度与成长曲线；建立棋子属性、技能数值、羁绊加成、装备 / 强化符文的统一数值模型。

第二章以官方战斗公式为拆解基准；第三章把射程、范围、控制、羁绊逐层折算为可计算系数，最终统一进「综合战力 G（全考虑）」，得到一套可比较、可排序的战力模型。

平衡与节奏控制：控制「滚雪球」速度与翻盘空间，保证对局有来有回；控制单局时长、经济循环（金币 / 刷新 / 利息 / 连胜连败）与血量博弈节奏。

第一章把「滚雪球与翻盘空间」定位为全游戏唯一的跨维度平衡；第四章将全战力与全经济建成一对可直接对抗的模型，用共用血量表刻画滚雪球与锁血；4.5 节给出会打破平衡的敏感性清单。

数值工具与文档：设计并维护数值表结构，搭建可复用、可校验的数值配表流程；输出数值白皮书与版本平衡说明，支撑程序与美术落地。

第五章给出「战力—成本」的可调打分表结构，第六章给出验证流程；这份手稿本身就是按「可复用、可校验」的思路组织的一套落地流程。

方法论：熟悉数值建模与平衡方法论（对称性平衡、强度打分、胜率回归等）。

第五章的强度打分公式；第四章以对抗双方胜率各 50% 作为平衡判据，第六章再以偏离标准差继续校验。

工具：精通 Excel（函数、敏感性分析），能用 Python / 脚本做批量计算与模拟验证者加分。

4.5 节的敏感性清单即敏感性分析的雏形；第六章明确要求以脚本跑 10000 次模拟并输出标准差，而非手工估算。

理解力：清楚「重度自走棋」与「轻度竞技小游戏」的用户差异，能为了手感与节奏牺牲部分深度，而非机械堆参数。

1.1、1.2 节的「大平衡优先」与「够用就行」原则，正是不机械堆参数的立场。

软素质：对数据敏感、逻辑严密、能扛主线责任、沟通直接高效。

从「树干」到「树枝」的整条设计主线由我独立提出并推进，是一份能够自己扛到底的工作主线。

能使用 AI 工作流辅助设计者优先。

资料检索与整理环节借助了 AI 工作流提升效率，但全部判断、公式拆解与平衡推演由我主导完成。

第九章　结语

从4天前第一次在百度搜索"金铲铲"三个字，到您看到的这套东西——战力拆解模型、全战力vs全经济的平衡推演、单棋子强度打分体系、蒙特卡洛模拟框架——我用了4天。

我知道，4天做出来的东西，细节上一定有值得推敲的地方。但我想请您看的，不是某一个公式的系数是否完美，而是这套东西背后的拆解路径和思考结构：先锁定"大平衡"（全经济vs全战力），再拆"小平衡"（同维度内的强度打分）；先啃最难的（站位、射程、范围、控制、羁绊），再回过头用平均值法把其余变量固定住。

我42岁，房地产设计出身，跨界来的。高考数学满分，是我唯一敢拿出来的硬指标。

但说句实话，高考数学满分这件事本身，并没有那么稀罕——它是可以被训练、被刷题库、被套路喂出来的。题型就那么多，方法就那几套，肯下功夫、有老师带、刷够量，很多人能考到接近满分。它证明的，是一个人在既定规则下的执行力和熟练度，是一种"被设计好的题目"里的解题能力。

我见过高考数学满分的人很多，但能在这样的时限内做出这套东西的人不会多。

这套材料不一样。它没有题库，没有标准答案，甚至没有人告诉我入口在哪。面对一个完全陌生的系统，我得自己判断先拆哪、后拆哪，哪些变量要固定、哪些要放开，把原本只能靠"手感"去说的东西，硬生生拆成可计算、可建模、可交接的结构——这是一次从0到1的解构，没有任何现成套路可以套。

做题和拆系统，是两种能力。高考满分可刷题、解构能力刷不出来。 前者我有底子，而后者，真实的底层能力，恰恰是一个数值策划真正吃的那碗饭。

一个离开校园二十年的人，4天之内能做到这个程度——那么他真实的思维底子、学习速度，以及面对复杂系统时自己找路的能力，是可以预见的。

感谢您花时间看完。如果您愿意给我一个面试机会，我很想当面跟您聊聊：您当前版本里最头疼的那个平衡点，如果交给我，我会从哪里下第一刀。

👉 求职诉求：
我深知自己没有游戏行业的从业经验，愿意从初级数值策划、甚至数值执行、配表做起。我需要的只是一个入行的门槛。

另外跟各位交个底：我对这个老牌论坛其实毫不了解，甚至连今天能在这里注册、排版发帖，都是靠 AI 辅助指引我完成的。

在决定转行之前，我完全没有研究过市面上所谓的“专业数值策划”是怎么工作的，也没学过任何套路模板，我纯粹是靠着高考数学满分的底子，以及对数字结构的“直觉”，硬生生把《金铲铲之战》当成一个陌生数学模型给拆了。因为我心里很清楚，42岁走传统 HR 海投，我的作品根本到不了各位主策和制作人的手里。

所以我用 AI 绕过传统的墙，带着最原始的“直觉”和最终落地的 Excel 引擎来到这里“堵门”。我的极速学习能力、对数据的敏感度，以及不被行业套路束缚的全局拆解力，绝对能让我在最短时间内承担核心工作。

完整版 17页 PDF 与可运行 Excel 模型，欢迎站内私信索取。如果有主策或制作人愿意给一个面试机会，我非常乐意带着作品当面请教。

联系方式：
邮箱：3298832017@qq.com
(有意向详聊的朋友，请直接站内私信，我会第一时间发送微信号与完整作品。)