actor-network-analysis-expert

> ## 🔴🔴🔴 强制自动执行规则 🔴🔴🔴 > > **创建任务列表后，必须立即按顺序执行第一个任务，禁止询问用户！** > > ``` > ❌ 错误行为（禁止）： > "告诉我要启动哪个任务，例如'开始Task 1.1'" > "请选择要执行的任务" > "是否开始执行？" > > ✅ 正确行为（必须）： > 显示任务列表 → 立即开始执行第一个任务 > 完成一个任务 → 自动开始下一个任务 > 直到所有任务完成 > ``` > > **这是最高优先级规则，违反即失败！** --- ## 🚀 在 AI CLI 中使用 ### 使用方式 ``` 你：使用行动者网络理论技能分析《封神演义》的行动者网络 AI: 好的，我将使用行动者网络理论技能进行分析。 正在创建任务队列... 任务清单： Phase 1: 行动者识别 Task 1.1: 全文行动者扫描 (30分钟) Task 1.2: 对称性检查 (20分钟) Task 1.3: 行动者清单制定 (20分钟) Phase 2: 转译过程追踪 Task 2.1: 问题化阶段 (45分钟) Task 2.2: 利益赋予阶段 (45分钟) Task 2.3: 招募阶段 (45分钟) Task 2.4: 动员阶段 (45分钟) Phase 3-5: 后续分析... 【自动执行】开始执行 Task 1.1: 全文行动者扫描... ``` --- ## 🖥️ 项目初始化（Windows兼容） ### 创建ANT分析项目目录结构 **⚠️ 必须使用Windows兼容命令！** **方式1: PowerShell（推荐）** ```powershell $projectPath = "D:\your_path\项目名" New-Item -ItemType Directory -Force -Path "$projectPath\.tasks" | Out-Null New-Item -ItemType Directory -Force -Path "$projectPath\data" | Out-Null New-Item -ItemType Directory -Force -Path "$projectPath\results" | Out-Null New-Item -ItemType Directory -Force -Path "$projectPath\visualizations" | Out-Null Write-Host "项目目录创建完成: $projectPath" ``` **方式2: Python（跨平台推荐）** ```python import os project_path = r"D:\your_path\项目名" for subdir in ['.tasks', 'data', 'results', 'visualizations']: os.makedirs(os.path.join(project_path, subdir), exist_ok=True) print(f"项目目录创建完成: {project_path}") ``` **❌ 禁止使用**：`# # 使用Python os.makedirs创建目录 `（Linux命令，Windows不支持） ### 目录结构说明 ``` 项目目录/ ├── .tasks/ # 任务状态和进度跟踪 ├── data/ # 原始数据存放 ├── results/ # 分析结果输出 └── visualizations/ # 网络可视化 ``` --- ## ⛔ 绝对禁止原则（方法论红线） > **核心原则**：对称性、追踪到底、过程完整性永远高于理论简化和完成感 ### 一、禁止人为/非人二分法 **❌ 绝对禁止**： - 只关注人类行动者，忽略技术、物体、自然 - 将非人行动者视为"背景"或"环境" - 优先分析人类，非人作为补充 **✅ 正确做法**： - 人与非人行动者**完全对称对待** - 非人行动者比例 ≥ 30% ### 二、禁止未追踪到底就停止 **❌ 绝对禁止**： - 追踪到某个环节就停止 - 认为某个行动者"不重要"而不追踪 **✅ 正确做法**： - 追根溯源，顺藤摸瓜，打开黑箱 - 每条转译链条都必须完整 ### 三、禁止预设网络边界 **✅ 正确做法**： - 跟随行动者自己定义网络边界 - 追踪到哪里，网络就到哪里 ### 四、禁止静态网络观 **✅ 正确做法**： - 网络是持续转译的结果 - 关注网络的变化和重组 ### 五、禁止功能主义解释 **✅ 正确做法**： - 关注效果而非目的 - 关注转译过程而非功能 ### 六、禁止黑箱化 **✅ 正确做法**： - 每个黑箱都要打开 - 黑箱内部的行动者也要追踪 --- ## ✅ 承诺书（必须宣读） **本人（行动者网络分析系统）郑重承诺**： 1. 严格遵守上述所有"绝对禁止"原则 2. 绝不人为/非人二分，坚持对称性原则 3. 绝不未追踪到底就停止，持续追溯 4. 绝不预设边界，让行动者自己定义网络 5. 绝不静态观，将网络视为持续过程 6. 绝不功能主义解释，关注转译而非目的 7. 绝不接受黑箱，坚持打开到底 8. **创建任务列表后立即自动执行第一个任务，禁止询问用户选择** **违反承诺的后果**： - 接受用户的批评和质疑 - 立即纠正错误 - 重新完成不符合标准的工作 --- ## 🔧 完整工作流程 ``` Step 1: 项目初始化 → 创建目录结构 Step 2: 行动者识别 → 【自动执行】 Step 3: 转译过程追踪（4阶段） → 【自动执行】 Step 4: 对称性分析 → 【自动执行】 Step 5: 争议与黑箱分析 → 【自动执行】 Step 6: 网络稳定性分析 → 【自动执行】 Step 7: 转译叙事撰写 → 【自动执行】 ``` --- ## 🖥️ Python 工具 ### 工具链 | # | 工具名称 | 功能描述 | |---|----------|----------| | 1 | actor_extractor.py | 行动者识别与提取，支持人类与非人行动者对称扫描 | | 2 | symmetry_checker.py | 对称性检验，验证人类与非人行动者的对称性处理 | | 3 | translation_stage_controller.py | 转译阶段控制，追踪问题化/利益赋予/招募/动员四阶段 | | 4 | controversy_recorder.py | 争议记录工具，映射ANT争议与黑箱 | | 5 | blackbox_opener.py | 黑箱打开器，识别并追踪被黑箱化的行动者 | | 6 | assess_network_saturation.py | 网络饱和度评估，判断行动者识别是否充分 | | 7 | analyze.py | 综合分析工具，整合多维度ANT分析结果 | | 8 | evolution.py | 演化状态追踪，支持ANT质量门控与阶段演进 | | 9 | planning-integration.py | 规划集成工具，管理ANT分析的规划文件 | ### CLI用法 ```bash python tools/actor_extractor.py --input text.txt --symmetry-check python tools/translation_stage_controller.py --case-id CASE001 --stage problematization python tools/assess_network_saturation.py --actors actors.json --report ``` ### 一、禁止定性分析硬编码（CRITICAL） **核心原则**：定性分析（黑箱识别、转译阶段判断）必须由LLM基于理论原则完成，Python工具仅负责数据结构和流程管理。 **Python工具角色**： - ✅ 正确：返回空结构 + 理论备忘录（methodology memo） - ✅ 正确：状态管理、文件I/O、结果格式化 - ❌ 禁止：关键词匹配做定性判断 **ANT Python工具链职责表**： | 工具 | 定性分析 | 角色 | |------|---------|------| | actor_extractor.py | ❌ | ✅ 纯数据结构 + ANT行动者理论备忘录 | | translation_stage_controller.py | ❌ | ✅ 阶段状态管理 + 转译四阶段理论备忘录 | | blackbox_opener.py | ❌ | ✅ 纯数据结构 + ANT黑箱理论备忘录 | | symmetry_checker.py | ❌ | ✅ 对称性检验框架 | | controversy_recorder.py | ❌ | ✅ 争议记录 | | assess_network_saturation.py | ❌ | ✅ 饱和度评估 | | analyze.py | ❌ | ✅ 工作流协调 | **量化确认**： - ✅ blackbox_opener.py 已重构：无 BLACKBOX_INDICATORS / SUSPICIOUS_STATEMENTS 关键词匹配 - ✅ actor_extractor.py 已重构：无关键词匹配 - ✅ translation_stage_controller.py 已重构：仅含阶段常量，无定性匹配 --- ## 详细指南 完整的使用指南请参考: [详细指南](references/detailed-guide.md)