很多人问过我一个问题一个一人公司一个创始人究竟是怎么维护《一念成仙》这样一个已经运行多年、跨越多个终端、拥有复杂社交生态和数以万计参数的修仙文字世界的比如功法应该加多少属性一个道具的掉落率定在多少合适某种资源每天产出多少才不会引发通胀新玩法的收益应该高于旧玩法多少不同境界之间究竟应该拉开多大的绝对差距。如果把整个功能生态展开你会发现这根本不是几十张表格能够简单描述的问题。它更像是一个巨大的、多变量高度耦合的动态社会系统。所以很多人自然会认为在这背后一定有一套极其精密的数值策划模型。但我要说一个可能让人觉得不可思议的答案。我其实很少真正意义上地去设计数值。至少不是传统意义上的那种设计。我不会试图在一个系统上线以前就通过一张庞大的表格去证明某个参数是绝对正确的而另一个是错误的。事实上在一个真实运行的社交机器里这种静态的正确数值很多时候根本不存在。我真正做的事情更像是在和面。很多年前我接触过一个让我印象极深的概念叫做费希尔原理。它来自进化生物学。早年有学者讨论过一个非常有趣的问题为什么许多有性繁殖物种的性别比例会长期维持在近似一比一的均衡位置简单来说当群体中某一性别变得稀缺时产生该稀缺性别的个体就会获得更高的相对繁殖收益而随着稀缺性被抹平这种优势又会逐渐消失。这就是负频率依赖选择一个策略的收益不是固定的它会随着该策略在整个群体中的相对稀缺程度而发生动态变化。这个原理真正让我着迷的并不是那个比例结果而是它背后的运转逻辑。自然界没有任何一个中央规划者在拿着计算器规定物种该生多少雄性或雌性。均衡是大量局部行为在相对收益发生变化后自己推出来的。系统偏向一边另一边的边际收益就开始上升当参与者涌向高收益的一方这种优势又会随之稀释。偏离均衡本身就制造了一股把系统往回拉的力量。这成为了我理解一念成仙数值生态时一个极其重要的视角。当然修仙机器人并没有在应用生物学法则这是一种隐喻。我更愿意把自己的方法称为费希尔式的涌现平衡。我不试图事先计算出整个系统的最终精确解而是设计条件让真实的用户行为暴露出当前系统偏向了哪里再根据这种偏移决定下一次该施加什么维度的力量。如果把上述复杂的理论名词全部剥离我在日常开发中实际上是怎么工作的方法非常朴素就是水多了加面面多了加水。听起来像一句废话。但如果你真的亲手和过面就会知道这里面存在一个非常微妙的工程学问题。你根本不知道这团面正确的含水率到底是多少。不同的面粉批次、当天的温度、揉制的手法都会改变最后的手感。真正会和面的人很少拿着高精度电子秤站在案板前推演加水毫升数。他会先加水然后揉然后看然后感受。太干了加水太黏了加面。最后那团软硬适中的面绝不是从一个精确公式里一次性计算出来的而是在不断的输入、反馈、修正的闭环控制中成型的。数值设计本质亦是如此。假设明天我要向生态中投入一个全新的玩法系统。传统思路必然会追问投入产出比和相对收益溢价。这些当然需要考量但我的首要目标永远不是把这些数字一步算准我的第一目标是保证它进入现有生态后不会立即摧毁已有的平衡。也就是说我会给它设定一个极端保守的安全初值。这个数值大概率不是最终最优的但我必须先确保底线它不会让用户手里的旧资源瞬间变成废纸不会让小众路线突然膨胀为唯一解更不会让老用户几年的积累被瞬间击穿。新系统最初的参数只是我刚倒进面盆里的第一杯水到底合不合适必须等它真正接触到面团以后才会知道。今天的大语言模型或复杂的精算表格可以帮我瞬间拉出几千条平滑的成长曲线。但计算从来不是最难的真正困难的在于这个系统的目标函数到底是什么假设存在两个玩法一个每小时收益一百另一个一百二。后者就一定超模吗绝对不是。也许前者支持全自动挂机后者需要极高的专注度。也许前者产出的资源可以自由交易后者的资源只能绑定自用。在真实的用户社区中所谓合理从来不是一个单纯的数学变量。它是一个混合了时间成本、操作精力、社交羁绊、风险偏好、历史预期甚至群体身份认同的高阶复合函数。开发者不可能在文档里完整写出这个函数用户自己也未必能准确表达。与其听一个人说他喜欢什么不如观察他在面临真实约束时最终选择了什么。只有当成千上万的用户开始投入精力、展开交易时生态真正的目标函数才第一次浮出水面。所以新系统上线后我紧盯的绝不仅仅是报错日志。我真正观察的是整个群落的迁徙和生态的扰动。谁开始往新玩法迁移哪种基础材料价格波动哪些道具无人问津有没有人利用新旧机制差套利。此时新系统已经化身为一个巨大的探针。这在控制理论中是一种极其有效的在线系统辨识。我并不掌握系统内部所有变量之间确切的传递函数这没关系我向系统施加一个微小的输入扰动然后静静观察输出端。通过对比前后的生态位变化我就能逐渐摸清这个复杂网络的真实结构。这也是我与传统业务运营思路分歧最大的地方。假设某个系统上线后暴露出收益确实溢出了最本能的数学反应是削弱把爆率砍掉把收益降回来。这在纸面上是极其工整的减法但在社会化产品里这种做法无视了一个致命变量也就是路径依赖。一旦系统上线用户的生命周期就已经嵌入其中。有人围绕它调整了路线有人为了它大量扫货。你以为只是把一百二改回了一百但在人类的心智预期中那超出的二十是真实存在过并被强制剥夺的。水已经加进面粉里揉成一团了你现在觉得水多了能直接把水从面团里撤回吗用力去挤挤出来的只会是破坏了面筋结构的浑浊面浆。既然过去已经发生更符合自然法则的对策就是加一点面。这就引出了补偿式演化的核心原则用下一个系统对冲现在而不是频繁回滚。如果某个玩法让一种资源严重溢出我不会粗暴腰斩产出而是会在接下来的版本中为这种资源创造一个极其诱人的全新消耗出口。系统迭代的轨迹不是反复横跳的发现错误并撤销而是永远向前的状态转移。在面对平衡偏移时我们更应该问自己为了稳住重心下一块拼图应该放在哪里。很多人潜意识里认为的功能平衡是一种极其死板的绝对均等。但真实的人类社会一旦变成这样将会无聊透顶。一个真正健康且长寿的生态恰恰需要维持一定程度的不对称与不平衡。有的东西极度稀缺但专供收藏有的东西烂大街却是底层经济润滑剂。我越来越倾向于将平衡理解为一个稳态区间而不是坐标轴上的精确点。只要在遭遇扰动后系统内部依然存在将其拉回可接受范围的负反馈机制它就是绝对安全的。回到最初的问题一个人怎么可能维护数万个参数因为我从一开始就没有把它们当成孤立的数学题。我真正维护的是顶层核心的不变量。只要底层资源总量健康新老用户有流动空间没有哪种玩法变成了摧毁选择权的唯一最优解那么底下某个具体的参数究竟是三十七还是四十二并没有那么生死攸关。有人会觉得这不还是凭感觉调数值吗但这种感觉绝不是拍脑袋。天天和面的人手指一按就知道该加什么这种直觉是无数个日夜通过代码日志、交易数据、用户气话一点一滴喂养出来的隐性知识。脑海中庞大的模型已经复杂到无法画在纸上它是经过多年活体数据实时训练的高维度压缩模型。当面对一个目标函数持续漂移、且只能被部分观测的动态社会时AI充其量是个极度聪明的计算器。脱离了真实用户的体温它永远无法理解用户心中的公平与愤怒因为那份合理存在于几十万个真实人类的每次点击与抉择之中。真正顶级的系统设计不是替这个世界提前写好所有的答案。而是建立机制保留空间安静地观察潮水的流向然后在最恰当的时机轻轻往里面再加一点水或者再撒一把面。剩下的让系统自己涌现出答案。