数值策划 Agent

parents: 数值策划 Agent

从第一天起就服务最终的非专业用户（制作人、主策划、系统策划），通过“人工+工具”的方式交付端到端的价值，然后逐步用 AI 替代人工。
- Q: 为什么选这个路线？而不是从辅助工具做起？
  - Agent MVP 应该是人工服务而非软件
V1: 验证期
- 团队：一个创始人
- 融资：no
- V1.1: 找外部用户
  - Output
    - 几篇阐述产品功能及其想法的文章
    - 主动接触和访谈外部用户，快速演示工具
  - Outcome
    - 找到对其有强烈需求的外部用户
  - Target audience
    - 游戏：商业化比较重，经济数值相对复杂。数值体验是游戏体验的重要部分。
    - 团队：负责人懂体验，懂一点数字，但是不会建模，没有专门的数值策划
    - 阶段：还未上线，最好是处于测试、调整期，调数值的需求最旺盛的阶段
    - 典型画像：新成立的微信小游戏团队，做背包 like 或者暗黑 like，处于测试调优阶段
- V1.2: 人工服务+文档交付
  - 通过人工完成所有工作，给用户交付一套配置表和文档
  - User Story
    - 用户和我手动同步需求
    - 用户查看和验收我发给他的一系列配置表、文档
    - 用户可以登录网页，查看（而非更改）所有信息
    - 方便的导出、复制到本地配置表
  - Output
    - 计算引擎
  - Outcome
    - 找到并服务 3 个付费客户，深入学习需求
    - 验证新范式的有效性，形成可复制的服务流程
- V1.3：人工服务+网页交付
  - Output
    - 网页客户端
    - 服务器
  - Outcome
V2: 产品化与 Agent 化
- 进入条件：服务得到验证
- 将验证过的服务流程产品化，用 Agent 提升交付效率
- 团队：当创始人忙不过来后，找合伙人/核心员工（数值策划、研发），接手初步验证过的事情
- 资金：尽量 bootstrap，不花太多精力融资
- V2.1: Agent 问答
  - User Story
    - 用户问 AI 问题，AI 回答
    - 用户通过语言，让 AI 运行模拟
  - Output
    - 网页：Agent 交互
    - 服务器：调用 AI
  - Outcome
    - 可以省去一些繁琐的沟通、文档工作
- V2.2：Agent 简单调数值
  - 这是高频需求，很零散，需要反复多次进行。
  - User Story
    - 用户用自然语言的方式输入需求，AI 理解并执行
      - 对数值进行微调，并运行，直到通过
      - 对验收目标进行调整
      - 对用户画像进行调整
  - Output
    - 服务器：实现更强大的 Agent 功能
- V2.3：Agent 调整规则、配置表头
  - 这是低频需求
- V2.4：Agent 完成项目初始化
  - 更低频，一般一个项目就一次，在工具中建立各种行为、用户画像、配置表等
  - Output
    - Agent 通过读代码库自动完成初始化
V3：规模化
- 进入条件：agent 产品基本跑通，被 10+ 客户自助式使用，单位经济效益够高，处于快速增长轨道
- 融资：这个阶段是必要的
- 团队：根据产品和市场需求，开始招聘更专业的岗位

Gameplay Lab

数值策划 Agent - Roadmap

Backlinks

Graph View