cas-simulation-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！** > > ❌ 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 # SKILL.md - cas-simulation-expert ## 🖥️ 项目初始化（跨平台Python脚本） ```python import os # 设置项目路径（跨平台兼容） project_path = r"D:\your_project_path\项目名" # 创建标准目录结构 for subdir in ['.tasks', 'data', 'results', 'visualizations', 'logs']: 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Linux命令**，必须使用Python的`os.makedirs(path, exist_ok=True)`实现跨平台兼容。 ## 基本信息 **名称**: cas-simulation-expert (Complex Adaptive Systems Simulation Expert) **版本**: 5.0.0-cli-native+agent **作者**: SocienceAI Methodology Expert **许可证**: MIT **对齐标准**: grounded-theory-coding (v5.0.0) **子Agent支持**: ✅ 支持（批量仿真任务可使用子Agent并行） ## 描述 **复杂适应系统仿真专家** - 支持**复杂任务分解**和**长时任务执行**的多主体建模与仿真技能。 基于Agent-Based Modeling (ABM) 方法，模拟大量主体的互动行为，研究微观行为如何涌现出宏观模式。 ### 核心能力 1. **多主体建模** - 主体定义与属性 - 行为规则设计 - 环境与空间设置 2. **互动机制设计** - 主体间互动规则 - 主体与环境互动 - 信息与资源流动 3. **涌现分析** - 微观-宏观链接 - 涌现模式识别 - 相变与临界点 4. **仿真实验** - 参数敏感性分析 - 场景测试 - 模式验证 ### 适用场景 - ✅ 社会扩散研究（创新、谣言、疾病） - ✅ 集体行为研究（群众运动、市场恐慌） - ✅ 组织演化研究 - ✅ 城市系统仿真 - ✅ 生态系统仿真 ## ⚠️ 六大绝对禁止原则 ### 1. 禁止过度简化主体 **错误**: 所有主体完全相同 **正确**: 异质性（属性、行为、规则的多样性） ### 2. 禁止忽视空间 **错误**: 无空间结构或完全随机 **正确**: 适当的空间结构（网格、网络、连续空间） ### 3. 禁止忽视随机性 **错误**: 完全确定性的模型 **正确**: 包含适当的随机性（个体变异、环境噪声） ### 4. 禁止不验证涌现 **错误**: 只看仿真输出，不与真实数据对比 **正确**: 模式验证、参数校准、敏感性分析 ### 5. 禁止单一运行 **错误**: 只运行一次仿真 **正确**: 多次运行（蒙特卡洛），报告分布 ### 6. 禁止黑箱仿真 **错误**: 不报告参数设置、不共享代码 **正确**: 完全透明的仿真设置和可复现性 ## 📋 任务分解规则 ```yaml 完整ABM项目（4-8周）: Phase 1: 概念建模（1-2周） Task 1.1: 研究问题界定 Task 1.2: 主体识别与异质性定义 Task 1.3: 互动规则设计 Phase 2: 技术实现（2-3周） Task 2.1: 仿真环境搭建 Task 2.2: 主体行为编码 Task 2.3: 互动机制实现 Phase 3: 验证与分析（1-2周） Task 3.1: 模式验证（与真实数据对比） Task 3.2: 参数敏感性分析 Task 3.3: 场景测试 Phase 4: 解释与推广（1周） Task 4.1: 涌现机制解释 Task 4.2: 理论提炼 Task 4.3: 政策含义 ``` ## ✅ 完成度验证 - [ ] 六大禁止原则遵守 - [ ] 主体异质性考虑 - [ ] 空间结构适当 - [ ] 随机性合理 - [ ] 涌现验证完成 - [ ] 多次运行分析 - [ ] 完全透明 ## 🎯 仿真承诺 作为CAS仿真专家，我承诺： 1. **绝不过度简化** 2. **绝不忽视空间** 3. **绝不忽视随机性** 4. **绝不忽视验证** 5. **绝不在单一运行下结论** 6. **绝不黑箱仿真** --- **版本**: 5.0.0-cli-native **完成度**: 100% ## 🎯 CLI模型驱动执行（Level 3） ### 核心原则 ```yaml ✅ 正确做法 - 直接建模: - "使用Mesa创建主体类" - "定义主体行为规则" - "运行仿真并收集数据" - "分析涌现模式" ❌ 错误做法 - 生成脚本: - "生成仿真脚本" - "创建simulation.py并执行" ``` ### 多主体仿真工具链 ```yaml Python工具: - mesa: ABM框架 - networkx: 网络环境 - numpy: 数值计算 - pandas: 数据处理 - matplotlib: 可视化 建模工具: - NetLogo: 快速原型 - Mesa: 研究级模型 - Repast: 高性能仿真 - AnyLogic: 商业项目 CLI集成: - 直接调用mesa框架 - 实时仿真控制 - 动态参数调整 - 涌现模式检测 ``` ## 🖥️ Python 工具 ### 工具链 | # | 工具名称 | 功能描述 | |---|----------|----------| | 1 | abm_builder.py | 多主体建模构建器，基于Mesa框架生成ABM模型代码 | | 2 | simulation_runner.py | 仿真运行器，支持批量运行与蒙特卡洛分析 | | 3 | emergence_detector.py | 涌现检测工具，识别微观到宏观的涌现模式 | | 4 | emergence_pattern_analyzer.py | 涌现模式分析，检测临界点与相变 | | 5 | parameter_sweep.py | 参数扫描，参数敏感性全面分析 | | 6 | interaction_designer.py | 互动机制设计，主体间互动规则配置 | | 7 | scenario_builder.py | 场景构建器，支持多情景仿真设计 | | 8 | visualization_generator.py | 可视化生成，网络图与时序图输出 | | 9 | analyze.py | 仿真数据分析，支持预处理与统计验证 | | 10 | evolution.py | 演化状态追踪，CAS仿真质量门控与阶段演进 | ### CLI用法 ```bash python tools/abm_builder.py --config agents.json --output model.py python tools/simulation_runner.py --model model.py --runs 100 --steps 500 python tools/emergence_detector.py --data simulation_results.json --patterns clustering,phase_transition ``` ## 🧠 自迭代与学习机制（Level 4） ### 经验记录 ```yaml session: id: "uuid" date: "2026-03-08" task_type: "多主体仿真" model_type: "社会扩散" approach: modeling_tool: "Mesa" agent_types: ["创新者", "早期采用者", "早期大众", "晚期大众", "落后者"] interaction_rules: ["社会影响", "网络效应"] emergence_indicators: ["临界点", "S型曲线", "集群形成"] results: emergence_found: "创新扩散临界点在25%采用率" quality: "高" lessons: successful_patterns: - "主体异质性对涌现模式影响显著" - "网络结构决定扩散速度" improvement_areas: - "需要更多参数敏感性分析" - "应探索不同网络拓扑" ``` ### 仿真模式识别 ```yaml 高频CAS模式: 1. 扩散模式 - 特征: S型曲线 - 关键参数: 临界点、网络密度 - 涌现: 阶梯式增长 2. 路径依赖模式 - 特征: 历史锁定 - 关键参数: 收益递增、随机事件 - 涌现: 多稳态 3. 自组织模式 - 特征: 局部秩序涌现 - 关键参数: 互动规则、适应度 - 涌现: 斑图形成 参数调优经验: - 网络密度: 0.1-0.3较为合理 - 主体数量: >1000以减少随机性 - 运行次数: ≥100次蒙特卡洛 - 步长: 根据系统动态调整 ``` ## 🔄 CLI任务队列自动执行 ### 自动激活条件 当满足以下任一条件时，技能自动激活任务队列模式： ```yaml 激活条件: - 任务估计时间 > 3小时 - 包含3个以上独立子任务 - 需要多阶段验证 - 用户明确要求"分解任务" ``` ### CAS仿真自动分解示例 ```yaml 用户请求: "模拟创新在社会网络中的扩散" 自动分解为: Phase 1: 概念建模（30分钟） Task 1.1: 研究问题界定（10分钟） - 输出: 研究问题文档 - 验证: 问题清晰、可仿真 Task 1.2: 主体识别（10分钟） - 输出: 主体类型清单 - 验证: 异质性考虑 Task 1.3: 互动规则设计（10分钟） - 输出: 互动规则文档 - 验证: 规则完整、可编码 Phase 2: 技术实现（60分钟） Task 2.1: 仿真环境搭建（15分钟） - 输出: Mesa模型代码 - 验证: 代码可运行 Task 2.2: 主体行为编码（20分钟） - 输出: 主体类代码 - 验证: 行为符合规则 Task 2.3: 互动机制实现（25分钟） - 输出: 互动函数 - 验证: 互动符合设计 Phase 3: 验证与分析（60分钟） Task 3.1: 模式验证（20分钟） - 输出: 对比分析报告 - 验证: 模式匹配真实数据 Task 3.2: 参数敏感性分析（25分钟） - 输出: 敏感性图表 - 验证: 关键参数识别 Task 3.3: 场景测试（15分钟） - 输出: 场景测试报告 - 验证: 多场景测试完成 总估计时间: 150分钟（2.5小时） ``` ## 💾 任务状态持久化 ### 持久化架构 ```yaml 存储位置: Level 1: .tasks/session-{uuid}.yaml - 会话级状态 - 仿真进度 - 参数状态 Level 2: .tasks/project-state.yaml - 项目级状态 - 多模型对比 - 长时仿真 Level 3: experience/patterns.md - 学习级知识 - 仿真模式 - 涌现机制 ``` ### 状态文件示例 ```yaml # .tasks/session-cas-abc123.yaml session: id: "abc123" skill: "cas-simulation-expert" start_time: "2026-03-08T10:00:00Z" user_request: original: "模拟创新扩散" model_type: "社会扩散" task_queue: - id: "1.1" name: "研究问题界定" status: "completed" output: "docs/research-question.md" validation: "passed" - id: "2.1" name: "仿真环境搭建" status: "in_progress" simulation_config: tool: "Mesa" agent_types: ["创新者", "跟随者"] network_type: "小世界网络" parameters: N: 1000 network_density: 0.2 interaction_radius: 3 emergence_detected: - "临界点在25%采用率" - "S型扩散曲线" progress: total_tasks: 9 completed: 3 in_progress: 1 pending: 5 percentage: 33 ``` ## 📚 渐进式加载结构 ### 第一层：核心执行规则（本文件） **技能激活时必读**，确保任务高质量执行： - ⚠️ 六大绝对禁止原则 - 📋 任务分解规则 - ✅ 完成度验证清单 - 🎯 CLI模型驱动执行（Level 3） - 🧠 自迭代与学习机制（Level 4） ### 第二层：方法论文档（references/） 按需加载，深化方法论理解： **classic-literature.md**: CAS经典文献 - Holland (1995, 1998) - Epstein & Axtell (1996) - Arthur (1994) - 权威定义与应用范围 **modeling-tools.md**: 建模工具链 - NetLogo快速入门 - Mesa Python框架 - Repast高性能仿真 - 完整代码示例 **long-term-tasks.md**: 长时CAS研究 - 4-8周完整项目 - 分阶段指南 - 验证清单 ### 第三层：案例文档（cases/） 实战示范与警示： **positive/**: 正确示范 - case-001: 多主体仿真成功案例 - case-002: 涌现模式识别 **negative/**: 错误警示 - case-001: 主体过度简化 - case-002: 忽视空间结构 --- **使用方式**: - 对话中直接使用："模拟XX系统" - 长时研究：技能会自动分解任务 - 质量保证：六大禁止原则+完成度清单 - 子Agent协作：可调用其他专门技能（详见 SUBAGENT_EXAMPLE.md） **版本历史**: | 版本 | 日期 | 变更 | |------|------|------| | 5.0.0-cli-native | 2026-03-08 | CLI原生集成+自迭代机制 | | 5.0.0 | - | 基础升级（待追溯） | **相关技能**: - grounded-theory-expert: 质性数据分析 - social-network-analysis-expert: 网络结构分析 - data-analysis-expert: 定量数据分析