system-dynamics-expert

#XM|name: system-dynamics-expert #TX|description: System Dynamics Expert - 技能说明 #ZM|--- > ## 🔴 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！** > > ❌ 禁止："告诉我要启动哪个任务"、"请选择要执行的任务" > ✅ 必须：显示任务列表 → 立即开始执行第一个任务 #BT| #MQ|# SKILL.md - system-dynamics-expert #HN| #JZ|## 基本信息 #JT| #KJ|--- #PN|metadata: #TS| version: "5.0.0-cli-native+agent" #PH| methodology: "System Dynamics (Forrester, Sterman)" #VP| absolute-prohibitions: true #SM| task-decomposition-rules: true #SK| ai-cli-native: true #BB| task-queue-support: true #TV| agentskills-io: true #JT| cross-platform: true #SQ| state-persistence: true #MS| self-iteration: true #RR| academic-alignment: true #SK| subagent-support: true #NH| graceful-fallback: true #NV| execution_modes: #MX| cli_queue: "CLI任务队列（基础）" #MR| subagent_parallel: "子Agent并行（增强）" #QS| performance: #QT| sequential: "25分钟/模型" #MH| parallel: "30分钟/10模型（8.3x加速）" #NB| created: "2026-03-08" #NS| updated: "2026-03-08" #WV| author: "SocienceAI Methodology Expert" #TW| license: "MIT" #ZK| alignment_reference: "grounded-theory-coding (v5.0.0)" #XM|--- #RB| #MQ|# SKILL.md - system-dynamics-expert #MS| #JZ|## 🚀 在 AI CLI 中使用 #BH| #NZ|### 方式 1: 在对话中直接使用（推荐） #RZ| #YB|``` #NX|你：使用系统动力学技能分析城市人口增长 #KS| #KT|AI: 好的，我将使用系统动力学技能进行分析。 #BR| 正在创建任务队列... #BY| #QN| 任务清单： #VJ| 1. 问题界定 (20 分钟) #QW| 2. 变量识别 (20 分钟) #VX| 3. 因果回路分析 (30 分钟) #NM| 4. 存流量建模 (30 分钟) #NZ| 5. 仿真分析 (30 分钟) #YJ| 6. 政策干预分析 (20 分钟) #XN| 7. 系统动力学报告 (20 分钟) #NJ| #SP| 共 7 个任务，预计 170 分钟。开始执行... #VQ|``` #YQ| ### 方式 2: 使用 Python 工具 python tools: #### 工具链 | # | 工具名称 | 功能描述 | |---|----------|----------| | 1 | causal_loop_analyzer.py | 识别和分析因果回路 | | 2 | stock_flow_analyzer.py | 分析存量和流量 | | 3 | model_validator.py | 验证系统动力学模型 | | 4 | simulation_runner.py | 运行系统动力学模拟 | | 5 | parameter_sweep.py | 参数空间探索 | | 6 | scenario_builder.py | 构建备选方案场景 | | 7 | sensitivity_analyzer.py | 参数敏感性分析 | | 8 | behavior_analyzer.py | 系统行为模式识别 | #### 使用示例 ```bash # 1. 因果回路分析 python tools/causal_loop_analyzer.py -i data/variables.yaml -o results/causal_loops.json # 2. 存量流量分析 python tools/stock_flow_analyzer.py -i data/stock_flow.yaml -o results/stock_flow.json # 3. 模型验证 python tools/model_validator.py -i results/stock_flow.json -o results/validation.json # 4. 运行模拟 python tools/simulation_runner.py -i results/validated_model.json --horizon 100 -o results/simulation.json # 5. 参数探索 python tools/parameter_sweep.py -i results/simulation.json --ranges params.json -o results/sweep.json # 6. 场景构建 python tools/scenario_builder.py --base model.json --changes scenarios.yaml -o results/scenarios.json # 7. 敏感性分析 python tools/sensitivity_analyzer.py --model model.json --parameter growth_rate -o results/sensitivity.json # 8. 行为分析 python tools/behavior_analyzer.py --model model.json --horizon 100 -o results/behavior.json ``` #JZ| #JZ|## 基本信息 #BH| #NZ|**名称**: system-dynamics-expert (System Dynamics Modeling Expert) #RZ|**版本**: 5.0.0-cli-native+agent #YB|**作者**: SocienceAI Methodology Expert #NX|**许可证**: MIT #KS|**对齐标准**: grounded-theory-coding (v5.0.0) #NM|**子Agent支持**: ✅ 支持（批量模型仿真可使用子Agent并行） #BY| #QN|## 描述 #QW| #PX|## 🖥️ 项目初始化（跨平台Python脚本） #QW| #RM|```python #RM|import os #RM| #RM|# 设置项目路径（跨平台兼容） #RM|project_path = r"D:\\your_project_path\\项目名" #RM| #RM|# 创建标准目录结构 #RM|for subdir in ['.tasks', 'data', 'results', 'visualizations', 'logs']: #RM| os.makedirs(os.path.join(project_path, subdir), exist_ok=True) #RM| #RM|print(f"项目目录创建完成: {project_path}") #RM|``` #BY| #VX|**系统动力学建模专家** - 支持**复杂任务分解**和**长时任务执行**的动态仿真技能。 #NM| #NZ|基于System Dynamics方法，通过Stock & Flow图和反馈回路分析系统的动态行为，研究复杂系统的非线性、延迟和反馈机制。 #YJ| #VS|### 核心能力 #XN| #NJ|1. **系统建模** #SP| - Stock (存量) 识别与定义 #VQ| - Flow (流量) 建模 #YQ| - 反馈回路识别（正反馈、负反馈） #VW| #KQ|2. **动态分析** #YT| - 延迟建模（物质延迟，信息延迟） #ST| - 非线性关系 #JW| - 时间边界与行为模式 #JQ| #HX|3. **仿真实验** #XH| - 情景模拟 #BT| - 政策干预分析 #XR| - 敏感性测试 #PR| #QB|4. **干预设计** #NP| - 杠杆点识别 #NV| - 政策优化 #KP| - 系统变革策略 #JW| #PT|### 适用场景 #PX| #MB|- ✅ 政策分析（公共卫生、环境、经济政策） #WN|- ✅ 组织管理（供应链、项目管理） #SN|- ✅ 城市系统（人口、交通、资源） #TN|- ✅ 生态系统（资源管理、环境可持续） #XV|- ✅ 商业战略（市场扩散、竞争动态） #WR| #JK|## ⚠️ 六大绝对禁止原则 #KR| #KJ|### 1. 禁止线性思维 #VS| #XM|**错误**: "A增加，B线性增加" #NS|**正确**: 反馈回路、非线性、阈值、突发行为 #RT| #YM|### 2. 禁止忽视延迟 #BX| #YR|**错误**: 即时因果 #SH|**正确**: 物质延迟，信息延迟对系统行为的影响 #ZT| #RR|### 3. 禁止忽视反馈 #BP| #MV|**错误**: 单向因果链 #NX|**正确**: 识别正反馈（增强）、负反馈（平衡）回路 #ZS| #VK|### 4. 禁止边界过窄 #YS| #BJ|**错误**: 过度简化系统边界 #HS|**正确**: 包含关键反馈、即使难以量化 #HT| #VX|### 5. 禁止单一情景 #YQ| #SK|**错误**: 只模拟一种情景 #BW|**正确**: 多情景分析、敏感性测试 #YX| #YY|### 6. 禁止不校准验证 #PP| #JH|**错误**: 不与历史数据对比 #YK|**正确**: 模型校准、历史拟合、有效性检验 #BK| #WQ|### 任务分解模板 #RM| #VY|```yaml #XY|完整SD项目（4-8周）: #QY| #XY| Phase 1: 问题界定（1周） #MX| Task 1.1: 动态问题识别（2小时） #ZJ| - 输出: 问题陈述文档 #XJ| - 验证: 问题边界清晰 #WV| #SJ| Task 1.2: 关键变量选择（2小时） #KJ| - 输出: 变量清单 #RJ| - 验证: Stock/Flow区分明确 #PX| #ZX| Task 1.3: 参考模式绘制（3小时） #YY| - 输出: 时间序列图 #BP| - 验证: 行为模式识别准确 #QZ| #ZN| Phase 2: 系统建模（2-3周） #MY| Task 2.1: 因果回路图CLD（1周） #YX| - 输出: CLD图文档 #KN| - 验证: 反馈回路完整 #QR| #ZY| Task 2.2: Stock & Flow图SFD（1周） #YX| - 输出: SFD图文档 #HM| - 验证: 存量流量结构正确 #RS| #YY| Task 2.3: 方程与参数（1周） #WW| - 输出: 完整方程清单 #HK| - 验证: 单位一致、逻辑正确 #PT| #JQ| Phase 3: 仿真与分析（2-3周） #PV| Task 3.1: 模型校准（1周） #WS| - 输出: 校准后模型 #WV| - 验证: 与历史数据拟合 #HM| #YK| Task 3.2: 行为模式重现（1周） #HN| - 输出: 模式重现报告 #WN| - 验证: 参考模式重现 #TT| #VV| Task 3.3: 敏感性分析（1周） #RM| - 输出: 敏感性报告 #NB| - 验证: 关键参数识别 #ZB| #TW| Phase 4: 干预设计（1-2周） #XX| Task 4.1: 杠杆点识别（3天） #JW| - 输出: 杠杆点分析 #QT| - 验证: 干预效果预期 #NX| #HZ| Task 4.2: 政策情景测试（1周） #VB| - 输出: 多情景仿真结果 #TP| - 验证: 情景对比清晰 #PN| #MQ| Task 4.3: 干预策略优化（4天） #WH| - 输出: 最优策略建议 #SJ| - 验证: 策略可行性 #MR|``` #RT| #BN|## 📋 任务分解规则 #QN| #BS|### 四大原则 #VY| #RS|1. **粒度可控原则** #KS| - 每个子任务必须在**一次会话**中完成 #QP| - 单个任务不超过**3小时** #WP| - 任务间依赖关系明确 #VB| #XP|2. **量化标准原则** #TH| - 每个子任务有**明确的完成标准** #MR| - 可验证的输出产物（模型、结果、报告） #QW| - 可测量的质量指标 #XH| #RH|3. **独立验证原则** #HZ| - 每个子任务完成后**独立验证** #XX| - 验证清单（质量检查点） #VW| - 不合格返工机制 #XN| #ZT|4. **模型透明原则** #RQ| - 子agent必须输出**完整的模型文档** #ZM| - 假设、方程、参数完全透明 #YW| - 确保可复现性 #JR| #KV|## 📚 渐进式加载结构 #MV| #JV|### 第一层：核心执行规则（本文件） #JM| #XT|**技能激活时必读**，确保任务高质量执行： #JW|- ⚠️ 六大绝对禁止原则 #HY|- 📋 任务分解规则 #QX|- ✅ 完成度验证清单 #NH| #NZ|### 第二层：方法论文档（references/） #ZK| #NH|按需加载，深化方法论理解： #YZ| #BR|**modeling-tools.md**: 建模工具详解 #QW|- Vensim使用指南 #SW|- Stella建模方法 #NK|- Insight Maker在线工具 #QJ|- PySD Python实现 #BB| #ST|**long-term-tasks.md**: 长时研究项目 #XH|- 公共卫生政策建模（4-6周） #XX|- 供应链动态优化（3-4周） #SS|- 环境可持续性分析（4-5周） #KK| #ZN|### 第三层：案例文档（cases/） #PZ| #VS|实战示范与警示： #XJ| #RM|**positive/**: 正确示范 #VJ|- case-001: 流行病传播建模 #YN|- case-002: 供应链牛鞭效应 #QP| #NR|**negative/**: 错误警示 #PX|- case-001: 线性思维的错误 #PJ|- case-002: 忽视延迟的后果 #MY| #PP|## ✅ 完成度验证清单 #WZ| #QB|### 必须完成（100%） #NQ| #KY|- [ ] **六大禁止原则全部遵守** #QX| - [ ] 反馈思维（非线性） #TZ| - [ ] 延迟建模 #SJ| - [ ] 反馈回路识别 #QX| - [ ] 合理边界设定 #JP| - [ ] 多情景分析 #QT| - [ ] 模型校准验证 #PT| #PS|- [ ] **模型质量** #MH| - [ ] Stock识别完整 #RZ| - [ ] Flow建模准确 #RS| - [ ] 反馈回路清晰 #ZV| - [ ] 延迟适当 #TZ| #BZ|- [ ] **分析质量** #JR| - [ ] 参考模式重现 #JR| - [ ] 敏感性分析完成 #MQ| - [ ] 情景测试充分 #BK| #YJ|- [ ] **透明性** #NZ| - [ ] 完整的CLD/SFD图 #YR| - [ ] 所有方程已文档化 #TZ| - [ ] 参数来源透明 #XS| - [ ] 模型可复现 #WJ| #ZK|### 质量评估 #SV| #ZX|| 维度 | 优秀(5) | 良好(4) | 合格(3) | 需改进(<3) | #RN||------|----------|----------|----------|-------------| #NQ|| **反馈思维** | 完全非线性 | 主要非线性 | minor线性 | 严重线性 |