本文介绍一种基于MDA理论的，理解动作游戏的方式或框架，方便读者在分析、理解、设计动作游戏时使用。
动作游戏的本质，与相关设计方法论
广义和狭义的动作游戏
本节想先讨论一些远离具体的设计的、有关动作游戏的宏观理解，这些作为一些基础铺垫，帮助我们深入理解动作游戏的核心特征与乐趣，逐步导出下文的一些理解、设计方法论。
- 广义动作游戏
本文无意对动作游戏的今生往世做细致详细的介绍，但是动作游戏是一个不同人理解起来相当容易产生歧义的游戏类型。归根结底，动作游戏的历史和内涵过于丰富，广泛存在于不同类型游戏的体验与机制上。
从这个角度，我们可以得到维基百科对动作游戏的广义定义：任何以动作为主要表现内容的游戏，都可以算作动作游戏。比如一些跨类别的动作游戏“影子”的例子：MOBA游戏中英雄的技能、射击游戏中近战动作……
- 狭义（日式）动作游戏
以广义去探讨，可能会像面对一整片森林去观察某种特定植物，未必能得到想要的答案。
如果你看了本博客的其他游戏分析，你会发现其中大多为日系动作游戏，维基百科中存在于另一个关于日式狭义动作的定义：分为2D和3D，2D分为横版卷轴、纵向卷轴、俯视角、固定画面；3D分为无双类、硬核动作、怪猎、魂like，格斗类则作为掌上明珠单独枚举。
- 我们所讨论的是
更接近上面狭义（日式）动作游戏的定义，正如旗舰评论所言：
日本定义下的狭义动作游戏，是若干个特别强调“反应与操作”的细分类型游戏的松散集合……把这些游戏类型从老到新列成一张表，它本身就是动作游戏设计的发展史：我们几乎找不出由欧美游戏设计师做出的设计创举。从最早的碰撞块和帧数判定理论开始，攻击-防御-投掷的基本三角克制关系是日本动作游戏设计出来的；跳跃和空中战是日本动作游戏设计出来的；群体战斗AI、主动性、QTE、一闪……这些设计也都是日本动作游戏先设计出来的……
动作游戏的哲学与本质
“动作”伴随着人类从动物形成社会的全过程，早已写入了人类的基因。当动作这个概念进行抽象并用于游戏娱乐，动作游戏诞生了。
动作游戏本质或者核心逻辑，抽象起来非常简单：玩家 控制 游戏角色 播放 动作。
!!设计方法论：奖惩导向 上
- 控制的乐趣
岔一下话题，按照上文的抽象，如何让“控制”变得有趣？（这是一个很大的话题，也不局限于动作游戏。）
事实上，纯粹的控制的乐趣是很有限的，以游戏感理论框架来解释的话，单纯的控制主要的感受是：即时控制 & 润色（特殊物理感受）。
一种常见的，使得控制变得有趣的方式是，在设计上赋予控制这件事更多意义，也即，游戏感中理论的模拟空间的相关感受。（换个说法，这也是为什么动作游戏讲究观察画面获取信息，再进行控制。）
对于一些动作游戏的高手玩家，一个有意思的说法是，动作游戏就好像音乐游戏。这个说法非常有趣，音乐游戏对于时机和判定的显示十分简单，甚至可能对大多数人都会感到枯燥和重复，对于这些已经完全掌握了游戏规则（设计师的决策导向）和阅读画面信息（完美获取动画关键信息）的玩家而言，要做的事情事实上和音乐游戏，差不太多。
当然这对于动作游戏的大部分玩家都是不太成立的，大众玩家不一定知道决策的方式，也不一定能掌握好画面信息的阅读。
- 奖惩导向
赋予更多意义这个思路下，一个非常有效的做法是奖惩导向，听起来很单纯：在玩家做出正确的控制时奖励，做出错误控制时惩罚。奖惩导向最基本也最广泛的例子是血量。
沿着奖惩这个思路，我们还可以理解，白金工作室GDC2016分享《无国界的动作游戏》中提到的，动作游戏是一种根据情形选择行为的被动游戏，“动作游戏就是设计考验场合与突破考验场合的方法”，这个设计思路。
旗舰评论中也有段文字，表达相同的概念：“狭义动作游戏的历史，就是想尽办法去设计玩家可以判读的资讯，然后在他们做出正确的操作时奖励他们，在他们做出错误操作时惩罚他们。”
!!设计方法论：奖惩导向 下
- 奖惩设计方向的取舍
在基本的奖惩导向方针以后，可能还会面临一个分配问题，是设计更多的考核场景？还是给玩家设计更多的选项？这里其实有一些选择的方式，比如：场合少选项多（比如无双类游戏，主角性能较强角色较多，怪物考核较弱）、场合多选项少（比如近些年的魂Like游戏，主角能力种类较少，而关卡和敌人丰富度和考核方式极多）、或者两者试图都多（也即，处于相对均衡的状态）。
不同的倾向也可以为不同的游戏带来不同的乐趣，也或者有人会说，这是一个更侧重于主角，或者更侧重于怪物，或者两者相对均衡的游戏。
这里我们没有说两者都非常重要，而是说两者相对均衡，是因为，一般不能要求玩家“左手画圆，同时右手画框”，如果俩都想要，那最好降低各自的难度，或者至少是逐步给玩家提高难度的。
- 此设计思路下的动作游戏特征
按这个角度，动作游戏会需要：
- 能有奖惩的基础要求（满足“获取信息，采取行动”的基本循环）：
- 动画清晰明确
- 判定精准可读（比如空间上遵循严格框体检测、时间上处于动画的合适位置）
- 玩家会追求奖励收益最大化：
- 设计受击动画僵直时长，以设计不同的连招序列，来引导玩家追求
- 设计不同的控制方式：浮空、投技、眩晕等，来引导玩家追求
这里可以带入一些没那么好的游戏作为反向例子理解，比如：当一些游戏的动画看不清，就会影响玩家对信息的获取，然后干扰玩家的决策，导致奖惩判定给玩家带来负反馈。
基于M-D-A理论的理解
收一收，我们继续把“玩家 控制 游戏角色 播放 动作。”这个底层逻辑，放入M机制-D动态-A美学理论框架中：
这里给动作游戏的归纳了两个核心乐趣（虽然不具备啥泛用性）
- 控制感：内涵较为丰富，1.符合直觉的控制 2.丰富的控制选项 3.丰富的考核场景以带来正反馈
- 打击感：聚焦于动作本身的美学呈现。
我们可以尝试继续挖掘M-D-A三层：
!!设计方法论：底层机制
这部分主要是一些经典或者传统的动作游戏规则和对应的实现方式。比如：
- 状态机 逻辑轴 系统逻辑
| 项目 | 说明 | 举例 |
|---|---|---|
| 状态机 | 决定有多少个动画状态：长度、表现、跳转等 | 一个Actor有idle walk show三个状态 |
| 逻辑轴 | 决定单个动画的框体变化、逻辑脚本执行、表现创建等 | walk状态有受击框 |
| 系统规则 | 其余更上层的规则，比如数值积蓄 | 比如必须有3格能量才能释放（从idle跳转）show技能 |
-
一些比较典型的动作游戏的底层机制实现过程：
- 攻击命中进入受击动画：攻击框与受击框有交集……（后略）
- 投技的实现：投技框与受击框有交集……（后略）
我们也会看到一些底层机制相对比较“模糊”的动作游戏（非刻板印象，但是欧美厂商的居多）：
- 比如动画多用融合导致动画切换、帧数感知不清晰；判定和移动方式引入较多辅助算法，导致性能感知弱
- 动作之间的打断规则不清晰，指令预输入规则不统一影响手感
最近的经验来说，这些问题并不是决定性的缺陷，但是这些细节确实决定了一款动作游戏是否能达到殿堂级的“高度”。
!!设计方法论：微观循环
事实上，动作游戏的玩家不断在重复着：感知、认知、行动的循环过程。
认知和行动是操控的一部分，很好理解；感知的话，前面已经提到了玩家阅读画面获取信息的重要性——本质上是为了利用奖惩机制让玩家的控制有能更多乐趣。
- 针对感知的设计
可以引入信息传递模型：
针对发送、噪声、接收等环节都可以对应上一些具体的设计，这里不再具体举例。
- 针对认知的设计
这部分，理论上，玩家的认知决策规则，应该与设计师设计的规则维持一致（为了让“奖惩”有效且持续有效）。
这里补充一些典型的认知目标，和目标可能侧重的层次，如下：
| 主要层次 | 体验类别 | 说明 |
|---|---|---|
| 行动 | 远离攻击 | 使用某些手段远离某个区域——多为攻击区域 |
| 行动 | 打点控制 | 精确地调整人物位置、攻击朝向等，使得下次行为刚好命中目标部位 |
| 行动 | 搓招/Combo类 | 连续完成一系列指令输入，通常控制在僵直时窗口内，输入方式可能会需要摇杆组合按键 |
| 感知 | 当身/返技类 | 配合敌方动作判定，释放动作，一般可以产生额外效果 |
| 认知 | 抉 | 结合当前情景（多为敌我位置、状态），从可选行为中选择最优行为 |
| 认知 | 量表计算类 | （显性或者隐性地）统计攻击造成的计数量表增加，并合理利用计数满额后的硬直等 |
- 针对行动的设计
这部分主要是玩家控制的方式，事实上玩家也有着屏幕、键盘鼠标、手柄等多种输入设备，各自也有一些经典输入模式设计。
- 注意事项
再次重申，一般不能要求玩家“左手画圆，同时右手画框”，尤其是上面提到了多个层次的设计内容，如果你既要要求玩家精准阅读信息来及时操作，还要要求复杂输入高精准瞄准，那多半是太为难玩家了，倒不是说不能为难玩家，只是，“同时要求玩家做多件事情”是件困难的事情，经常被设计师忘记，以致于玩家的谩骂。
!!设计方法论：打击感
这个话题太大了，这里不额外展开，典型打击感有：
- 攻击动作：开始、攻击、结束
- 攻击特效：（略）
- 受击动作：（略）
从微观到宏观
前面讨论的更多是微观体验的切片，玩家玩到的游戏是一个具体的内容序列。就像离散的画面组成了电影；离散的动作组成了角色，离散的角色（作为敌人而言）组成了关卡，进而构成了游戏。
- 体验蓝图与玩家阶段
在具体的组成方式上，也是相当具有技巧的（比如，如何控制玩家在心流区间），一种常见的，用于指导构建复杂体验的方式，是体验蓝图，如下图：
- 叙事与英雄之旅
考虑到游戏是一个整体，主角怪物都离不开关卡和叙事——对于PVE游戏而言尤甚，叙事或者说剧作，已经是一门相当有学问和知识经验积累的单独学科，有很多经典的结构，比如“英雄之旅”。
让动作设计贴合这些结构，会让整体的呈现，更容易被玩家接受，也能给玩家留下更强的印象。
简要总结
一图流，如图：
