"靈能哨衛:無限"是一款第三人稱的美少女動作射擊Rougelike, 爽快但任何玩家都能上手的反擊系統是遊戲操作的核心, 在戰鬥中觀察敵人的弱點將其破除則是遊戲策略的重點。
所有評論:
無使用者評論
發行日期:
2024 第 4 季

登入以將此項目新增至您的願望清單、關注它,或標記為已忽略

即將推出搶先體驗

此遊戲的開發者打算以開發中的狀態推出遊戲,以將玩家意見回饋納入開發過程。

備註:處於搶先體驗狀態的遊戲尚未開發完成,且內容可能會有所變動。如果目前的開發進度未使您產生興趣, 建議您等待本遊戲開發至下一階段時再決定是否購買。了解更多

開發者的話:

為何採用搶先體驗模式?

「我希望更直接且更大規模的得到玩家的回饋,搶先體驗能夠讓遊戲比DEMO版吸收到更多玩家的建議,讓我可以將遊戲打磨得更好更完善!」

這款遊戲的搶先體驗時間大約會持續多久?

「我預計搶先體驗的時間會維持一年,根據玩家的建議與回饋也許這個時間會有些許變動,但基本上就會是一年內」

正式版預計會與搶先體驗版有何不同?

「這一年內除了參考玩家的建議去改善遊戲之外,我會持續擴充遊戲中的關卡以及可使用腳色,遊戲中的BOSS我也預計會設計成玩家可操作腳色提供玩家遊玩,且還會提供遊戲更豐富的技能選擇」

搶先體驗版目前的開發進度如何?

「搶先體驗版本已經開發完成
遊戲中包含三個可供重複挑戰的關卡
其中擁有11場互動性高且極具挑戰性的大小BOSS戰
以及供玩家爽快體驗無雙的小怪戰」

遊戲售價在搶先體驗期間前後會有所變動嗎?

「隨著更多內容和功能的添加,搶先體驗階段的價格可能會上漲」

在開發過程中,您打算如何與社群互動?

「我會透過DISCORD、STEAM討論區、FACEBOOK以及各遊戲討論區與玩家們互動並吸收玩家的建議,另外我會去反覆觀看那些由玩家們拍攝的影片與實況去感受玩家真實遊玩時的狀況來改進遊戲以及修正BUG等等,希望更多玩家能給予我建議與回饋!」
繼續閱讀

下載 靈能哨衛 : 無限 Psionic Sentry : Infinite サイオニックセントリー : インフィニット 灵能哨卫:无限 Demo

此遊戲尚未在 Steam 上發售

預計發行日期: 2024 第 4 季

感興趣嗎?
將這款遊戲加入願望清單,以便在發售時收到通知。
新增至您的願望清單
 
查看所有討論

在討論區回報錯誤並留下對於此遊戲的意見

關於此遊戲

靈能哨衛:無限
是一款日系美少女動作射擊Rougelite遊戲

使用弓箭與多種隨機技能擊敗敵人

"反擊"是很重要的戰鬥手段
弓箭變形成鐮刀將敵人的遠程攻擊通通反彈回去

但在這款遊戲中反擊並不是很高難度的技巧
我將反擊的判定設計的相當寬鬆
希望讓每一個玩家都能享受到反擊的樂趣!

戰鬥核心機制:反擊

遊戲中所有的"遠程攻擊"都能夠將其反擊回去
一連串的"遠程攻擊"全部都成功反擊的話將會進入"戰鬥特寫"造成大量傷害!
反擊雖然看似很困難
但我將其判定設計得較為寬鬆,目的是希望讓任何玩家都能享受到反擊的樂趣

戰鬥核心機制:破盾

當敵人身上出現護盾時要使用對應的技能破盾
將其全數破壞後可短暫削弱敵人

戰鬥核心機制:技能選擇

遊戲中玩家將可體驗到各式各樣的隨機技能
選擇自己喜愛的技能打造獨特的遊戲體驗!


追隨X:

成人內容說明

開發者表示產品內容如下:

此遊戲可能含有不適合所有年齡層,或於工作場所觀看的內容:一些裸露或色情內容, 一般成人內容

系統需求

    最低配備:
    • 作業系統: Win 10 11
    • 處理器: Intel® Core™ i3
    • 記憶體: 4 GB 記憶體
    • 顯示卡: NVIDIA® GeForce® GTX 750
    • 儲存空間: 3 GB 可用空間
    • 備註: 1. Native Linux cannot run directly, please use SteamOS. 2. It might be possible to play using the Steam Play Proton compatibility options. Check: The game runs well on Steam Deck. If you encounter any issues, feel free to report them here:
    建議配備:
    • 作業系統: Win 10 11
    • 處理器: Intel® Core™ i5
    • 記憶體: 8 GB 記憶體
    • 顯示卡: NVIDIA® GeForce® GTX 1060
    • 儲存空間: 3 GB 可用空間
此產品無任何評論

您可以撰寫評論來與社群分享您對於本產品的看法。請使用本頁面中位於購買按鈕上方的區塊來進行評論的編寫。