玩策略游戏就像解一道谜题。谜题一旦被解开，就不值得再研究；谜题越难被解开，就越值得研究。策略游戏也是如此：游戏一旦被解开，就不值得重玩；游戏越难被解开，就越值得重玩。

容易被解开的策略游戏是不值得重玩的，比如井字棋。井字棋是没有深度的游戏，在 3×3 棋盘上，聪明的玩家很快就会发现游戏在双方下法都无误时会平局。当玩家发现这一点时，他就解出了井字棋的“答案”，在游戏开始前就能看到结局，所以不会产生下棋的兴趣，就像没人有兴趣解一道谜底已知的谜题。

难以被解开的策略游戏是值得重玩的，比如围棋。围棋是有深度的游戏，在 19×19 的棋盘上，即使是超级计算机也解不出绝对正确的下法。由于没人知道围棋的“答案”，人们永远可以研究围棋、提升棋技、让自己更接近“答案”；正因如此，围棋极为耐玩，上千年来人们对其代代相承的研究就说明了这一点。

我们都希望自己的游戏像围棋一样经久不衰。要实现这一点，就不能让游戏的“答案”被玩家掌握。在讨论如何避免这种情况之前，我们先聊聊策略游戏的类型。

在所有策略游戏中，玩家要做的都是在给定信息和目标的情况下，采用最大化自身收益的策略。约翰·福布斯·纳什证明，所有有限博弈（绝大多数游戏都是或可近似看成是有限博弈，即玩家的数量和纯策略都是有限的，本文只讨论这类游戏）都至少存在一个纳什均衡。在这种均衡状态下，没人可以通过改变自身策略而获得更高收益。纳什均衡可以分为两类：纯策略纳什均衡和混合策略纳什均衡。在我看来，这两类均衡对应策略游戏的两种终局形态：记忆游戏和猜疑游戏，前者比谁记得多，后者比谁猜得准。几乎所有策略游戏最终都会变成这两种游戏，然后不可避免地变得无聊。

记忆游戏

先说记忆游戏，这种游戏最终会达到纯策略纳什均衡。

策梅洛定理指出：在有限的、双方依次行动且都掌握完美信息的、没有运气因素的零和游戏中，至少一位玩家拥有保证自己不会输的纯策略。很多我们熟悉的棋类游戏，比如井字棋、围棋、象棋、跳棋、黑白棋、五子棋，都符合策梅洛定理的条件；它们在理论上都是可解的，即玩家若均采用最优（纯）策略——双方达到纯策略纳什均衡——游戏的结局（胜/负/平）可以被预测。而当玩家在游戏开始前就能预测到结局时，游戏就被解开了，不值得重玩了。

当然，符合策梅洛定理条件的完美信息游戏只是在理论上是可解的。这些游戏只要足够复杂，比如围棋（据说其局面总数远超可观测宇宙中的原子总数），它们实际上对于人类来说不可解，因为脑力有限的人类不可能完全掌握它们。由于极为难解，这些游戏有着极高的耐玩性，但这不代表它们一直具有较高的可玩性。

这些游戏的问题在于，它们的玩法会逐渐因为“正确答案”而变得公式化和无聊。例如象棋，刚开始琢磨着玩很有意思，但是随着越玩越多，追求胜利的玩家必然会去背棋谱；因为象棋（特别是其开局）已经被研究透彻，玩家可以前几十手都按定式走，否则就容易陷入劣势并失败。而当双方都按照定式下棋时，游戏就会变得像看过的剧本一样可预测和无聊。

围棋也不例外。在 AI 极大帮助人类理解围棋之前，顶级棋手有着迥异的棋风，每盘棋都因为棋手棋风的不同而难以预料和精彩；而在 AI 之后，棋风不再迥异，棋手们为了胜利争相模仿 AI 下棋，人们甚至开始用“AI 吻合率”为指标来进行围棋训练。在 AI 的加持下，人们虽然加深了对围棋的理解，但是也因此减缓甚至停止了对围棋的探索——毕竟下棋的“正确答案”已经存在，只需要记住并照做就可以了。

到了这个地步，记忆对于下棋的重要性就被过分拔高了——谁能记住更多定式，谁就更有可能获胜。游戏的状态空间越小，这点就越是明显。例如，一个水平较低的象棋手是可以靠背棋谱——而不是棋力——获得巨大前期优势并战胜专业棋手的，而专业棋手如果想靠自身棋力而非死板的走谱取胜，只能靠非常规的散手棋将对方拖入棋谱外的陌生局面进行搏杀，而这是比较冒险的。当这些专业棋手想赢同水平或更强的对手时，他们就不能冒险了，他们也得下棋谱。

所有存在纯策略纳什均衡的游戏，最终都会变得强调记忆。在这些游戏的终局（已解）阶段，玩家的决策不再重要——玩家甚至不需要动脑思考决策，他只需要记住并执行纯策略就能获得最好的结果。玩好这种游戏需要记大量东西，而这是枯燥无聊的。诚然，有人喜欢记东西，世界上还有背圆周率的比赛，但是这种爱好非常小众。一款游戏如果太强调记忆，它对大多数人来说是不好玩的。

当然，游戏只要足够复杂，纯比记忆的情况就不会发生。围棋也不是光靠背棋谱就能赢，毕竟人不可能记住全部棋局，而那些记不住的地方（比如中后盘），就需要比游戏理解了。不过，这并不能阻挡围棋因为玩法的公式化而变得无聊。看看现在的围棋选手吧，他们都在模仿 AI 下棋——游戏不再像两个人对弈，而是像两本相同的棋谱对答案，这是很没劲的。

记忆游戏——存在纯策略纳什均衡的游戏——的问题在于，它们即使难解和耐玩，最终也会因为玩法的公式化而变得不好玩。

猜疑游戏

再说说猜疑游戏，这种游戏最终会达到混合策略纳什均衡。

猜疑游戏通常是不完美信息游戏。玩家在行动时有一部分信息是不知道的，所以他需要猜那部分信息，比如别人手里有什么牌、草丛里有没有埋伏等等。这类游戏不符合策梅洛定理的条件，所以它们的结局在玩家都采用最优策略时不是可预测的，比如剪刀石头布，如果玩家都以三分之一的概率随机出三个选项，那么没人能预测谁输谁赢。（注：本文认为剪刀石头布这种玩家同时行动的游戏是不完美信息游戏，因为玩家掌握着对别人隐藏的信息，并且必须在不知道别人隐藏信息的情况下行动，这与存在隐藏信息的游戏是类似的。）

结局的不可预测性的确让猜疑游戏在重玩性上比记忆游戏更胜一筹，但是，由于同样存在最优策略，猜疑游戏也存在与记忆游戏类似的问题。

首先，猜疑游戏也需要背东西。猜疑游戏的最优策略——混合策略——需要玩家以特定的概率在不同的纯策略之间随机选择。纯策略和概率都是玩家需要记忆的东西，比如德州扑克的玩家要记住各位置的起手牌范围、各种牌面的下注频率等等，这和背棋谱一样枯燥。

其次，猜疑游戏也存在玩法公式化的问题。最优策略会统一玩家的理解和打法，继而让游戏变得同质化和无聊。例如德州扑克，玩家的打法在过去迥然不同，但是在 solver 类软件出现后高度趋同，这和围棋在 KataGo 等 AI 引擎出现后的情况如出一辙。

不过，即便如此，猜疑游戏在终局阶段仍具有一定可玩性，这是因为猜疑游戏的混合策略比记忆游戏的纯策略更难执行，而这可以赋予游戏技巧性和可玩性。

纯策略是容易执行的，玩家只需要照着一张“如果—那么”的说明书按条件触发回应就可以了，比如对手在这里下，我就在那里下。混合策略比纯策略复杂，它除了要玩家知道纯策略，还要玩家以特定概率随机选择纯策略，而这执行起来是有难度的，因为人很难不带偏差地随机化自己的选择。

例如剪刀石头布，很多人都知道最优策略是以三分之一的概率随机出三个选项，但是执行起来却总是会陷入某种“不够随机”的倾向。浙江大学的一项大规模研究显示，在下一回合，胜者更有可能保持相同选项，败者更有可能变换选项——参与者的行为并不是完全随机的，而是受到了过往结果的影响。

人类这种“不够随机”的天性可以引出两项竞技：第一，玩家可以比“谁更随机”；第二，玩家可以比谁更能识别并剥削别人“不够随机”的倾向。谁把这两点做得更好，谁就更难被预测和剥削，更能预测和剥削别人，最终在多轮博弈中胜出。例如在剪刀石头布中，如果我发现你出布赢后喜欢继续出布，我在下一回合就可以多出剪刀，这样我的胜率就会更高；如果我非常善于发现并剥削你“不够随机”的倾向，那么只要玩得够多，我最终就会赢你更多场次。

正是人类这种“不够随机”的天性，赋予了猜疑游戏在终局阶段技巧性和可玩性。如果玩家真能完美执行混合策略，那么他们在公平的游戏中是难分胜负的，一个人如果完全随机地以三分之一的概率出剪刀、石头、布，那么他即使面对一个只会出石头的傻子，最终也只能平局（双方的胜负平比例接近 1:1:1）。

补充说明一点：猜疑游戏的最优策略，指的并不是让玩家赢得最多的策略，而是让玩家输得最少的策略。如果玩家想赢，他就要采用剥削策略，去剥削别人某种偏离最优策略的倾向。

还是以剪刀石头布为例。如果玩家不想输，他就该采用最优策略；而如果他想赢，他就该采用剥削策略，比如 A 发现 B 有 1/2 的概率出剪刀——这是偏离最优策略（1/3）的——A 就可以多出石头，但是当 A 这样做时，他自己也会变得可被剥削，B 可以多出布剥削他。

我们不妨把猜疑游戏中的最优策略和剥削策略理解成盾和矛，前者是低风险低收益的防御性策略，后者是高风险高收益的进攻性策略。要玩好猜疑游戏，玩家就要熟练掌握并切换这两种策略。比如在德州扑克中，高手会先采用 GTO（Game Theory Optimal，正如其名，这是德州扑克的博弈论最优策略）观察其他玩家的打法，然后伺机剥削别人的某种偏离 GTO 的倾向。在高水平比赛中，选手们会不断变换打法，通常最精于此道的人会胜出。

这可以解释为什么猜疑游戏比记忆游戏更不容易让人感到无聊。观察一下猜疑游戏和记忆游戏的最简单形式，剪刀石头布和井字棋，就会发现前者更有意思一点（前者有比赛，后者没有，不是吗？）。记忆游戏是有终点的，玩家一旦解出答案（最优策略），游戏就会像已解的谜题一样结束；而猜疑游戏没有终点，玩家即使知道答案，也不知道别人在想什么——这种心理博弈，加上执行混合策略所需的技巧性，保证了猜疑游戏在终局阶段仍具有一定可玩性。

我们放大一下视角，就会发现这种对比不只存在于策略游戏，而是存在于很多游戏中需要玩家动脑的地方。实际上，很多游戏在策略玩法层面，都是由各种记忆游戏与猜疑游戏组合而成的，也就是说游戏中某些层面存在最优的纯策略和混合策略：比如 FTG，最优连段和角色克制是记忆游戏，攻防投和正逆择是猜疑游戏；比如 MOBA，点天赋和出装备是记忆游戏，预判和走位是猜疑游戏；比如 FPS，背地图点位是记忆游戏，打 A 还是打 B 是猜疑游戏……通常来说，玩家用不了多久就会在网上讨论出前者的最优解，然后觉得游戏的 meta 固定无聊，而后者自游戏诞生起就不曾变化，但是却能让人乐此不疲。（注：后者并非全无依据地盲猜，而是有一定猜的成分。双方实力越悬殊，猜的成分越小（强者能看穿弱者）；双方实力越接近和越顶尖，猜的成分越大（强者难看穿强者，因为他们懂得让自己难以被预测））

记忆游戏的问题在于在今天太易解了，连围棋都难逃算法，更别说其他游戏了。策略游戏的很大一部分乐趣，在于不断发现更好策略的过程。在这个过程中，玩家们采取不同的策略检验自己，发现自己的错误，从别人的策略中取长补短，不断完善自己的游戏理解，这个过程可以持续一辈子甚至几代人。可是在今天，AI 极大缩短了这一过程，它用绝对实力告诉你正确答案，你不再需要琢磨答案，只需要照抄答案。到了这个地步，策略游戏就失去了过程乐趣，它不再是一门值得研究的学科，而是一场已经公布答案的考试，玩家们比的不再是谁把问题解决得更好，而是谁把答案抄错得更少。

当然，记忆游戏并非穷途末路，毕竟游戏只要足够复杂，上面的情况就不会发生。那么，增加游戏的复杂度去避免玩法的公式化可行吗？我认为效果有限。因为游戏是给脑力有限的人类玩的，把游戏的复杂度增加到超出人类理解能力的一亿倍和十亿倍没什么区别——反正人都理解不了。一味增加复杂度只会导致边际效用迅速递减，而且还可能降低游戏的策略性——当游戏复杂到让人思考不过来时（试想把黑白棋的棋盘扩大十倍），玩家在决策时就只能蒙一个选择了，这样做决策和抛硬币没什么区别。

比较可行的避免玩法公式化的方式是更新游戏，比如 TCG 会加入新卡牌、MOBA 会加入新角色、自走棋会更替赛季——游戏机制在变化，玩法自然不会固定。还有一些游戏会引入随机性让每局游戏都不同，比如 Chess960，每局开始时棋子都会随机摆放，这让人没法靠背棋谱下棋。不过，这些方式都存在局限性：更新游戏的设计成本较大，因为这需要不断平衡甚至重做游戏；随机性可能会破坏公平性（比如 4X 游戏，开局刷在好位置，赢面就比别人大），且很多游戏不适合随机化。

还有一些游戏会通过操作玩法弥补策略玩法的短板。例如一些 RTS 游戏，它们的策略玩法早就已经高度公式化了——怎么开局，怎么运营，怎么变阵……玩家早已研究出最优解——但是没人能完美无误地执行这些策略，所以玩家可以比谁执行得更好，也就是比谁的手速更快。类似的还有俄罗斯方块和魔方，它们本来是益智游戏（姑且算是策略游戏吧），但是在比赛中却成了比手速的操作游戏。这些游戏的确有技巧性和可玩性，但是由于操作远比策略重要，它们已经不属于本文讨论的策略游戏的范畴了。

总结

简单总结一下本文。游戏只要是有限博弈（绝大多数游戏都是或可近似看成是有限博弈），就存在纳什均衡策略，而存在纳什均衡策略，就会逐渐因为玩法的公式化而变得无聊。这个问题在过去不明显，是因为人们对复杂游戏的理解不够深；但是在今天，借助科技的手段，人们对复杂游戏的理解越来越深、越来越快了，于是策略游戏越来越不耐玩了。每一个策略游戏都是一道题（或者说一些题），而每道题在今天都会被迅速解开，因此，比谁的答案更正确，在人手一份正确答案的今天有些行不通，除非游戏不断出新题；比较行得通的，是比谁更能执行好正确答案，而混合策略比纯策略更难执行，所以我推荐将混合策略纳什均衡确立为策略玩法的终局状态，通过执行层面的技巧性和永无止境的心理博弈维持游戏的可玩性。

参考资料：

1. Xu, B., Zhou, H.-J. & Wang, Z. (2013). Cycle frequency in standard Rock–Paper–Scissors games: Evidence from experimental economics. Physica A. https://doi.org/10.1016/j.physa.2013.06.039

2. Wang, L., Huang, W., Li, Y. et al. (2020). Multi-AI competing and winning against humans in iterated Rock–Paper–Scissors game. Scientific Reports. https://doi.org/10.1038/s41598-020-70544-7

文末推荐一下我的公众号（CIKIDA）。我是游戏设计师，目前在寻找合作伙伴（在美国最好，我现居纽约），欢迎开发者与我联系，也欢迎与我讨论关于游戏设计的问题。我的联系方式可从微信公众号后台获取。

在团队竞技游戏中，玩家的胜负由自己和队友共同决定。玩家只能控制自己，不能控制队友，而队友又会影响胜负，所以一局游戏对于玩家个人而言有一定运气成分。这部分来自队友的运气成分必须要控制好，否则容易引发玩家退游。

在团队竞技游戏中，最让人上火的事莫过于自己玩得很好，却被队友拖后腿输掉了比赛。这种情况偶尔出现还好，但如果经常出现，那就说明游戏玩法可能太过强调团队主义。这会导致玩家的单排体验很糟，难以留住与路人随机组队的大多数玩家。

很多游戏就是因为过于强调团队主义而凉凉，比如暴雪公司的《风暴英雄》（Heroes of the Storm）和《守望先锋》（Overwatch）。这两款游戏非常强调团队配合，导致玩家的胜负往往不取决于自己而取决于队友；然而，玩家只能提升自己的实力，不能提升自己排到好队友的运气，所以无论如何磨练技巧，玩家都难以上分。当玩家发现自己玩得好不如排得好时，就容易失去磨练技巧的动力、放弃爬天梯的长期目标，继而永远离开游戏。这两款游戏最终都停止了更新，糟糕的单排体验导致大量单排核心玩家流失，是它们失败的一大原因。

相比之下，强调个人英雄主义的团队竞技游戏则更容易留住玩家。作为类似的游戏，拳头公司的《英雄联盟》（League of Legends）和《无畏契约》（VALORANT）就更长青。在这两款游戏中，玩家更有可能靠个人实力拿下比赛，即使队友都是菜鸟。玩得好就能获得更多的胜利和更爽的体验，这使得玩家有动力去磨练技巧，保证了玩家的长期留存。

玩家都有一个英雄梦，想要成为全场的焦点。游戏越能满足这一点，玩起来就越爽。当你在逆风局力挽狂澜带领队友翻盘，当你面临残局承载着全队的希望天秀 ACE，自己的强大和队友的夸赞会让你感到非常满足。玩家玩游戏就是为了这个，磨练技巧也是。适当地强调个人英雄主义有助于创造这种体验。

由于在线游戏的大部分玩家都是与路人组队而不是与朋友开黑，所以必须保证玩家单打独斗也能玩得开心，而不是只有与队友默契配合才能有较好体验。这要求游戏在玩法上强调个人实力多于团队配合。竞技游戏要想长期留住玩家，就必须有足够的空间供玩家去提升技巧，并且让玩家在提升技巧的过程中感受到自己的进步——这通常通过段位的提升来实现。如果游戏太过强调团队配合、队友对胜负的影响太大，那么玩家就难以提升段位，因为队友是不可控的，而且没人能提升自己排到好队友的运气。当玩家意识到自己磨练技巧的付出难以得到相应的回报时，就容易感到挫败，并丧失长期游戏的动力。

社会文化经常提倡团队合作，很多设计师也想在游戏中提倡这点，于是他们强调团队玩法，天真地以为这会让玩家团结友爱，但实际上只会带来相互埋怨。指望隔着屏幕随机匹配到一起的路人像朋友一样默契配合显然不现实。在一个全是陌生人的游戏中，玩家不仅容易因拖累队友而受到指责，也容易因被队友拖累而指责别人；总是被骂和被坑，玩家很快就会退出游戏。

虽然“团队竞技游戏”中有“团队”二字，但是（在线）游戏的重心必须始终是“个人”。要减轻游戏的团队主义，就要减轻职能分工和平均主义。

玩家职能太过分化，是导致上文提到的《守望先锋》失败的一大原因。在这款游戏中，很多角色基本上只能做份内的事，比如天使只能辅助，半藏只能输出。每个角色都有着不可替代的独特作用，这就导致玩家们严重相互依赖：坦克不进场，C 位就没法输出；辅助不给力，坦克就扛不住伤害；C 位不会玩，坦克和辅助再强也无济于事。有时候，你玩个黑百合，如果坦克队友龟缩在后方，你就是没法输出，因为你的角色没法进场创造进攻空间——你玩得再好，也只能眼睁睁地看队友乱玩，然后输掉比赛。

这就是为什么《守望先锋》的单排体验非常坐牢，因为队伍里只要有一个坑就难赢，而其他人对此无能为力。过于彻底的职能分工导致《守望先锋》有着严重的木桶效应——胜负往往取决于最弱的玩家有多弱，而不是最强的玩家有多强，这就使表现出色的玩家经常感到挫败。

相比之下，职能分工较轻的游戏则不那么容易让玩家坐牢。比如《CS:GO》，同队玩家能买的枪械和道具都一样，这使玩家可以身兼多职、互相兜底：突破手状态不佳，自由人可以补上去；狙击手玩得不好，其他人可以起狙顶上去。每个人都是多面手，所以玩家并不十分依赖彼此；即使队友表现不佳，玩家也有希望靠自己赢下比赛。

暴雪公司显然意识到了这点，于是在《守望先锋 2》中减轻了角色的职能分工，把一些角色从单面手重做成了多面手，比如加强了堡垒的机动能力，让奥丽莎和铁拳变得攻守兼备，第九赛季更是给了所有人自愈能力以减少对辅助的依赖。这些改动都旨在淡化团队配合、强调个人发挥，把玩法重心从团队转向个人。

在现实世界中，分工灵活的游戏普遍更为流行，比如篮球就比排球流行。篮球的分工很灵活，没有限制每个位置不能做的事，所以高手可以身兼数职、凭一己之力带领菜鸟队友获胜。高手秀得了，菜鸟混得了，不同水平的人可以一起玩，这是篮球比较流行的一个原因。相比之下，排球的分工则很明确，每个人都是难以替代的单面手（垫传扣通常需要三人配合完成），这就导致一人出错全队买单，所以宁可四打六也不要多一个累赘，这就导致了排球的局限性。

在团队竞技游戏中，玩家们应该像五指，而不是五脏。五指可以互相替代，少了一两根也能用；而五脏不能互相替代，少了一个就会死。在路人局居多的在线游戏中，我们最好减轻玩家的职能分工和不可替代性，避免玩家过于依赖甚至连累彼此，这样可以保证为数最多的单排玩家的游戏体验。

要减轻团队主义，有时候仅靠减轻职能分工是不够的，因为游戏还可能存在平均主义的问题。

《风暴英雄》的失败很大程度上在于平均主义削弱了玩家的能动性。这款游戏的早期版本采用了全队共享经验的设计，也就是玩家的击杀所得会被全队平分，这就导致玩家非但不能从自己的出色表现中获得相应的奖励，还会因为队友的糟糕表现而受到不应有的惩罚，比如自己击杀对手一次，经验一平分自己没拿多少，而己方下路两人被杀，对手的经验甚至会反超自己，这就导致表现出色的玩家难以影响战局，碰到菜鸟队友玩起来非常憋屈。

相比之下，强调能者多得的《英雄联盟》充分发挥了玩家的能动性。在游戏中，玩家的击杀所得全归自己，这就使玩家即使匹配到菜鸟队友，也可以靠个人实力滚起雪球，然后以一己之力拿下比赛。《风暴英雄》后来在 2.0 版本也更新了类似设计，比如引入任务机制，允许玩家从自己的表现中获得更多收益，从而发挥更大作用。

适当地增强正反馈循环有助于减轻平均主义。在竞技游戏中，正反馈循环是指玩家目前的成功会增加未来的成功，比如 MOBA 对局中人头越多的玩家越容易拿头，《大富翁》(Monopoly）中钱多的玩家能利滚利赚更多钱，《使命召唤》（Call of Duty）中连杀多的玩家可以召唤更强力的支援。正反馈循环可以让表现出色的领先玩家扩大自己的优势，这有利于增强他们的能动性、把赢面更多握在自己手中。

不过，正反馈循环一定不能过度，因为这会使强力玩家过于重要，导致全队为其失误买单。例如《Dota》中的“三万敌法一秒躺”，占据团队大量资源的敌法被秒，再厉害的队友也没法弥补他的空缺；再比如一些围绕着球星展开战术体系的篮球队伍，很容易因为球星的意外受伤而被淘汰。某位玩家过于重要，还是会导致玩家过于依赖队友。此外，过度的正反馈循环还会导致玩家争抢第一、视队友为竞争对手的恶劣情况出现，这会破坏团队合作。

虽然本文一直在强调减少团队配合，但这不意味着要完全将其消除。团队配合是团队竞技游戏中必不可少的一环，毕竟这类游戏的乐趣除了对抗还有合作；但是，在路人局居多、大家没什么配合可言的在线游戏中，强调团队玩法往往不会激发合作乐趣，而会引发相互埋怨。在线游戏最好以“多人的单人游戏”这种思路来设计，首先确保玩家单打独斗也能玩得开心，然后再考虑团队玩法，这样可以保证游戏的体验下限不会太低。同时，个人英雄主义有助于拉高游戏的体验上限。

个人与团队的问题，本质上是一个技巧与运气的问题。玩家只能通过磨练技巧增加自己的胜算，无法通过改善（匹配队友的）运气增加自己的胜算。如果运气对胜负的影响太大，玩家就容易放弃磨练技巧——因为这对获胜没什么用。玩家一旦意识到自己玩得好不如队友排得好，就容易丧失磨练技巧的积极性、放弃攀登天梯的长期目标，这时，竞技游戏就离着失去核心玩家而凉凉不远了。

只要有队友存在，玩家的胜负就必然会受运气影响——这倒不一定是坏事。如果我们观察一下热门竞技游戏，就会发现它们中都有一些不可控的运气因素在影响胜负，比如 MOBA 和 FPS 中的队友、扑克和麻将中的随机性；而那些胜负全靠实力、不靠运气的竞技游戏，比如 FTG、RTS、围棋、象棋，则都相对冷门。这是因为：在胜负全靠自身实力的游戏中，玩家输了只能承认自己弱，没有外部因素可以甩锅和疏解负面情绪，这使得游戏难以吸引经不起挫败的大众玩家。虽然因为运气差而输掉比赛会令人愤怒，但这总比承认自己无能要容易消化得多。

竞技游戏最好有一定的运气成分，否则可能会因难以吸引大众玩家而逐渐走向没落。对于团队竞技游戏而言，队友的存在已经增加了不少运气成分，如果游戏又十分强调团队配合，那么运气成分就太大了，玩家将很难通过自身技巧取胜，这样的在线游戏难以留住热衷于磨练技巧的核心玩家。

因此，在线团队竞技游戏最好强调个人发挥、限制团队配合，这样可以减少游戏对于玩家个人而言的运气成分，维持玩家磨练技巧的长期动力，并且保证为数最多的单排玩家的游戏体验。

文末推荐一下我的公众号（CIKIDA）。我是游戏设计师，正在寻找合作伙伴（在美国最好，我现居纽约），欢迎开发者与我联系，也欢迎与我讨论关于游戏设计的问题。我的联系方式可从微信公众号后台获取。