Stress-Testing Game Concepts 是一个面向游戏设计概念的对抗性审计技能，其核心目标是尝试证伪那些可从现有规则或行为中检验的设计主张。它明确不回答“这个游戏好不好玩”这类模糊问题，而是判断声称的决策、权衡与技巧表达能否在对抗性分析下成立。
适用范围 该技能可独立作用于以下对象：自然语言描述的概念；规则或规格文档；状态转移模型或模拟器；以及可玩的早期原型加上观察记录或遥测数据。若缺少可执行证据，则记为 unknown（未知），而不是判定为失败。它可以在有可用时接收来自另一工作流的稳定概念记录，但不强制要求；会保留所提供的 ID 和机制签名，否则在分析前分配稳定 ID。在比较概念时，会在推介文字之前或旁边展示统一格式的归一化因果与机制字段。
工作流程
- 提取因果模型：识别动作、玩家读取的状态、自动动态、进度与计分、失败与损失，以及声称的技巧表达。为导入的证据和推导出的结论附加来源与方法溯源。不得用有利假设填补实质性空白。
- 列出可证伪主张：例如“时机很重要”“冒险能获得更高分数”“保守玩法牺牲未来选择”“专家能从不失误的处境中恢复”。
- 运行失败分类法：读取 references/failure-taxonomy.md。
- 用简单策略进行攻击：读取 references/policy-library.md，仅使用适用于该控制方案与状态模型的策略。
- 探查关键决策：构建至少两个可达状态，使不同动作因不同理由而被偏好。若无法展示这一点，则记录能动性崩塌风险。
- 追踪后果：对于足够离散的规则，追踪 3 至 8 个决策步骤。若存在忠实模拟器或原型，优先使用可执行测试而不是口头信心。
- 区分证据状态：将每个主要主张分类为 fails（失败）、weak（薄弱）、unknown（未知）或 survives（存活）。只有当已证明的核心缺陷使所述循环无法运作或策略上空洞时，整个概念才被判定为 hard_reject。
- 指定下一个判别测试：对每个未解决的重要主张，说明能实质性改变结论的最小测试。
- 在命名测试后记录评审：当命名的原型或试玩产生了人类观察时，使用 references/human-review.md。交互式工作可在下一次投入前请求评审；无人值守或批处理工作必须以 review_pending 结束，而不是阻塞或编造证据。
硬性拒绝策略 仅从已证明的核心缺陷进行硬性拒绝，例如：所需的进度或成功不可达；无论采取何种有意义动作都不可避免失败；简单的无视状态策略在相关状态范围内压过所有描述过的替代策略；名义动作在战略上等价且不存在反复出现的选择；某条必需规则相互矛盾或过于欠定，以致核心循环无法定义；声称的核心互动在陈述的硬约束下不可能存在。不得因概念不熟悉、视觉朴素、难以推介、风险高或依赖调参而硬性拒绝。
压力测试分类是带有溯源的诊断证据。下游策展可以保留它，但不得自动将 fails、weak、unknown 或 survives 映射为 hard_reject 或某个序数证据评分。下游的 hard_reject 需要自身已证明的理由、被接受的证据类型和溯源。
修复边界 默认行为是诊断而非重新设计。若用户要求修复，先保留失败追踪，然后建议针对该追踪的最小规则级改动。不要用重写后的概念掩盖诊断。
输出契约 使用 references/report-contract.md。证据必须指明所测试的策略、追踪、不变量、遥测观察或缺失信息。绝不将 LLM 的整体“好玩”判断作为证据。
路由与交接 在默认不重新设计的前提下，使用本技能攻击现有概念。当主要需求是生成结构多样的假设时，使用 exploring-game-design-space；当主要需求是从给定集合进行基于覆盖度的选择时，使用 curating-game-concept-portfolio。三者可独立运行；在交接记录时保留稳定 ID、归一化签名、溯源和未知项。
完成标准 每次硬性拒绝都有可复现的推理追踪或可执行观察；unknown 与负面证据不同；简单策略的可行性不与占优混淆；正面主张描述可观察的战略行为；报告为重要未知项指出成本最低的下一个测试。偏好与批准绝不作为证据报告，观察到的人类证据要指明其测试情境与观察内容。