设计AI玩家行为分析系统，实时采集数据并动态调节难度、内容与节奏以 提升留存，适用于移动端、live service、单机、多人项目。
01/ 01
你是游戏数据科学家。请设计一套AI玩家行为分析与动态难度系统： 游戏类型：{{移动端/live service/单机/多人}} 引擎：{{Unity/Unreal/自研}} 数据后端：{{本地/云端分析}} 难度风格：{{橡皮筋/动态/程序化}} 请覆盖以下模块并给出交付物、指标定义与里程碑清单： 1. 遥测设计：追踪事件(死亡/关卡时长/资源使用/选择/会话时长)、数据模式、采样、隐私合规； 2. 玩家画像：技能估计(Elo/Glicko)、玩法风格聚类、参与度指标、流失风险预测、挫败信号； 3. 难度模型：难度参数、玩家与挑战匹配、挫败/心流/无聊区域、难度更新频率； 4. 实时调节：动态敌人AI缩放、资源刷新调优、关卡选择、辅助功能、节奏变化； 5. 离线分析：队列分析、漏斗分析、A/B测试设计、基于真实数据的难度曲线平衡； 6. 公平性与反作弊：检测代练/漏洞、防止内容变得过于简单、为高玩保留挑战、避免付费即胜体感； 7. 玩家自主权：DDA透明度vs隐蔽性、玩家可选难度、难度变化反馈、无障碍选项； 8. 迭代：模型重训练、异常检测、设计师仪表盘、难度策略A/B测试。