DS-전투분석 저장소
던전 스토커즈(DungeonStalkers) 전투 시스템 종합 분석 저장소입니다.
프로젝트 개요
목적
본 프로젝트는 언리얼 엔진 5.5.4 기반의 던전 스토커즈 전투 시스템을 체계적으로 분석하고 문서화하여 다음 목표를 달성합니다:
- 밸런스 분석: 10명 스토커의 전투 능력 비교 및 밸런스 검증
- 시스템 문서화: Gameplay Ability System 기반 전투 로직 상세 분석
- 정기 모니터링: 패치/업데이트 시 변경사항 추적 및 영향도 분석
- 팀 공유: 기획자, 프로그래머, QA가 공통으로 참고할 수 있는 기술 문서
분석 대상
- 10명의 스토커: Hilda, Urud, Nave, Baran, Rio, Clad, Rene, Sinobu, Lian, Cazimord
- 전투 시스템 요소:
- 기본 공격 타이밍 및 피해 배율
- 스킬 시스템 (Gameplay Ability System)
- 캔슬 메커니즘 (Activation Order Group + ANS_SkillCancel_C)
- 애니메이션 노티파이 시스템
- 캐릭터 스탯 및 속성
분석 방법론
1. 데이터 추출 (Unreal → JSON)
언리얼 에디터의 커스텀 익스포터를 사용하여 게임 에셋을 JSON 형식으로 변환합니다.
Unreal Engine Assets → Custom Exporter → JSON Files
익스포트 대상:
DataTable→ DT_CharacterStat, DT_Skill, DT_CharacterAbility 등AnimMontage→ 모든 캐릭터 애니메이션 몽타주Blueprint→ GA_* (Gameplay Ability) 블루프린트CurveTable→ 각종 커브 데이터
익스포트 방법:
- 언리얼 에디터에서 Content Browser 열기
- 분석할 에셋 선택
- 우클릭 →
Export to JSON(커스텀 익스포터) - 출력 폴더에 JSON 파일 생성
2. LLM 기반 분석
생성된 JSON 파일을 Claude (LLM)에 입력하여 자동 분석합니다.
분석 프로세스:
JSON Files → Claude Code → Analysis Document
↓
Python Scripts (보조 분석)
LLM의 역할:
- 대용량 JSON 데이터 파싱 및 패턴 인식
- 스토커별 데이터 비교 분석
- 전투 로직 추론 및 시스템 메커니즘 분석
- Markdown 형식의 기술 문서 자동 생성
장점:
- 수작업 대비 100배 이상 빠른 분석 속도
- 일관된 형식의 문서 생성
- 복잡한 크로스 레퍼런스 추적 자동화
3. 검증 및 문서화
분석 결과를 검토하고 최종 문서를 생성합니다.
v2 분석 프로세스 (2025-10 업데이트)
프로세스 개요
v2 시스템은 JSON 원본에서 밸런스 리포트까지 4단계 자동화 파이프라인입니다.
[원본 JSON] → 01단계 → 02단계 → 03단계 → 04단계
기본데이터 DPS계산 역할비교 밸런스티어
🔥 v2.1 주요 업데이트 (2025-10-28)
Game Changer 발견!
1. 콤보 캔슬 시스템 발견
ANS_DisableBlockingState_C노티파이로 평타 조기 캔슬 가능- 클라드: 평타 시간 56% 단축 → 평타 DPS 1위 (125.5)
- 힐다: 19% 단축, 탱커 최고 DPS (107.3)
- 바란: 19% 단축, 중상위권 (90.4)
2. 바란 궁극기 시전시간 정정
- DT_Skill 10초 → 실제 1.29초 (AN_SimpleSendEvent 시점)
- 10초는 최대 홀딩 시간 (타이밍 조절 가능)
- 스크립트 자동 감지 및 오버라이드
3. 15초 버스트 시나리오 확대
- 기존 10초 → 15초로 확대 (궁극기 지속시간 반영)
- 레네 궁극기 실전 필수 (흡혈 생존력)
- 종합 티어표 3개 시나리오 통합 평가
4단계 구성
01단계: 스토커별 기본 데이터
- 목적: JSON에서 10명 스토커 정보 추출 및 검증
- 출력:
01_스토커별_기본데이터_v2.md - 도구:
분석도구/v2/(extract → validate → generate)
02단계: DPS 시나리오 비교분석
- 목적: 3개 시나리오 DPS 계산 (평타, 로테이션, 버스트)
- 출력:
02_DPS_시나리오_비교분석_v2.md - 도구:
calculate_dps_scenarios_v2.py
03단계: 역할별 차별화
- 목적: 5개 역할군 비교 (전사, 원거리, 마법사, 암살자, 서포터)
- 출력:
03_역할별_차별화_v2.md
04단계: 밸런스 티어 및 개선안
- 목적: OP/S+/S/A/B 티어 평가 및 밸런스 개선안
- 출력:
04_밸런스_티어_및_개선안_v2.md
실행 방법
전체 프로세스:
# 1단계: 기본 데이터 추출 및 검증
cd 분석도구/v2
python extract_stalker_data_v2.py
python validate_stalker_data.py
python generate_stalker_docs_v2.py
# 2단계: DPS 계산
python calculate_dps_scenarios_v2.py
# 3~4단계: 추후 구현 예정
출력 구조:
분석결과/YYYYMMDD_HHMMSS_v2/
├── 01_스토커별_기본데이터_v2.md
├── 02_DPS_시나리오_비교분석_v2.md
├── 03_역할별_차별화_v2.md
├── 04_밸런스_티어_및_개선안_v2.md
├── intermediate_data.json
├── validated_data.json
└── 검증_리포트.md
상세 문서
- ARCHITECTURE.md - v2 프로세스 완전 상세 가이드 (알고리즘, 체크리스트 포함)
폴더 구조
DS-전투분석_저장소/
├── README.md # 본 문서
├── ARCHITECTURE.md # 기술 아키텍처 (v2 프로세스 상세)
│
├── 분석결과/ # 분석 결과물
│ ├── 20251024_000515/ # 기존 분석 (참고용)
│ └── YYYYMMDD_HHMMSS_v2/ # v2 분석 결과
│ ├── 01_스토커별_기본데이터_v2.md
│ ├── 02_DPS_시나리오_비교분석_v2.md
│ ├── 03_역할별_차별화_v2.md
│ ├── 04_밸런스_티어_및_개선안_v2.md
│ ├── intermediate_data.json
│ ├── validated_data.json
│ └── 검증_리포트.md
│
├── 원본데이터/ # JSON 원본 데이터
│ ├── DataTable.json
│ ├── AnimMontage.json
│ ├── Blueprint.json
│ └── CurveTable.json
│
└── 분석도구/ # Python 분석 스크립트
├── v2/ # v2 자동화 도구
│ ├── extract_stalker_data_v2.py
│ ├── validate_stalker_data.py
│ ├── generate_stalker_docs_v2.py
│ ├── calculate_dps_scenarios_v2.py # 개발 예정
│ └── config.py
└── utils/ # 유틸리티 스크립트
└── ...
정기 분석 수행 가이드
새로운 분석을 수행하려면 다음 단계를 따르세요.
Step 1: JSON 데이터 익스포트
언리얼 에디터에서 수행:
1. Content Browser에서 다음 폴더들을 선택:
- /Game/Blueprints/DataTable/
- /Game/_Art/_Character/PC/*/AnimMontage/
- /Game/Blueprints/Abilities/GA_Skill_*/
2. 우클릭 → Export to JSON
3. 출력 폴더 선택: DS-전투밸런스_분석자료/[오늘날짜]/
예: DS-전투밸런스_분석자료/20251024_153000/
4. 익스포트 완료 확인:
✓ DataTable.json
✓ AnimMontage.json
✓ Blueprint.json
✓ CurveTable.json
Step 2: LLM 분석 실행
Claude Code 사용:
- Claude Code CLI 실행
- 다음 프롬프트 입력:
"DS-전투밸런스_분석자료/[날짜]/" 폴더의 JSON 파일들을 분석하여
전투 시스템 종합 분석 문서를 작성해주세요.
분석 항목:
- 10명 스토커별 기본 공격 타이밍 및 피해 배율
- 스킬별 Activation Order Group 값
- 애니메이션 캔슬 윈도우 (ANS_SkillCancel_C)
- 캐릭터 스탯 비교
이전 분석 문서를 참고하여 동일한 형식으로 작성하고,
변경사항이 있다면 별도로 표시해주세요.
- 생성된 문서를 검토하고 수정
Step 3: 결과 저장
# 새 폴더 생성
mkdir -p 분석결과/[날짜]
# 분석 문서 저장
# Claude가 생성한 문서를 분석결과/[날짜]/DS-전투시스템_종합분석.md로 저장
# (선택) 원본 JSON 샘플 저장
# 주요 에셋 몇 개만 추출하여 원본데이터/[날짜]/에 저장
Step 4: 변경사항 추적
이전 분석과 비교:
# diff 도구로 변경 확인
diff 분석결과/20251023/DS-전투시스템_종합분석.md \
분석결과/20251024/DS-전투시스템_종합분석.md
주요 확인 사항:
- ActivationOrderGroup 변경 (밸런스 조정)
- 기본 공격 타이밍 변경 (애니메이션 수정)
- AddNormalAttackPer 변경 (피해 배율 조정)
- 새로운 스킬 추가/삭제
분석 도구 사용법
1. 스킬 캔슬 윈도우 추출
python 분석도구/extract_skill_cancel_windows.py \
원본데이터/20251023/AnimMontage.json
출력 예시:
AM_PC_Hilda_B_Skill_SwordStrike
캔슬 구간: 1.300s ~ 1.800s (지속: 0.500s)
2. 캐릭터 스탯 분석
python 분석도구/analyze_character_stats.py \
원본데이터/20251023/DataTable.json
출력 예시:
이름 직업 STR DEX INT CON WIS
힐다 전사 20 15 10 20 10
우르드 원거리 15 20 10 15 15
3. Activation Order Group 추출
python 분석도구/extract_activation_order_groups.py \
원본데이터/20251023/Blueprint.json
출력 예시:
Hilda:
Group 4: Bash, SwordStrike
Group 0: BloodMoon_Active, SteelBlocking
최신 분석 결과
날짜: 2025-10-27 (v2.1)
분석 문서: 분석결과/20251027_200151_v2/
주요 발견 (v2.1):
- 평타 DPS 1위: 클라드 (125.5) - 콤보 캔슬로 137% 증가!
- 30초 로테이션 1위: 레네 (158.88) - 소환수 독립 DPS
- 15초 버스트 1위: 카지모르드 (165.1) - Parrying + 궁극기
- 종합 S티어: 시노부, 레네 (모든 시나리오 안정적 상위권)
- 밸런스 개선 필요: 리안, 우르드 (재장전/충전 페널티 과다)
기술 스택
- 게임 엔진: Unreal Engine 5.5.4
- 에셋 익스포터: Custom Unreal Editor Plugin
- 분석 LLM: Claude 3.5 Sonnet (Claude Code)
- 보조 분석: Python 3.x
- 문서 형식: Markdown
참고 자료
내부 문서
- DS-전투시스템_종합분석.md - 최신 분석 결과
- CLAUDE.md - 프로젝트 전체 개요
외부 참고
팀원 기여
분석 결과에 피드백이나 추가 분석 요청이 있으시면:
- 이슈 등록 (Git Issue)
- 또는 디스코드 공식 커뮤니티에 공유
마지막 업데이트: 2025-10-28 (v2.1) 담당자: AI-assisted Analysis Team
변경 이력
v2.1 (2025-10-28)
- 콤보 캔슬 시스템 발견 (ANS_DisableBlockingState_C)
- 바란 궁극기 시전시간 정정 (10초 → 1.29초)
- 15초 버스트 시나리오로 확대 (10초 → 15초)
- 종합 티어표 3개 시나리오 통합 평가
- 밸런스 개선 제안 (리안, 우르드, 네이브)
v2.0 (2025-10-27)
- 4단계 자동화 파이프라인 구축
- 01~02단계 문서 생성 완료
- 소환수 독립 DPS 계산 (레네)
- DoT 시스템 분석 (Poison, Burn, Bleed)