多人混战中的武器类型区分，避免同质化。

结论：三轴拆法是对的，但我会再加一条轴——「开火前的准备成本」（抬枪、开镜、换弹、切枪时间）。很多看起来不同的枪，其实是在这条轴上被拉平了。

几个具体建议：

1. TTK 那 15% 的经验值，建议用「有效 TTK」而不是理论 TTK 来算，有效 TTK ≈ 理论 TTK ÷ 该距离段命中率。你举的步枪 A 和精确步枪 B 理论都是 300ms，但如果 A 在 25 米腰射命中率只有 55%、B 开镜能到 80%，实际击杀耗时差已经超过 15%，这时射程差就不必硬拉到 8 米。换句话说，8 米是「命中率曲线接近」时的兜底规则，不是铁门槛。

2. 60% 出场率这个硬指标，统计方式要收紧：分地图、分交战距离段、分水平段看。一把枪全局 55% 但高分段 75%，问题比全局 62% 且各段均匀分布的枪更大，后者可能只是便宜、解锁门槛低。

3. 独有机制的自检，再加一个更狠的问法：「把这把枪从游戏里删掉，玩家会损失什么？」答不上来就是填充物。另外轻机枪那种「持续压制 8 秒」其实更接近资源型机制（弹匣 + 换弹窗口的组合），也归得进去。

4. 你最后一段被截断了——射速 300 RPM 打偏一发损失约 200 毫秒，等于白送对面半个击杀窗口，这半句恰恰是容错率这条轴最直观的落点，建议补完，别浪费。

延伸一点：如果你们做的是有配件系统的游戏，差异化很容易被配件抹平——所有枪都能靠配件把短板补上，最后又回到同一把。这时候更该锁的是「不可配件化的属性」，比如扩散曲线和开镜移速惩罚。

四条我基本都收，但第 1 条和第 4 条其实是同一件事的两面：命中率本就是容错率这条轴在距离上的投影，你把最后半句补完，正好把两条轴接上了。

用有效 TTK 替代理论 TTK 我同意，但有个坑要说清楚：命中率得按「该距离段 × 该水平段」取，拿全局命中率去除会同时低估高分段和腰射的差距。更要紧的是分布而不是均值——霰弹枪 10 米内是双峰，要么 150ms 全中、要么 600ms 全空，均值 300ms 听着和步枪 A 一样，实际可靠性差得远。建议有效 TTK 用中位数和 80 分位两个数一起看，均值会骗人。

60% 那条我补两点：一是加时间维度，新枪上线头两周出场率天然虚高，别拿这段数据下结论；二是按解锁成本分层，你说的「便宜、门槛低」这种枪应该和同价位武器比，否则结论会变成「把这把枪涨价」而不是「重做它」。「删掉会损失什么」这个问法比我的自检狠，我认。

配件那段是全场最关键的：锁「不可配件化属性」等于承认配件系统本身就是差异化的敌人。比较稳的做法是让配件只做轴内微调、不许跨轴迁移——TTK 可以动 5%，但 25 米的枪绝不允许被配件做成 45 米的枪，射程类配件必须设硬上限。

顺带把你截断的那半句补上：300 RPM 打偏一发约损失 200 毫秒，等于白送对面半个击杀窗口，这句建议直接写进策划文档当容错率轴的定义句。

结论：中位数 + 80 分位这个改法我采纳，但建议再加一步“双峰判定”，否则分位数救不了均值陷阱的同类问题，只是换了个骗人的数字。

具体怎么落地：每个距离段先算“击杀所需开火次数”的分布，看分布形状再决定用哪套指标。霰弹、腰射这类双峰枪，就该用中位数 + 80 分位；步枪、开镜精确射手这种命中曲线平滑的单峰枪，均值和中位数本来就接近，用均值 + 标准差反而更好读，别一视同仁地堆指标，否则策划看报表会先懵。真要把这事做干净，直接把命中率曲线、射速、弹匣容量做成参数跑蒙特卡洛，一万次交火输出 TTK 分布直方图，双峰一眼就能看出来，而且改完数据能直接重跑回归，比人工估算靠谱。

60% 那条的分层，要防样本量坑：高分段样本天然少，比例和分位的置信区间会很宽，建议连续两个版本周期都超标再动手。另外可以换个更稳的切法：“选择率 × 胜率”二维定位——高选择、低胜率是易用但弱，该重做手感而不是削数值；低选择、高胜率是被低估，该降门槛或加强引导。这比单纯看出场率更能指出该改什么。

配件“不许跨轴迁移”我再补一条执行细则：让配件走总量守恒，加射程必须付出 TTK 或开镜移速，同时射程加成按“有效射程百分比”设硬顶（比如 ±10%），别按绝对米数给，否则 45 米的枪拿到的绝对加成天然比 25 米的枪多，差距只会越拉越开。最后提醒一句：这几条指标得进版本回归清单，每次改武器数据都跑一遍，不然过两个版本就没人记得当初为什么这么配了。

结论：双峰判定和蒙特卡洛这两条我接受，但里面有几处得再修，不然这套流程跑起来会“数字对了、结论错了”。

先说“单峰就用均值+标准差”。TTK 分布永远不会是真的单峰对称：理论 TTK 就是硬下界，分布必然右偏。所以稳妥做法是先看偏度：偏度绝对值在 0.5 以内，才退回均值；超出就一律用中位数。标准差在右偏分布下会系统性高估波动，拿它当容错率指标会骗自己。

蒙特卡洛关键在输入参数从哪来，不在跑多少次。命中率曲线如果还是拍脑袋定的，一万次仿真只把假设放大一万倍。建议命中率从真实对局日志按“距离段 × 水平段”分桶回归，仿真只负责组合。随机种子要固定，回归时看直方图位移，不看均值变化；否则改射速和改扩散的影响在均值上可能互相抵消，报表看着“没变化”。混战场景还得单跑一支“被第三方打断 / 2v1”的分支，单挑分布结论不能直接套。

“两个版本周期”作为样本量兜底我同意，但要排除“设计意图就是小众”的枪，功能位天然低选择率，触发条件加一条“是否存在明确替代者”，否则反复重做。选择率 × 胜率二维建议再加一维“上场时长占比”，支援枪胜率天然吃亏。

配件守恒与其分别给射程和移速设顶，不如直接锁不变量：有效射程 × 开镜移速乘积不变，配件只能在这条等值线上滑动，比 ±10% 更彻底。

最后一句：回归清单建议做成 CI 门禁，别做人工清单；武器数据表一改自动跑并 diff 直方图，超阈值直接 block；每条武器在设计表里写一行“设计意图”，不然跑出一堆超标数据，没人知道该盯哪个指标。

结论：偏度那条得再修一层——偏度对双峰几乎不敏感，拿它当“单峰/双峰”的判据，会把双峰样本悄悄混进单峰的池子里，比原来只看均值更隐蔽。

偏度是三阶矩，两个对称峰或者一高一低的双峰，偏度很容易接近 0。所以正确的顺序是先定形状再定指标：用 Hartigan dip test 或核密度峰数判定形状，形状判完再看偏度决定中心量。另外，「理论 TTK 是硬下界、分布必然右偏」这个判断我完全同意，正因如此均值在任何武器上都别用；与其纠结中位数，不如直接报「达成理论 TTK 的交火占比」，比如 10 分位处的有效 TTK，这个数跟玩家体感对得最齐。

日志回归那块有个内生性问题要提前说：命中率受玩家自主选择影响，人只在有把握时开枪、只在有利距离接战。如果拿「命中发生时的距离」分桶，就会把「玩家打得聪明」读成「这把枪精度高」。分桶键应该用交火开始时的双方距离，而且「开了枪没打中就撤」和「没开枪就撤」都要进分母，否则命中率系统性偏高，仿真出来的分布整体左移。

CI 门禁我赞成做成自动的，但 diff 直方图要先锁死分箱边界和随机种子，不然分箱漂移会天天报警。比逐 bin 对比稳的做法是算两个分布的距离（KS 或 Wasserstein），阈值定在距离上，不要定在单个 bin 的计数上。

配件「乘积不变」当主约束可以，但量纲是米 × m/s，双曲线在低射程端会让移速加成暴涨，建议再补一层每项 ±15% 的硬夹逼。

最后补一句：「设计意图」那行要写成可证伪的断言，比如「该枪 0–10 米 TTK 中位数应排全场前二」，写成「近战枪」这种描述，永远不会被数据打脸，等于没写。

结论：偏度当形状判据确实站不住，dip test 的顺序我认，但 dip test 本身也有坑——得连 dip statistic 的大小一起看，只看 p 值等于换个方式骗自己。

dip test 在样本量上去以后极其敏感，几千次交火基本必拒原假设，会把肉眼看不出的双峰也判成双峰。稳妥做法是设一个最小效应门槛（比如 dip statistic 超过 0.05 才算真双峰），同时规定每桶样本少于 200 次交火只标“样本不足”、不参与形状判定。再用 KDE 的谷深做交叉验证——两峰之间的极小值相对较低峰的高度比，这个量比峰数稳，也比 p 值好解释。

“达成理论 TTK 的交火占比”方向我赞成，比中位数更贴体感，但分母要先统一：TTK 如果不含开镜时长和首发延迟，穿透类、开镜类武器的达成率会天然虚高。建议把理论 TTK 定义成含 ADS 与首发延迟的完整击杀耗时，否则跨枪比较不成立；10 分位在小样本上抖得厉害，报的时候带 bootstrap 置信带。

内生性那段你说得对，分桶用交火开始距离我同意。但更彻底的是同一玩家跨武器对照——把技术水平和选择倾向一起消掉，剩下的差值才是武器属性贡献的，这比倾向得分好落地也好解释。CI 门禁我建议 Wasserstein 做主指标，它有毫秒量纲、阈值直接写成“中位 TTK 位移超过 X 毫秒告警”，KS 只当形状变化的辅助报警；两者都受样本容量影响，回归要 bootstrap 固定样本数，不然 p 值跟着样本量漂。

最后提醒一个自洽问题：乘积不变加 ±15% 硬夹逼在边界上会打架，碰到夹逼时乘积必然变。得先定优先级——硬夹逼优先，乘积约束降为软约束（罚函数），或者干脆把等值线改成加权二次型椭圆，数学上才不冲突。设计意图那行除了可证伪，还要写清“证伪后改数值还是改意图”，并且必须在改数据之前入库锁版本，跑完不许回头改断言。

结论：dip 那个 0.05 门槛建议改成每桶内 bootstrap 校准，写死的固定阈值跨武器、跨版本根本不可比。

dip statistic 的分布跟样本量、数据离散度都强相关，TTK 还是毫秒级的量化值，写死 0.05 等于又回到“凭经验挑一个数”。稳妥做法是在每个距离桶里用置换或 bootstrap 造零分布，取 95 分位当门槛，武器之间各自校准，样本不足按你说的标“样本不足”不参与判定。KDE 谷深做交叉验证我赞成，但带宽必须固定并写进回归清单，带宽一变谷深跟着变，又是一条会自己漂的指标。

TTK 含 ADS 与首发延迟这点我完全同意，建议直接落成两个字段：理论 TTK(含 ADS + 首发延迟) 和达成率，别再共用一个“TTK”词，否则过两个月一定有人拿口径不同的数对比。同玩家跨武器对照要注意学习曲线，得剔掉每把枪首次上手的前 N 场，不然新枪的数据会被生疏期系统性拉低。

Wasserstein 主指标 + 固定样本数我认，补一条：bootstrap 要按“距离段 × 水平段”分层重采样，保持样本构成不变，不然构成漂移会被读成分布位移，告警全是假的。

乘积约束和硬夹逼打架那条，我更倾向直接换成加权二次型椭圆，别用罚函数——软约束最后大家还是贴边界走，等于没约束。设计意图入库锁版本、写清“证伪后改数值还是改意图”这条最该写进流程，改断言就走需求变更，不走数值调整。

最后提醒个坑：这些指标一旦进了自动门禁，阈值本身也要版本化，否则半年后没人知道 0.05、X 毫秒这些数是哪次回归定的。

结论：这几条我基本都认，但 bootstrap 校准那条有个方向性错误——dip 统计量不能拿置换造零分布，置换完 dip 值一次都不会变。

原因很直接：dip statistic 只依赖经验分布函数，跟样本顺序无关，把样本打乱得到的还是同一组排序值，dip 恒等。

你说得对，置换这条路在 dip 上完全无效，但「按桶校准」本身还能救，问题出在采样源，而不是 bootstrap 这个工具。

dip statistic 只是经验分布函数（EDF）的函数，跟样本顺序无关，置换后样本集完全不变，每次重算都返回同一个值，零分布直接退化成一个点，95 分位等于原统计量本身，门槛形同虚设。但换成非参数 bootstrap 重采样也一样不行：重采样保留了双峰结构，得到的分布中心就在原 dip 附近，拿它当「单峰原假设下的零分布」照样是错的，p 值会系统性偏高，双峰反而更容易漏判。

能用的只有「从原假设生成数据」这一种：沿 Hartigan 原始思路，取最不利的单峰分布（uniform）或拟合好的单峰密度，按桶内实际样本量 n 生成样本、重算 dip，取 95 分位当门槛，做成 n 查表。如果你只是想估 dip 的抽样波动，例如给结论挂置信带，无约束 bootstrap 是合法的，但它是估计量分布，不是零分布，两种用途千万别混着用。

还有一个前面几位都没提的坑：TTK 是毫秒整数，同值重复极多，而 dip 对离散化和结结构非常敏感，模拟时必须复制同样的取整粒度和重复值比例，否则算出来的门槛和线上数据对不上，又变成一条自己会漂的阈值。既然最后都要按桶查表，干脆离线把「n × 离散度」的格子跑完入库，线上只查表不模拟，也省得每次回归重跑一遍开销。

结论：三条路的划分完全正确——置换在 dip 上无效、无约束 bootstrap 是估计量分布而非零分布、只有“从原假设生成数据”才是合法零分布，这套我照单全收；再补一条代价和一条流程坑。

用 uniform 生成零分布偏保守——Hartigan 那张临界值表本身就是 uniform 下的，好处是不需要假设单峰形状、可复现，坏处是功效下降，中等程度的双峰容易漏判。想要功效就得两档并行：主判定用 uniform 查表，敏感性分析再用拟合的单峰密度（比如单峰 KDE 采样）对照跑一遍，两个结论打架就把该桶标“形状存疑”，不硬下判定。注意拟合这一步不能看双峰信息，否则就是拿数据证数据。

结结构那个提醒很关键。补一点：把取整规则当成模拟参数固定下来（连续 TTK 按线上同一粒度离散化），结结构自然接近，不用刻意复现重复值比例；另外 dip 计算库对 ties 的处理必须锁版本，换实现等于换指标。离线跑表我赞成，但表键要带全：距离段 × n × 离散粒度 × 实现版本，查表时 n 落在两格之间向上取，别插值。

流程上两个坑：一是分桶后属于多假设检验，桶一多拒真率累加，要么 BH 校正，要么只在主力交战距离那一两个桶做形状判定、其余桶只报描述统计；二是桶内 n 每版本都在变，门槛不能写成常量配置，得落成“查表函数 + 表版本号”。真要说延伸，就把这张表当成平衡版本的资产来管，改数值前先确认表是最新的，比半年后回头追门槛来源省事得多。

结论：两档并行这个思路我认，但建议别再停在“打架就标形状存疑”，把它落成一张三态判定表和工作清单，否则“存疑”最后一定变成默认放行的垃圾桶。

具体判定上我会写成：uniform 拒绝、参数化单峰也拒绝 → 判双峰；两者都不拒绝 → 判单峰；uniform 拒绝而拟合不拒绝 → 形状存疑，该桶只出描述统计。反过来 uniform 不拒绝、拟合拒绝，基本只会是拟合吃进了多峰信息，这时直接判拟合失效，别采信。

拟合那步我建议不用 KDE，改用 gamma / lognormal / weibull 这类参数化族拟合单峰密度再采样：参数化本身带平滑约束，双峰很难被吸收进参数里，比 KDE 抗“拿数据证数据”，也顺带解决了带宽该固定成多少的问题。KDE 只放敏感性分析里对照，能复现、能写进回归清单，跟你说的带宽入清单是一个道理。

多重检验上再补一句：桶之间并不独立，相邻桶样本高度重叠、同一把枪跨桶也相关，BH 的独立/PRDS 前提站不太住，我一般直接上 BY，或者按武器为族做层级校正。另外门槛在 n 上向上取整会让门槛变小、更容易拒单峰，这个保守方向和 BH 是同向叠加的，两个一起上容易把真双峰判成单峰，清单里最好记一笔叠加后的近似拒真率，别默认它们互不影响。

表版本化我完全赞成，再加一条：版本号不光进查表函数，也要进指标快照和回归报告的元数据里，任何跨版本对比先对齐表版本再比，否则又绕回前面“口径不同的数拿来比”那个老问题。

最后那个坑：离散化代码本身也得跟 dip 库一样锁版本，取整实现一换，表键里的“粒”就对不上，整张表直接失效。

三态表我赞成，但「n 向上取整」和 BH 不是同向叠加，而是反向的，这条得改。

dip 的临界值随 n 增大单调下降（这类 EDF 统计量大致按 1/√n 收缩），n 向上取整等于拿更大 n 的临界值，门槛变小、更容易拒绝单峰，这是偏宽松的方向；BH/BY 是把 α 压小、更难拒绝。两者会互相抵消一部分，所以清单里不该记「叠加后的近似拒真率」，而应分别记两个方向的偏移量，并标出哪一格的净效果不确定。真要保守，n 该向下取整（用更小 n 的临界值），或者两端都算、报区间，别只取一端还当成保守方向。

其余几条我基本照单收，补几处：

参数化族替代 KDE 我同意，但「拟合不拒绝」只能写成「未拒绝」，不能写「判单峰」——weibull 形状参数大时尾部被压平，真实的多峰尾巴会被参数吸收掉，漏判方向和功效不足正好重合。建议给那一格加个 n 下限（比如桶内 n < 200 时，任何不拒绝都不作为单峰结论），否则小桶会被自动判成单峰。

选族本身也是自由度，建议预注册：主族固定 lognormal，gamma / weibull 只作敏感性对照，不要按 AIC 事后择优——挑到最贴合数据的那一族，等于把拟合又变回「拿数据证数据」。

离散化锁版本之外再加个指纹：表键里直接存桶内唯一值个数，比存「粒度参数」更抗实现漂移，粒度参数没变而取整实现换了的情况它也能抓到。