玩着学·把知识变成游戏

要解决的问题

很多学习产品只是在阅读材料和选择题外面套一层积分、剧情和排行榜。玩家读完长文、点几个选项，分数会增加，但目标知识并不是通关的必要条件。还有一种更隐蔽的失败：学习机制正确、QA 全绿，玩家仍然说「这更像一个固定规则的演示器」，因为缺少世界、角色、场景分段、开场契约，以及让每次游玩真正不同的随机层。

这个技能把来源内容改造成「必须使用目标知识才能完成新任务」的游戏切片：先锁定学习产品与验收证据，再从来源提取知识证据图，设计真正不同的游戏概念与学习循环，构建可运行网页原型，并用产品、学习、平衡、手感四重 QA 验证。

技能如何工作

• 模式选择：quick 默认产出 10–20 分钟可完整游玩的切片，自动选证据最强的方案；director 先给三个真正不同的方向并等待选择；course 把长教材拆成可恢复章节地图，仍先做垂直切片；resume 读取 _progress.md 从未过门阶段继续。
• 锁定学习产品：速读来源后给出推荐草案，生成 LEARNING_BRIEF.md，至少锁定来源范围与边界、学习者与场景、1–3 个可观察目标、时长与设备、成功证据、非目标。学习目标采用「给定什么情境，学习者能做什么，在什么条件下算成功」的句式，不用「了解、熟悉、掌握」当唯一验收词。
• 建立知识证据图：按 source-to-mechanics.md 生成 analysis/KNOWLEDGE_MAP.md，覆盖指定范围而不是抽样；区分事实、概念、因果模型、步骤、判断规则、案例与例外；标出先修关系、常见误区、关键证据位置和允许下游设计的空白。来源事实与游戏发明分开记录，避免把方便玩法写回事实。
• 选择学习游戏概念：先硬否决再比较，不伪造精确总分。出现「不用目标知识也能通关」「主要活动仍是读长文后答选择题」「奖励与学习动作可分离」「猜测或刷时长能稳定过关」「反馈只说对错」「只有原题复现」「机制歪曲事实或鼓励危险行为」等任一情况就重做。quick 自动选范围最小且证据最强的方案；director 生成 concepts/CONCEPT.md 后停靠。
• 设计学习循环：采用 预测 → 行动 → 看见后果 → 解释原因 → 带反馈重试 → 变式应用 → 迁移 的最小闭环，生成 design/LEARNING_GAME_DESIGN.md 与 design/ART_DIRECTION.md。核心知识必须成为资源、规则、诊断、建造、排序、谈判或决策的必要条件；同一原则至少出现在两个表面不同的情境中；结尾加入不复用原题措辞的迁移关。
• 可玩性硬要求：每个决策阶段准备 3 个隐藏变量，开局随机取 1，期望值接近零；信息做成资源时，稀缺优于定价，采用全局有限机会而不是不限次数收费。视觉、叙事和奖励只服务理解状态、因果与当前决策，并规定构图分区，避免元素挤在一侧。
• 构建网页原型：生成 build/BUILD_BRIEF.md 并真实启动，至少跑通一条失败路径、一条改进路径和最终迁移关；美术做成可选槽位，缺图自动回落代码兜底；内置 ?seed=23 这类确定性模式；随机数先混合再预热，避免小种子输出高度相关。
• 四重验证：读取 qa-contract.md，分别完成产品 QA、学习 QA、平衡 QA、手感 QA，生成 qa/QA_REPORT.md、qa/LEARNING_QA_REPORT.md、qa/BALANCE_REPORT.md。平衡必须穷举走法与变量组合，确认最恶劣组合仍有解、最优组合不止一解、最高评级可达；自动化测试全绿不等于界面成立，交付前要在目标视口看首屏、决策屏、结算屏和很小窗口高度的情况。

适用边界与注意点

• 原型 QA 只能证明「设计包含可执行的学习机制」，不能证明真实用户已经学会。「提高成绩、长期记忆、迁移到现实」必须有前测、后测或延迟测数据。
• 趣味、留存和商业价值必须由目标用户测试，不能由 AI 自评分代替；手感 QA 通过只代表「看起来像个游戏」，不代表好玩。
• 公开发布、整本书或第三方材料前，需要读取 rights-and-attribution.md，确认版权与署名边界。
• 儿童、医疗、法律、金融、安全操作等内容，需要采用与年龄和风险相符的表达；缺少实现环境时，只交付构建说明，不声称游戏已经生成。