pinball-duel/playtest-protocol.md

Playtest Protocol — Phase 2 AI Distinguishability

Цель. Закрыть Phase 2 DoD «тестер различает 4 AI-личности после 5 матчей» через blind attribution. Требуется внешний тестер (НЕ разработчик и НЕ автор AI кода).

Pass-bar: ≥ 75 % правильных attribution-ответов (≥ 15 / 20) ИЛИ ≥ 1 distinct tell per личность, названный тестером без подсказки.

---

Подготовка

Шаг	Команда / действие
Build	npm run build && npm run preview (production build на localhost:4173)
Difficulty	Medium — Easy скрывает поведение за reaction-задержкой; Hard не реализован (Phase 3)
Mode	Quick Match → выбор личности → Medium
Device	Минимум 1 desktop + 1 mobile session (mobile важно — touch zones там единственный input)
Telemetry	Mock adapter логирует trackEvent в консоль — оставить открытой DevTools для пост-анализа

---

Per-match observation rubric

После каждого матча тестер заполняет строку:

Поле	Что фиксировать	Источник
match_index	1..20	manual
setup_pattern	Какие bumper-типы AI поставил, где (углы / центр / далеко)	визуально, AI половина
reaction_distance	«early / normal / late» — насколько близко мяч долетает до AI-флипперов	субъективно
miss_rate	«низкий / средний / высокий» — как часто AI пропускает свой удар	визуально
special_behaviour	Любой характерный приём (двойной свинг, странный угол отскока, агрессивная атака центром)	free-text
final_score	Player : AI	HUD post-match
duration_sec	Длина матча	HUD timer / match_end telemetry
personality_guess	Бэтти / Турбо / Хитрый Хо / Эхо	blind по завершению ВСЕХ 20 матчей

---

Expected tells (для оценщика; тестеру НЕ показывать до конца сессии)

Личность	Tells
Defensive (Бэтти)	Setup: 2 slingshot в углах ворот + 1 турбо центр + 1 curve + 1 пусто. Поведение: реакция надёжная (reliabilityMul: 1.1, capped 1.0 = почти 100 %), чуть быстрее (reactionMul: 0.9). AI пропускает редко; матчи длиннее обычного.
Aggressive (Турбо)	Setup: 2 турбо в своей зоне (defensive trap против мяча игрока) + 1 slingshot угол + 1 curve + 1 standard. Поведение: реагирует с большего расстояния (triggerDistBonus: +80px), чаще промахивается (reliabilityMul: 0.85). Быстрые матчи; игрок, застрявший в setup Турбо, быстро отдаёт ему очки.
Trickster (Хитрый Хо)	Setup: 4 curve bumper'а (лабиринт) + 1 турбо центр. Поведение: 15 % случайный спайк jitter (×1.3) — реакция «дёргается». Непредсказуемый счёт; необычные траектории мяча.
Ghost (Эхо)	Setup: balanced (2 slingshot + 1 турбо + 1 curve + 1 standard). Поведение: 15 % «echo double-swing» — обе стороны активируются одновременно, даже если мяч идёт только в одну. Медианный счёт; характерный двойной flip.

---

Процедура

1. Randomize order. Использовать random.org pick из [defensive, aggressive, trickster, ghost], 5 раз для каждой → 20 матчей. Не группировать по личности — рассыпать. Пример последовательности: [T, D, G, A, T, A, D, G, T, A, D, G, A, T, D, G, A, D, G, T].

2. Играть в выбранном порядке. После каждого матча — заполнить строку рубрики. НЕ смотреть expected tells между матчами.

3. Blind attribution. По завершении всех 20 матчей — для каждой строки заполнить personality_guess без обращения к памяти о выборе перед матчем.

4. Score. Сравнить personality_guess с фактическим выбором. Подсчитать accuracy.

5. Subjective rating. Тестер ставит общую оценку «AI feels different» по 5-балльной шкале (≥ 4 = pass).

6. Report. Заполнить шаблон ниже, приложить к Phase 2 sign-off.

---

Failure modes & follow-ups

Результат	Что делать
Accuracy < 50 %	Модификаторы слишком слабые. Удвоить triggerDistBonus, опустить reliabilityMul ниже 0.7.
Accuracy 50-74 %	Две личности путаются между собой. Развести их setup'ом сильнее (например, поменять Defensive curve → second slingshot для большего «защитного» паттерна).
Accuracy ≥ 75 %, subjective < 4	Поведение различимо, но не интересно. Это не блокер Phase 2, но завести задачу на «character polish» в Phase 4.
Тестер жалуется «AI слишком сложный/лёгкий на Medium»	Тюнить reactionMs в src/config/defaults.ts — не personality-specific.

---

Codex automation (опционально)

codex exec потенциально может прогнать матчи через headless Phaser и replay-log; но для Phase 2 sign-off достаточно ручного playtest'а. Маппинг рубрики в telemetry events:

Поле рубрики	Telemetry source
setup_pattern (AI)	MatchResult.aiSetup.slots
reaction_distance	derivable: ball trajectory + goal_scored.ballOwnershipBeforeGoal
miss_rate	1 − (AI flipper hit count / ball-passes-through-AI-zone count) (нужен новый event flipper_hit — не в Phase 2 scope)
final_score	match_end.goalsScored / goalsAgainst
duration_sec	match_end.durationSeconds

Автоматизация — backlog Phase 5+.

---

Report template

# Playtest Report — Phase 2 AI Distinguishability

**Tester:** <имя / handle>
**Date:** <YYYY-MM-DD>
**Build:** HEAD <git-sha>
**Devices:** desktop=<browser/os>, mobile=<browser/os>

## Match log
| # | Personality (actual) | Setup observed | Reaction | Miss rate | Special | Score | Duration | Guess | Match? |
|---|---|---|---|---|---|---|---|---|---|
| 1 | trickster | 4 curve + turbo | normal | medium | hectic angles | 5:3 | 4m12s | trickster | ✅ |
| 2 | ... | | | | | | | | |

## Results
- Accuracy: __ / 20 = __ %
- Subjective rating: __ / 5
- Per-personality breakdown:
  - Defensive: __ / 5
  - Aggressive: __ / 5
  - Trickster: __ / 5
  - Ghost: __ / 5

## Free-text observations
<распознанные tells, неожиданные моменты, баги>

## Verdict
- [ ] Phase 2 AI DoD PASS (≥75% accuracy + ≥4/5 subjective)
- [ ] Phase 2 AI DoD FAIL — see follow-ups