Evilom
15 KiB
SOaBdskVhoSXo0x6gvbcLnKHntb
Source: https://dianchukeji.feishu.cn/docx/SOaBdskVhoSXo0x6gvbcLnKHntb
一、工作内容概述
二、研究组AI研究工作流与产品认知资产库搭建推进
原定开发计划包括：
（一）今日迭代内容
完成《三国：谋定天下》演武大会三张知识卡正式入库
- 对三张卡进行了正式入库前 review，并完成正式入库状态切换
- 在 review 三张卡的过程中，进一步明确了同一研究资料拆分为多类知识卡时的边界：
- MECH 卡：回答“机制如何成立”
- 重点沉淀规则结构、机制模型、设计逻辑和可迁移机制
- REPORT 卡：回答“机制为什么对产品有价值”
- 重点沉淀产品观察、用户价值、产品价值和商业化待验证方向
- ORG 卡：回答“机制如何影响玩家组织与参与结构”
- 重点沉淀组织压力、参与门槛、协作方式和组织生态影响 这次三谋演武大会案例是第一次完整跑通“同一研究对象拆分为 MECH / REPORT / ORG 三类知识资产”的验证案例。过程中暴露出一个关键问题：不同卡片之间天然会存在交叉，如果没有清晰的拆分规则，很容易变成重复总结。因此补充了工作流规则，明确三类卡片不是并列复述，而是从不同知识资产视角拆分同一机制对象 后续会继续扩大资料规模，单篇材料里会同时包含：
- 机制规则
- 产品判断
- 用户反馈
- 组织生态
- 商业化推演
- 竞品对比
- 后续行动建议 如果不拆分，就会变成一篇越来越长的综合报告，后续很难复用。MECH / REPORT / ORG 的价值在于把研究内容拆成更稳定的知识单元：
- 机制
- 产品观察
- 组织生态归
- 商业化推演保留证据边界
- C 类推演判断非客观事实
- MECH 卡：回答“机制如何成立”
- 点击查看详情：
- 《三国：谋定天下》演武大会 P0 知识资产案例
- 战略研究部 AI 研究工作流总览
:thinking_face: AI 研究工作流建设不能只看“能不能生成内容”，更关键的是能否形成稳定的组织知识资产 如果只是让 AI 生成一份分析报告，其实价值有限，因为报告看完之后很容易再次沉没。把资料转成结构化知识卡，并且区分 MECH / REPORT / ORG，不同研究结论就能沉淀到不同知识层级中，后续可以被检索、复用、对比和继续迭代 此外，当工作流越来越复杂之后，很多状态名、目录规则、入库标准、share 页面、HTML 页面、Markdown 源文件之间很容易不一致。如果这些不统一，后续团队其他人使用时会产生困惑。因此，后续需要继续把“规则显性化”，减少依赖个人记忆和临时判断
三、创新组全栈 AI 开发方向思考及工作流搭建
背景： 今天面试候选人时了解到其他超休闲厂商 IAA 游戏（该厂商聚焦排序类）的研发打法：关卡设计、竞品拆解、压力曲线、关卡算法复刻、快速迭代等内容，引发了我对创新组当前工作的进一步思考。由于我对这个品类的开发方法、关卡设计核心能力和行业常规流程并不熟悉。面试结束后对休闲 IAA 游戏开发方法进行了初步了解，并进一步思考创新组如何把这些能力转化为 AI 全栈开发流程的一部分
从面试获得的启发
候选人提到的超休闲关卡设计方法主要包括： 一开始我不确定这些做法是否代表行业核心能力，因为没有做过超休闲游戏，很难判断其价值。面试结束后进一步了解，形成了几个判断：
- 超休闲 / 休闲 IAA 的核心竞争力并不是系统堆叠，而是对单点乐趣、关卡节奏、失败反馈、广告节点和数据迭代的工程化控制
- 候选人提到的“竞品拆解 → 压力曲线 → 算法复刻 → 关卡迭代”方向是成立的，但比较偏传统人工方式
- 对创新组来说，更重要的是思考如何把这些人工经验转化为 AI 工作流资产，例如：
- 竞品拆解模板
- 关卡参数化表达
- AI 生成配置
- 自动化测试
- 数据回流
- 复盘报告 休闲 IAA 的价值在于周期短、系统相对可控、容易形成闭环，适合训练小团队从创意、设计、代码、美术、配置、广告点、埋点到复盘的端到端能力
搭建创新组长期工作区
战略研究部创新组长期工作区：/Users/dianchu/projects/strategy-innovation-lab 后续创新组相关工作都应在这个目录下沉淀，包括：
- 休闲 / 超休闲 IAA 游戏与 AI 管线
- Claude Code / OpenClaw / Cursor 等全栈 AI 开发工作流
- 自动化游戏分析工具
- AI 原生游戏 Demo 与小型实验
- 内部研究报告
- 创新组会议纪要、日报素材、阶段复盘
- 可复用模板、SOP、Prompt 与上下文资产
了解超休闲 / 休闲 IAA 方法论
在了解后整理了一份内部指南，帮助创新组建立对休闲 / 超休闲 IAA 游戏的基础理解，核心内容包括： 点击查看详情：超休闲游戏关卡设计与AI管线内部指南 — 战略研究部创新组
对当前二合类 IAA 任务的思考
二合类不是最轻量的方向。如果只想验证关卡生成算法，排序类更合适；如果想让单人策划用 AI 完成一个更完整的 IAA 产品闭环，二合类更合适。二合类的优势在于： - 棋盘 - 合成 - 生成器 - 订单 - 物品链 - 广告点 - 埋点 - 美术 - 测试与复盘 - 物品链配置 - 订单配置 - 生成器配置 - 广告点配置 - 埋点事件配置 - 二合类天然需要成组物品图标 - 可以训练 Prompt 模板、风格统一、批量生成、筛选、命名、导入工程等流程 - 不只是做一个玩法，而是要形成“合成 → 订单 → 奖励 → 广告点 → 埋点 → 复盘”的完整链路 但它的风险也更高：
- 系统数量多，单人开发容易失控
- 合成链、订单节奏、生成器产速之间需要平衡
- AI 能生成模块，但不能自动保证体验成立
- 美术虽然有成熟 AI 工具，但风格一致性和辨识度仍要人工判断
- MVP 边界不能锁死，但必须阶段性收口 点击查看详情：二合类 IAA 产品项目作为创新组全栈 AI 开发切入点的适配性评估 — 战略研究部创新组
对创新组管理的启发
不能只看单个项目成败，而应该看多个同学独立开发项目后形成的横向对比价值。因为每位同学都是独立使用 AI 做一个项目，所以真正有价值的不是简单比较“谁的产品更好”，而是比较：
- 谁的 AI 编排效率更高
- 谁的产品闭环更完整
- 谁的 Prompt 和开发流程更可复用
- 谁能更好控制项目范围
- 谁的配置 Schema、物品链、订单设计更可沉淀
- 哪些失败原因是共性的
- 哪些成功路径可以复制 创新组的阶段复盘除了产品展示，还应该重点进行 AI 工作流复盘。包括但不限于：
- Prompt
- Schema
- 配置模板
- 工程骨架
- 美术生成流程
- 埋点模板
- 测试与复盘方法
- AI 使用效率数据
:thinking_face: 即使某个产品项目失败，只要沉淀了可复用资产，也仍然有组织价值；但如果只是失败而没有沉淀，那才是真正的失败
一、工作内容概述
二、研究组AI研究工作流与产品认知资产库搭建推进
原定开发计划包括：
（一）今日迭代内容
完成《三国：谋定天下》演武大会三张知识卡正式入库
- 对三张卡进行了正式入库前 review，并完成正式入库状态切换
- 在 review 三张卡的过程中，进一步明确了同一研究资料拆分为多类知识卡时的边界：
- MECH 卡：回答“机制如何成立”
- 重点沉淀规则结构、机制模型、设计逻辑和可迁移机制
- REPORT 卡：回答“机制为什么对产品有价值”
- 重点沉淀产品观察、用户价值、产品价值和商业化待验证方向
- ORG 卡：回答“机制如何影响玩家组织与参与结构”
- 重点沉淀组织压力、参与门槛、协作方式和组织生态影响 这次三谋演武大会案例是第一次完整跑通“同一研究对象拆分为 MECH / REPORT / ORG 三类知识资产”的验证案例。过程中暴露出一个关键问题：不同卡片之间天然会存在交叉，如果没有清晰的拆分规则，很容易变成重复总结。因此补充了工作流规则，明确三类卡片不是并列复述，而是从不同知识资产视角拆分同一机制对象 后续会继续扩大资料规模，单篇材料里会同时包含：
- 机制规则
- 产品判断
- 用户反馈
- 组织生态
- 商业化推演
- 竞品对比
- 后续行动建议 如果不拆分，就会变成一篇越来越长的综合报告，后续很难复用。MECH / REPORT / ORG 的价值在于把研究内容拆成更稳定的知识单元：
- 机制
- 产品观察
- 组织生态归
- 商业化推演保留证据边界
- C 类推演判断非客观事实
- MECH 卡：回答“机制如何成立”
- 点击查看详情：
- 《三国：谋定天下》演武大会 P0 知识资产案例
- 战略研究部 AI 研究工作流总览
:thinking_face: AI 研究工作流建设不能只看“能不能生成内容”，更关键的是能否形成稳定的组织知识资产 如果只是让 AI 生成一份分析报告，其实价值有限，因为报告看完之后很容易再次沉没。把资料转成结构化知识卡，并且区分 MECH / REPORT / ORG，不同研究结论就能沉淀到不同知识层级中，后续可以被检索、复用、对比和继续迭代 此外，当工作流越来越复杂之后，很多状态名、目录规则、入库标准、share 页面、HTML 页面、Markdown 源文件之间很容易不一致。如果这些不统一，后续团队其他人使用时会产生困惑。因此，后续需要继续把“规则显性化”，减少依赖个人记忆和临时判断
三、创新组全栈 AI 开发方向思考及工作流搭建
背景： 今天面试候选人时了解到其他超休闲厂商 IAA 游戏（该厂商聚焦排序类）的研发打法：关卡设计、竞品拆解、压力曲线、关卡算法复刻、快速迭代等内容，引发了我对创新组当前工作的进一步思考。由于我对这个品类的开发方法、关卡设计核心能力和行业常规流程并不熟悉。面试结束后对休闲 IAA 游戏开发方法进行了初步了解，并进一步思考创新组如何把这些能力转化为 AI 全栈开发流程的一部分
从面试获得的启发
候选人提到的超休闲关卡设计方法主要包括： 一开始我不确定这些做法是否代表行业核心能力，因为没有做过超休闲游戏，很难判断其价值。面试结束后进一步了解，形成了几个判断：
- 超休闲 / 休闲 IAA 的核心竞争力并不是系统堆叠，而是对单点乐趣、关卡节奏、失败反馈、广告节点和数据迭代的工程化控制
- 候选人提到的“竞品拆解 → 压力曲线 → 算法复刻 → 关卡迭代”方向是成立的，但比较偏传统人工方式
- 对创新组来说，更重要的是思考如何把这些人工经验转化为 AI 工作流资产，例如：
- 竞品拆解模板
- 关卡参数化表达
- AI 生成配置
- 自动化测试
- 数据回流
- 复盘报告 休闲 IAA 的价值在于周期短、系统相对可控、容易形成闭环，适合训练小团队从创意、设计、代码、美术、配置、广告点、埋点到复盘的端到端能力
搭建创新组长期工作区
战略研究部创新组长期工作区：/Users/dianchu/projects/strategy-innovation-lab 后续创新组相关工作都应在这个目录下沉淀，包括：
- 休闲 / 超休闲 IAA 游戏与 AI 管线
- Claude Code / OpenClaw / Cursor 等全栈 AI 开发工作流
- 自动化游戏分析工具
- AI 原生游戏 Demo 与小型实验
- 内部研究报告
- 创新组会议纪要、日报素材、阶段复盘
- 可复用模板、SOP、Prompt 与上下文资产
了解超休闲 / 休闲 IAA 方法论
在了解后整理了一份内部指南，帮助创新组建立对休闲 / 超休闲 IAA 游戏的基础理解，核心内容包括： 点击查看详情：超休闲游戏关卡设计与AI管线内部指南 — 战略研究部创新组
对当前二合类 IAA 任务的思考
二合类不是最轻量的方向。如果只想验证关卡生成算法，排序类更合适；如果想让单人策划用 AI 完成一个更完整的 IAA 产品闭环，二合类更合适。二合类的优势在于：
- 棋盘
- 合成
- 生成器
- 订单
- 物品链
- 广告点
- 埋点
- 美术
- 测试与复盘
- 物品链配置
- 订单配置
- 生成器配置
- 广告点配置
- 埋点事件配置
- 二合类天然需要成组物品图标
- 可以训练 Prompt 模板、风格统一、批量生成、筛选、命名、导入工程等流程
- 不只是做一个玩法，而是要形成“合成 → 订单 → 奖励 → 广告点 → 埋点 → 复盘”的完整链路 但它的风险也更高：
- 系统数量多，单人开发容易失控
- 合成链、订单节奏、生成器产速之间需要平衡
- AI 能生成模块，但不能自动保证体验成立
- 美术虽然有成熟 AI 工具，但风格一致性和辨识度仍要人工判断
- MVP 边界不能锁死，但必须阶段性收口 点击查看详情：二合类 IAA 产品项目作为创新组全栈 AI 开发切入点的适配性评估 — 战略研究部创新组
对创新组管理的启发
不能只看单个项目成败，而应该看多个同学独立开发项目后形成的横向对比价值。因为每位同学都是独立使用 AI 做一个项目，所以真正有价值的不是简单比较“谁的产品更好”，而是比较：
- 谁的 AI 编排效率更高
- 谁的产品闭环更完整
- 谁的 Prompt 和开发流程更可复用
- 谁能更好控制项目范围
- 谁的配置 Schema、物品链、订单设计更可沉淀
- 哪些失败原因是共性的
- 哪些成功路径可以复制 创新组的阶段复盘除了产品展示，还应该重点进行 AI 工作流复盘。包括但不限于：
- Prompt
- Schema
- 配置模板
- 工程骨架
- 美术生成流程
- 埋点模板
- 测试与复盘方法
- AI 使用效率数据
:thinking_face: 即使某个产品项目失败，只要沉淀了可复用资产，也仍然有组织价值；但如果只是失败而没有沉淀，那才是真正的失败