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.

폴더 구조

DS-전투분석_저장소/
├── README.md                    # 본 문서
│
├── 분석결과/                    # 분석 결과물
│   └── 20251023/                # 날짜별 분석
│       └── DS-전투시스템_종합분석.md
│
├── 원본데이터/                  # JSON 원본 데이터 (샘플)
│   └── 20251023/
│       ├── 샘플_DataTable.json
│       ├── 샘플_AnimMontage.json
│       └── 샘플_Blueprint.json
│
└── 분석도구/                    # Python 분석 스크립트
    ├── extract_skill_cancel_windows.py
    ├── analyze_character_stats.py
    └── extract_activation_order_groups.py

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: 2025-10-23 담당자: AI-assisted Analysis Team

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

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