新手保护曲线模板：前10局的参数怎么给

新手保护的目标不是让新玩家一直赢，而是让他在前10局里既尝到赢的爽感、又学会输的正常，胜率从开局的高位平滑收敛到50%附近。行业里最常见的两个错误恰恰是两个极端：完全不保护，新手连输三局就卸载；过度保护，新手十局全赢，第十一局原形毕露，摔得更狠。

为什么收敛到50%是正确的终点：长期胜率50%意味着对手实力与玩家水平相当、匹配机制健康，这是玩家形成公平感的基础。保护期的一切参数，都应该服务于把新玩家平稳送到这个均衡点上，而不是停留在高胜率的幻象里。

可执行的保护曲线分三段：开局三局给到60%左右的目标胜率建立信心，中间三局降到55%引入正常对抗，最后四局向52%收敛完成过渡，第11局起进入成熟的50%上下窄带。整条曲线的关键是斜率平缓，玩家感知不到被安排。

• 第1至3局：目标胜率约60%，对手以温和型机器人为主，失误率上调
• 第4至6局：目标胜率约55%，机器人难度升档，开始出现有来有回的对抗
• 第7至10局：目标胜率约52%，引入真人玩家混桌，机器人仅在凑桌缺位时补位
• 第11局起：进入常规策略区间（50%上下3个百分点），保护参数全部退出

保护期的对手选择比胜率数字更重要：温和型机器人（低对抗强度、高失误容忍、友好聊天风格）应该优先入场，而不是让新手直接面对激进型打法。这对应在difficulty参数之外的一层人格调度，需要调度层按账号局数联动性格档案。

难度爬坡的核心参数是失误率与对抗强度，思路是逐局微升而不是跳变：单局的变化幅度控制在玩家感知阈值以下，10局累积起来才完成一次完整的游戏世界变难。玩家回看时会觉得自己在进步，而不是觉得对面前后在演戏。

POST /v1/games/guandan/sessions
{
  "robots": 2,
  "difficulty": "human-like",
  "emotion": "enabled",
  "fill_mode": "dynamic",
  "newbie_protection": {
    "games": 10,
    "curve": [
      { "games": "1-3",  "target_win_rate": 0.60, "persona": "mild",  "mistake_rate": "high" },
      { "games": "4-6",  "target_win_rate": 0.55, "persona": "mild",  "mistake_rate": "medium" },
      { "games": "7-10", "target_win_rate": 0.52, "persona": "mixed", "mistake_rate": "low" }
    ],
    "soft_landing": { "games": "11-20", "target_win_rate": 0.50, "mix_real_players": true }
  }
}

保护期结束必须软着陆：第11至20局是过渡带，目标胜率停在50%并逐步混入真人玩家，而不是在第十局结束后一夜撤掉全部保护。突变点的代价是新手在第11至13局集中流失，这是多数团队复盘新手流失时最容易漏掉的时段。

软着陆的另一个动作是预期管理：保护期结束后给新手匹配的对手强度，应与其近10局表现挂钩，而不是只看总局数。表现超预期的新手可以提前结束保护，表现挣扎的新手延长到15局——保护曲线是一个函数，不是一个常量。

判断保护力度是否合适，要看四个指标的组合而不是单一胜率：新手期完局率、再来一局率、第11至13局留存、以及新手局的对局时长分布。胜率达标但完局率异常偏高，往往说明保护过度，牌局已经失去了对抗性。

• 前10局完局率应高于85%，中途退出率异常说明难度或节奏不适配
• 再来一局率先升后落，通常出现在保护过度的产品上
• 第11至13局的留存跌幅不应超过前10局平均水平的1.5倍，超过即检查软着陆参数
• 新手局对局时长应与真人局分布一致，过短说明AI失误率给得太高