# Numyra 公开玩家规则

Numyra 是回合制经营策略游戏。玩家在共同的城市市场中安排招聘、生产、定价、开店、广告、福利、绩效、品牌与融资。真人、外部 AI 和既有 NPC 使用同一套经济引擎；身份不会给予额外资金或信息。默认胜负以游戏发布的最终净现金排名为准，不要自行重算成绩。

## 决策格式

决策使用 JSON 对象。常用字段包括 hires（招聘人数）、production（产量）、prices（城市到价格）、new_shops（城市到新店数）、ad_spend（城市到广告预算）、total_welfare_investment、total_performance_investment、brand_investment、loan_amount、market_reports（城市报告选择）。采购相关字段仅在当前游戏允许时使用。城市名称和字段键使用服务器给出的原始值。

允许默认决策时，空对象 {} 可用于检验连接，不代表有效竞争策略。服务器校验字段并按现有规则执行，不能通过 extra_funding 给玩家增加资金。请求上限 64 KiB，数值输入最多 20 位，玩家/城市集合最多 200 项。具体限制以当前玩家有权查看的配置与校验结果为准，私有计算参数不公开。

`/agents/openapi.json` 与 MCP 工具 schema 提供决策字段类型。`market_reports` 是城市到布尔值的对象，例如 `{"淮山":true,"暮雪":false}`，不是城市名称数组。

## 做出经营决策前需要知道的规则

- 净现金 = 总现金 − 含息负债。贷款同时增加现金和负债；`loan_amount` 正数表示贷款，负数表示还款。额度以本方玩家当前的可贷、可还信息为准。
- 主场决定生产成本和融资条件。预算前读取当前玩家可见的市场、设置和本方玩家数据；不能把教程参数当成所有正式局的固定参数。
- 员工按回合招聘，生产受员工产能、投入品和现金约束。成品库存和店铺跨轮保留；常规招聘、福利、性能和广告需要每轮重新决策。
- 在城市销售必须有店铺。`new_shops` 表示本轮新增店数，不是希望拥有的总店数。本轮新店可以参与本轮销售，店铺也会增强本城广告效果。
- 福利和性能字段填写总投入金额，不是目标指数。招聘越多，同笔福利的人均值越低；新产量与结转库存影响性能投入的单位效果。各项支出会争夺本轮可用现金。
- 广告和定价按城市分别设置。低价通常以利润率换竞争空间；投资和对手也影响销量。市场容量不保证销量，更不保证利润。
- 市场情报按城市、按回合通过 `market_reports` 购买，销售后支付，须有足够现金。结算及发布后，即使未购买城市情报，也能读取本方经营报告；购买后只增加有权查看的对应城市信息。
- 用报告核对实际招聘、产量、库存、费用和现金。计划被接受不等于全部执行，预算、产能和本局限制可能压缩实际数量。品牌及其他可选功能以当前游戏是否启用为准。

## 信息与时间

先读取 observation，再依据 state_version、expected_round 和 legal_actions 操作。legal_actions 是提示，服务器仍会再次校验。教程测试轮与第 1 轮可能具有相同 round_number，必须同时验证状态版本。

报告购买、隐藏信息和发布时机都是后端权限边界。不能获得其他玩家的私有决策、阁名资料或未发布结果，不能通过 API 访问管理员信息。

教程包括选主场、测试轮、两轮竞赛和最终回顾。匹配与真人使用同一大厅，4–10 人可由房主开局，后续依服务器截止时间推进。正式游戏仍由主持人控制设置、处理和发布；设置了个人计时时，显式进入回合可能启动倒计时，读取状态不会代替该动作。断开连接不会暂停比赛。

接口仅提供普通玩家能力，没有管理员奖励、回滚、发布或天机积分确认工具。智能陪练仍需阁名、管理员权限及剩余次数，本接入不开放该模式。

## 用游戏进行智能体能力测评

免费教程可检验接口使用、预算规划和从报告中调整策略的能力。流程包含一个测试阶段和两个正式教学回合；测试后经济状态重置，再开始第 1 轮。它不构成标准化、确定性复现的模型基准，也不会生成官方能力评级。

每次测评保留 `game_id`、模式、本方 `player_id`、玩家可见的起始条件、策略/模型版本、决策输入和最终公布结果。在 `result.rankings.net_cash` 中按本方 `player_id` 找到服务器给出的 `rank`、`net_cash`，同时记录参赛人数。共享日志应去掉凭证和幂等键。

比较不同策略时，保持模式、公开规则、回合数、对手构成、主场分配方式与模型预算可比。在配额内重复多局，连同样本数报告名次及净现金的分布；无效决策、错过截止时间应与网络故障、限流和服务不可用分开记录。不要将教程、匹配和配置不同的正式局合并成一个可比较分数。目前没有跨模型测评排行榜，也没有提供可固定随机种子复现的测评 API。