摘要： 朋友问了我一个看似简单的问题：符文“灵巧”和“点亮他们”哪个更强？这引发了我对AD输出模型的深度思考。本文不谈感觉，只谈数学。我们将通过建立DPS函数、求解平衡点，并利用Python进行三维可视化，彻底搞懂这两个符文的收益边界。

---

1. 问题的起源：Deft 与 霞

灵巧（Deft）的英文直译是“熟练”，也是我们熟知的韩国ADC选手金赫奎的ID。但在数学模型里，它只是一个冰冷的变量。

今天我们要解决的问题是：对于英雄霞（Xayah），在18级时，面对不同的出装（攻击力与攻速搭配），“灵巧”（提供0.6额外攻速）和 “点亮他们”（提供额外伤害和特效）究竟该如何抉择？
!

2. 建立数学模型：DPS的博弈

为了量化收益，我们需要建立两个DPS（每秒伤害）公式，并通过除法比较来确定优劣。

符号定义：

• $x$：基础攻击力 (霞为60)
• $y$：额外攻击力
• $s$：额外攻速加成 (比如攻速鞋、飓风提供的数值)
• $r$：攻击频率基础值 (在比较中会被约掉)
• $AP$：法术强度 (为简化模型，设为0)

2.1 “点亮他们”的DPS公式 ($D_l$)
根据先前的博客分析，“点亮他们”在18级时提供了一次性爆发和特效。其普攻伤害公式为：
$$A_l=80+x+1.35y$$
因此，DPS为：
$$D_l=r(80+x+1.35y)(1+s)$$

2.2 “灵巧”的DPS公式 ($D_d$)
“灵巧”不增加攻击力，直接增加0.6的攻击速度：
$$D_d=r(x+y)(1+s+0.6)=r(x+y)(1.6+s)$$

2.3 构建比较函数
为了消除单位差异，我们计算比率 $R$：
$$R=\frac{D_l}{D_d}=\frac{(80+x+1.35y)(1+s)}{(x+y)(1.6+s)}$$

将霞的基础攻击力 $x=60$ 代入，公式简化为：
$$R_{Xayah}=\frac{(140+1.35y)(1+s)}{(60+y)(1.6+s)}$$

判定法则：

• 若 $R>1$：点亮他们更强。
• 若 $R<1$：灵巧更强。

3. 寻找平衡点：临界公式的推导

我们令 $R=1$，求解 $s$ 关于 $y$ 的函数，这条曲线就是二者的分水岭。

$$(140+1.35y)(1+s)=(60+y)(1.6+s)$$

经过展开、移项和合并同类项（过程略，详见代码注释），我们得到最终的平衡函数：

$$s=\frac{0.25y-44}{0.35y+80}$$

数学解读：
这个公式告诉我们，当你拥有 $y$ 点额外攻击力时，你需要多少额外攻速 $s$ 才能让两个符文收益持平。

4. Python 三维可视化：全局视角

为了直观看到这个函数的形态，我使用 Python 绘制了三维曲面图。X轴是额外攻击力，Y轴是额外攻速，Z轴是比率 $R$。灰色平面代表 $R=1$。

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 定义网格数据
y = np.linspace(0, 300, 100)  # 额外攻击力
s = np.linspace(0, 3.0, 100)  # 额外攻速
Y, S = np.meshgrid(y, s)

# 霞的参数
x_base = 60

# 计算 DPS 比率 Z = Dl / Dd
numerator = (140 + 1.35 * Y) * (1 + S)
denominator = (60 + Y) * (1.6 + S)
Z = numerator / denominator

# 绘图
fig = plt.figure(figsize=(12, 8))
ax = fig.add_subplot(111, projection='3d')

# 绘制曲面
surf = ax.plot_surface(Y, S, Z, cmap='coolwarm', alpha=0.8, edgecolor='none')

# 绘制 z=1 的平衡平面
plane_1 = np.ones_like(Z)
ax.plot_surface(Y, S, plane_1, color='grey', alpha=0.3)

# 设置标签
ax.set_xlabel('额外攻击力 (y)')
ax.set_ylabel('额外攻速加成 (s)')
ax.set_zlabel('DPS比率 (Dl/Dd)')
ax.set_title('霞：点亮 vs 灵巧 收益曲面')

# 添加颜色条
fig.colorbar(surf, label='比率值')
plt.show()

图表分析：

• 曲面在灰色平面上方（红色区域）：点亮赢。
• 曲面在灰色平面下方（蓝色区域）：灵巧赢。
• 从图中可以清晰地看到，曲面大部分时间在平面上方，这意味着在大多数攻速状态下，点亮他们似乎更稳。但别急，我们还要看二维切片。

5. 二维深度分析：霞的专属决策图

三维图虽然酷炫，但不够直接。我们把 $s$ 和 $y$ 抽出来，画出刚才推导出的平衡曲线。

import matplotlib.pyplot as plt
import numpy as np

# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 定义变量范围 (聚焦于关键区间)
y = np.linspace(150, 300, 500)

# 计算平衡点 s
s = (0.25 * y - 44) / (0.35 * y + 80)

# 绘图
plt.figure(figsize=(10, 6))
plt.plot(y, s, label=r'平衡曲线 $s = \frac{0.25y - 44}{0.35y + 80}$', color='blue', linewidth=2)
plt.axhline(0, color='black', linewidth=0.8, linestyle='--')

# 标出关键点
plt.scatter([176], [0], color='red', zorder=5)
plt.annotate('临界点 (176, 0)', xy=(176, 0), xytext=(180, 0.1),
             arrowprops=dict(facecolor='red', shrink=0.05))

# 区域填充
plt.fill_between(y, s, -1, where=(s > -1), interpolate=True, color='red', alpha=0.1)
plt.text(200, -0.4, '灵巧更强', color='red', fontsize=12, alpha=0.8)

plt.fill_between(y, s, 1.5, where=(s < 1.5), interpolate=True, color='blue', alpha=0.1)
plt.text(200, 0.2, '点亮更强', color='blue', fontsize=12, alpha=0.8)

# 设置图表属性
plt.title('霞：点亮他们 vs 灵巧 - 收益平衡点分析')
plt.xlabel('额外攻击力 (y)')
plt.ylabel('额外攻速加成 (s)')
plt.xlim(175, 300)
plt.ylim(-0.6, 0.6)
plt.grid(True, linestyle='--', alpha=0.6)
plt.legend()
plt.show()

终极结论：谁才是版本答案？

通过观察上图的收益平衡点分析，我们可以得出非常明确的出装与符文指导：

残酷的现实：灵巧的“生存空间”极小
请注意图中的临界点 (176, 0)。

• 当额外攻击力 $y<176$ 时：平衡曲线位于 $s<0$ 的区域。由于实际游戏中额外攻速 $s$ 几乎不可能为负数（我们永远处于曲线的“上方”区域，除非遇到对面有个内瑟斯并且专门给你枯萎状态😀），此时“点亮他们”在所有情况下都强于“灵巧”。
• 当额外攻击力 $y>176$ 时：只有当你堆了极高的攻击力，且攻速加成 $s$ 低于那条蓝色曲线时，“灵巧”才有优势。

反直觉的真相
通常我们认为“灵巧”加攻速适合攻速流，“点亮”加伤害适合攻击力流。但计算表明，“点亮他们”提供的伤害乘区（那个 $80+1.35y$ 的系数）实在太香了。
除非你玩的是那种极端攻击力、极低攻速的“一刀流”怪胎（即落在红色区域），否则“点亮他们”几乎是霞的必选项。