两种思路：固定任务清单与长期运营的城市
2025年的滑板游戏市场，恰好同时出现了两种代表性的思路。一边是《Tony Hawk's Pro Skater 3+4》在2025年7月发售，延续系列经典的任务结构：每张地图有一份目标清单，拿高分、收集 S-K-A-T-E 字母、找隐藏的录像带、在指定位置完成指定动作，时间限制内完成就推进。这种结构的优点是清晰，每个玩家面对的是同一份清单，攻略可以共享，达成感明确。
另一边是 EA 与 Full Circle 的《skate.》，2025年9月16日开启免费抢先体验，舞台是一座叫 San Vansterdam 的沙盒城市，并以赛季方式持续更新。城市长期存在，内容随赛季增加，玩家在同一座城市里停留的时间以月计算。这种模式下，任务不再是一次性通关的清单，而是长期滑板生活的一部分。
两种思路没有高下之分，但后者提出了一个新问题：当玩家在同一座城市里滑了几个月，固定任务迟早会被做完，接下来给他什么？一个可能的方向，是根据玩家自己的滑板习惯生成挑战。需要说明的是，这里讨论的是行业方向，并不代表上述两款游戏已经采用了这样的系统。
习惯数据能做什么
滑板游戏天然产生大量行为数据：玩家常去哪些街区，在哪类扶手上停留，做什么动作，成功率多少，连招一般在第几段断掉。这些数据如果只用来统计总分，价值很有限；如果用来理解玩家，就可以做几件固定清单做不到的事。
第一，找到玩家的舒适区边界。一名玩家在九级直杆扶手上的 boardslide 已经非常稳定，但从没碰过带折点的扶手，也没在落地区很短的地方尝试过。这条边界就是下一个挑战最合适的位置。第二，判断何时推荐新动作。成功率稳定、失败零散、动作开始频繁出现在 line 里，说明玩家进入了平台期，可以沿技能树推荐一个相邻动作，比如从 50-50 到 5-0。第三，让城市里的冷门 Spot 被发现。系统知道玩家总走哪几条路，就可以在他常走的路径旁边安排一个他没去过的 ledge，引他绕一下。
这些做法的共同点是：挑战的变化来自滑板本身的变量，比如扶手长度、进入角度、落地区、连招结构，而不是一个越来越大的分数门槛。更完整的生成逻辑，im体育在AI滑板挑战一文里按城市、Spot、动作、连招、挑战五层展开过。
风险：迎合、失真与隐私
个性化挑战也有明显的风险，行业在这方面还没有成熟的答案。
第一个风险是过度迎合。系统发现玩家喜欢 boardslide，于是所有挑战都围绕 boardslide，城市里的 bowl、gap、manual pad 逐渐从玩家视野里消失。玩家短期内觉得挑战很合口味，长期却被困在一个越来越窄的动作库里。固定任务清单虽然缺少个性，至少保证每个人都会接触到地图的各个部分。
第二个风险是为了“恰好能完成”而暗中调整手感。个性化系统很容易滑向这样的捷径：玩家连续失败时偷偷放宽扶手判定，或者在起跳前补一点看不见的速度。这会让玩家对自己的能力产生错误判断，也破坏了与其他玩家比较的公平性。
第三个风险是数据隐私。习惯数据包括玩家的游玩时段、行动路线、失败记录，积累久了相当具体。收集哪些数据、保存多久、是否用于挑战以外的用途，都需要向玩家说清楚，并给出关闭的选项。
im体育的做法
在im体育里，我们倾向于把固定任务和习惯生成的挑战结合起来。城市中的标志性 Spot 和常规挑战由设计师手写，保证每个玩家都会走过城市的主要区域；个性化挑战作为补充，只占玩家挑战列表的一部分，并且始终保留一小部分与玩家习惯无关的内容，避免动作库越来越窄。
个性化挑战每次只推进一个维度，比如加长扶手、换进入角度、加一个 flip-in、缩短落地区，并在出现在玩家面前之前，经过速度、起跳、扶手、落地、玩家技能、连招六项可完成性校验。物理规则对所有挑战保持一致，不会为某个玩家放宽判定。新动作的推荐时机和方式，在新动作推荐里有专门讨论。
每一个个性化挑战都会附带一句来由说明，例如“你在九级直杆上的 boardslide 最近很稳定，这次换成十二级”。玩家可以关闭这类推荐，只保留常规挑战；也可以查看和清除用于生成挑战的习惯记录。im体育希望个性化挑战是一个看得见、关得掉的工具，而不是一个在后台悄悄替玩家做决定的系统。
