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 등
AnimMontage → 모든 캐릭터 애니메이션 몽타주
Blueprint → GA_* (Gameplay Ability) 블루프린트
CurveTable → 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_C 노티파이로 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

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)

README.md

DS-전투분석 저장소

프로젝트 개요

목적

분석 대상

분석 방법론

1. 데이터 추출 (Unreal → JSON)

2. LLM 기반 분석

3. 검증 및 문서화

v2 분석 프로세스 (2025-10 업데이트)

프로세스 개요

🔥 v2.1 주요 업데이트 (2025-10-28)

1. 콤보 캔슬 시스템 발견

2. 바란 궁극기 시전시간 정정

3. 15초 버스트 시나리오 확대

4단계 구성

01단계: 스토커별 기본 데이터

02단계: DPS 시나리오 비교분석

03단계: 역할별 차별화

04단계: 밸런스 티어 및 개선안

실행 방법

상세 문서

폴더 구조

정기 분석 수행 가이드

Step 1: JSON 데이터 익스포트

Step 2: LLM 분석 실행

Step 3: 결과 저장

Step 4: 변경사항 추적

분석 도구 사용법

1. 스킬 캔슬 윈도우 추출

2. 캐릭터 스탯 분석

3. Activation Order Group 추출

최신 분석 결과

기술 스택

참고 자료

내부 문서

외부 참고

팀원 기여

변경 이력

v2.1 (2025-10-28)

v2.0 (2025-10-27)