《Unity 6移动、XR与Web游戏性能优化》权威学习地图

问题：怎样证明掌握的是全书导读，而不是背下一组技巧？

先预测：若只报告修改后FPS，没有设备、构建、场景、输入、热状态和画面合同，另一位开发者能否证明收益来自这次修改？不能。跨平台优化首先是受控实验，其次才是技巧选择。

这本101页指南不是移动、XR、Web三张清单，而是从URP选择与目标设备Profiling出发，贯穿内存、资产、代码、GPU、UI、音频、动画、物理和协作，最后才进入Web与XR专用发布约束。

官方目录边界

本页严格对应Unity Technologies《Optimize your game performance for mobile, XR, and the web in Unity》Unity 6版全书目录与第8页导言。以下目录项必须进入实现或证据：

• Choose URP for performance and visual quality
• Profiling tips
• Memory management for XR, web, and mobile games
• Adaptive Performance
• Assets
• Programming and code architecture
• Project configuration
• Graphics and GPU optimization
• Shaders
• User interface
• UI Toolkit performance optimization tips
• Audio
• Animation
• Physics
• Workflow and collaboration
• Platform-specific tips for Unity Web Builds
• Publishing settings for Unity Web
• Profiling Unity Web Builds
• XR optimization tips

本站重新组织中文讲解、代码和实验，不逐字复制原文。平台API和包能力随Unity与设备版本变化，实际项目要固定版本并保存迁移差异。

核心模型与不可变条件

这本101页指南不是移动、XR、Web三张清单，而是从URP选择与目标设备Profiling出发，贯穿内存、资产、代码、GPU、UI、音频、动画、物理和协作，最后才进入Web与XR专用发布约束。

不可变条件是：17个官方主题单元（UI 与 Web 各自整合连续子主题）、最低与最高目标设备、同输入前后基线以及性能与视觉行为合同必须完整保留。 如果测试上下文、视觉或玩法结果发生变化，就不能把两次数字直接相减。先解释变化，再决定是否建立新基线。

五个必须落到证据的术语

它必须落到“目标平台 → 预算基线 → 通用系统 → 内容管线 → 平台专项 → 发布门”的证据链，不能只作为术语记忆。

它必须落到“目标平台 → 预算基线 → 通用系统 → 内容管线 → 平台专项 → 发布门”的证据链，不能只作为术语记忆。

它必须落到“目标平台 → 预算基线 → 通用系统 → 内容管线 → 平台专项 → 发布门”的证据链，不能只作为术语记忆。

它必须落到“目标平台 → 预算基线 → 通用系统 → 内容管线 → 平台专项 → 发布门”的证据链，不能只作为术语记忆。

它必须落到“目标平台 → 预算基线 → 通用系统 → 内容管线 → 平台专项 → 发布门”的证据链，不能只作为术语记忆。

从输入到发布的证据链

主链为：目标平台 → 预算基线 → 通用系统 → 内容管线 → 平台专项 → 发布门。每个节点保存平台、设备、浏览器或运行时、Unity与包版本、构建提交、场景检查点、预算、实际值和首个异常。后一节点只消费前一节点已验证事实。

1. 全书结构

前四个单元建立URP、测量、内存与热适应基础；中段按生产系统展开；末段处理Web发布、浏览器分析和XR立体渲染。

复现这一项时，记录输入条件、观测工具、预算阈值和下一动作。输入决定数据是否可比，工具说明在哪个线程、对象、资源或平台阶段观察；阈值来自本项目合同，下一动作必须是一轮可反证的单变量实验。

2. 通用与专项

纹理、代码、UI和物理建议可跨平台复用，但阈值与收益取决于硬件；Web与XR单元补充浏览器和头显特有合同。

复现这一项时，记录输入条件、观测工具、预算阈值和下一动作。输入决定数据是否可比，工具说明在哪个线程、对象、资源或平台阶段观察；阈值来自本项目合同，下一动作必须是一轮可反证的单变量实验。

3. 目标设备

编辑器只用于快速定位。最低规格证明可用性，最高规格验证增强质量，中间代表档用于默认设置与市场覆盖。

复现这一项时，记录输入条件、观测工具、预算阈值和下一动作。输入决定数据是否可比，工具说明在哪个线程、对象、资源或平台阶段观察；阈值来自本项目合同，下一动作必须是一轮可反证的单变量实验。

4. 优化成本

官方导言提醒许多优化会增加复杂度、维护和缺陷风险；每项收益都要和劳动成本、回归面一起签发。

复现这一项时，记录输入条件、观测工具、预算阈值和下一动作。输入决定数据是否可比，工具说明在哪个线程、对象、资源或平台阶段观察；阈值来自本项目合同，下一动作必须是一轮可反证的单变量实验。

5. 证据顺序

先定义预算并建立基线，再定位首个瓶颈；不能从技巧列表随机挑选修改，也不能用最终FPS替代中间归因。

复现这一项时，记录输入条件、观测工具、预算阈值和下一动作。输入决定数据是否可比，工具说明在哪个线程、对象、资源或平台阶段观察；阈值来自本项目合同，下一动作必须是一轮可反证的单变量实验。

6. 内容所有权

资产导入、运行时代码、渲染、UI和物理分别有责任人和自动检查，避免优化只存在于个人经验。

复现这一项时，记录输入条件、观测工具、预算阈值和下一动作。输入决定数据是否可比，工具说明在哪个线程、对象、资源或平台阶段观察；阈值来自本项目合同，下一动作必须是一轮可反证的单变量实验。

7. 最终交付

每个官方单元都要有正常、边界和失败样本，最终在移动、Web和XR至少各一个代表目标上完成同协议回放。

复现这一项时，记录输入条件、观测工具、预算阈值和下一动作。输入决定数据是否可比，工具说明在哪个线程、对象、资源或平台阶段观察；阈值来自本项目合同，下一动作必须是一轮可反证的单变量实验。

三步复现与分步观察

可执行实现骨架

public readonly record struct CrossPlatformEvidence(
    string Platform, string Device, string Build, string Scenario,
    double CpuMs, double GpuMs, long MemoryBytes,
    string VisualHash, bool FailureReplay);
 
bool CanShip(CrossPlatformEvidence e, double frameBudget, long memoryBudget) =>
    Math.Max(e.CpuMs, e.GpuMs) <= frameBudget &&
    e.MemoryBytes <= memoryBudget && e.FailureReplay;

每份采集都保存结构化上下文，报告与原始文件必须通过ID互相引用：

{
  "chapter": "mxrw-official-learning-map",
  "officialPages": "全书目录与第8页导言",
  "chain": [
    "目标平台",
    "预算基线",
    "通用系统",
    "内容管线",
    "平台专项",
    "发布门"
  ],
  "platform": "mobile-web-or-xr",
  "device": "representative-target",
  "build": "commit-unity-packages",
  "scenario": "fixed-checkpoint",
  "normal": true,
  "boundary": true,
  "failureReplay": true
}

自动门必须保留数值、结果合同和拒绝原因：

PASS context=platform+device+build+scene+quality+input
PASS chain=目标平台 -> 预算基线 -> 通用系统 -> 内容管线 -> 平台专项 -> 发布门
PASS invariant=17个官方主题单元（UI 与 Web 各自整合连续子主题）、最低与最高目标设备、同输入前后基线以及性能与视觉行为合同必须完整保留。
REJECT changed-context | hidden-quality-loss | shifted-cost | missing-failure-replay

两个必须主动制造的失败样本

证据矩阵与签发标准

练习：把全书导读变成可审计交付

小结

• 是否逐项覆盖本页官方目录，而没有用通用建议替代？
• 是否沿“目标平台 → 预算基线 → 通用系统 → 内容管线 → 平台专项 → 发布门”保存可追溯中间证据？
• 是否在真实移动、浏览器或XR目标中验证，而非只看Editor？
• 是否主动制造失败，并证明优化没有转移成本或破坏结果？

术语表

来源与改编边界