| name | virtual-forum |
| description | 虚拟论坛：让蒸馏的人物Skill就特定话题展开讨论。
v5.0使用Claude Code CLI实现真正的多agent并行辩论。
内置博弈论分析模块（信号博弈、议价博弈、联盟博弈、行为经济学）。
触发词：「虚拟论坛」「发起讨论」「圆桌会议」「辩论」「主持讨论」「让XX YY讨论」
|
| version | 5.0.2 |
🎭 虚拟论坛 Virtual Forum v5.0
"让思想碰撞，让智慧涌现。"
v5.0 架构
v5.0 使用外部CLI实现真正的多agent并行辩论：
v5/debate_parallel.sh - Claude Code并行辩论脚本v5/game-theory/ - 博弈论分析模块（可独立使用）
不再维护：v3.x 和 v4.0 已废弃（代码已移除）
⚠️ 安全警告
v5.0 会读取本地Skill文件并发送到外部API。请注意：
- Skill内容外传：脚本读取
SKILL.md 文件内容，通过 claude --print 发送到外部
- 敏感信息：确保Skill文件中不包含密码、API密钥或其他私密信息
- 路径配置：使用环境变量
SKILLS_DIR 和 OUTPUT_DIR 避免硬编码路径
- 网络传输：所有Skill内容会通过HTTPS发送到Claude API
核心理念
虚拟论坛是一个多角色讨论框架，让蒸馏的人物Skill就特定话题展开有意义的对话。
不是简单的问答，而是结构化的思想交锋。
核心概念
两种讨论模式
| 模式 | 目标 | 适合场景 |
|---|
| 探索性讨论 | 多角度剖析 → 发展 → 结论 | 复杂问题、需要综合视角 |
| 对抗性讨论 | 争辩 → 交锋 → 胜负/共识 | 决策分歧、需要明确方向 |
| 决策型讨论 | 多专家投票 → 加权评分 → 行动 | 需要拍板、有明确选项 |
可配置参数
轮次: 10 / 20 / 50 轮
主持人: 总主持 + 技术主持（可选）+ 魔鬼代言（可选）
参与者: 2-N 人
发言限时: 3分钟 / 5分钟 / 不限时
胜负判定: 点数制 / 投票制 / 让步制
输出格式: 对话流 / 报告流 / 决策流
执行流程
Phase 1: 配置讨论
收集用户配置：
| 参数 | 选项 | 说明 |
|---|
| 话题 | 用户输入 | 要讨论的问题 |
| 模式 | 探索性/对抗性/决策型 | 讨论目标 |
| 轮次 | 10/20/50 | 讨论深度 |
| 参与者 | 2-N人 | 已蒸馏的Skill |
| 主持人风格 | 理性/犀利/整合 | 见下方 |
| 输出格式 | 对话流/报告流 | 结果展示 |
主持人风格：
| 风格 | 特点 | 适用场景 |
|---|
| 理性主持人 | 客观中立，善于引导 | 学习型讨论 |
| 犀利主持人 | 追问到底，挑战每个观点 | 深度分析 |
| 整合主持人 | 归纳推动，形成共识 | 决策讨论 |
Phase 2: 初始化讨论
-
加载参与者Skill
- 读取每个参与者的SKILL.md
- 提取心智模型、表达DNA、核心观点
-
生成开场白
-
分配角色（如有需要）
Phase 3: 执行讨论
每轮结构：
┌─────────────────────────────────────────┐
│ 第N轮 │
├─────────────────────────────────────────┤
│ 1️⃣ 轮流陈述 每人阐述观点 (限时) │
│ 2️⃣ 交叉提问 可以点名某人提问 │
│ 3️⃣ 回应追问 被点名者回应 │
│ 4️⃣ 自由交锋 随机或点名辩论 │
│ 5️⃣ 回合总结 主持人简要归纳 │
└─────────────────────────────────────────┘
不同模式的轮次差异：
| 模式 | 第1-2轮 | 第3-N-2轮 | 最后2轮 |
|---|
| 探索性 | 开场陈述 | 深入探讨 | 综合结论 |
| 对抗性 | 立论 | 质疑反驳 | 胜负判定 |
| 决策型 | 各方立场 | 利弊分析 | 投票表决 |
Phase 4: 追踪论点
论点追踪表：
┌──────────┬─────────┬─────────┬─────────┬─────────┐
│ 参与者 │ 核心论点 │ 被追问 │ 有效反驳│ 得分 │
├──────────┼─────────┼─────────┼─────────┼─────────┤
│ 巴菲特 │ 3个 │ 2次 │ 1次 │ +5 │
│ 芒格 │ 4个 │ 3次 │ 2次 │ +8 │
└──────────┴─────────┴─────────┴─────────┴─────────┘
得分规则：
- 提出有效论点：+2分
- 成功反驳对方：+3分
- 被有效反驳：-1分
- 回避问题：-2分
Phase 5: 判定结果
| 判定方式 | 说明 |
|---|
| 点数制 | 轮次结束统计点数，高分者胜 |
| 投票制 | 主持人/观众投票 |
| 让步制 | 一方主动承认对方更合理 |
| 无胜负 | 达成"保留分歧的共识" |
Phase 6: 生成输出
对话流格式：
🎙️ 主持人：开场
💬 A：观点
💬 B：回应
⚔️ A vs B：交锋
📋 主持人：总结
报告流格式：
# 讨论报告
## 话题
...
## 参与者
...
## 核心论点
### A方
...
### B方
...
## 共识
...
## 分歧
...
## 结果
...
决策流格式：
# 决策建议
## 问题
...
## 方案A | 方案B | 方案C
...
## 投票结果
...
## 建议行动
1. ...
2. ...
使用示例
# 启动虚拟论坛
发起讨论：巴菲特 vs 芒格，当前市场该激进还是保守？
# 指定配置
虚拟论坛
模式：对抗性
轮次：20
参与者：巴菲特、芒格、马斯克
主持人：犀利主持人
输出：对话流
# 快速启动
让乔布斯和马斯克讨论：电动车行业未来
技术实现
核心模块
virtual-forum/
├── forum-engine.js # 主讨论引擎
├── moderator.js # 主持人逻辑
├── argument-tracker.js # 论点追踪
├── verdict-calculator.js # 胜负判定
└── output-formatter.js # 输出格式化
关键功能
- Skill加载器：读取已蒸馏的Skill
- 观点生成器：基于Skill的思维框架生成观点
- 论点追踪器：记录每轮交锋
- 判定引擎：计算最终结果
- 格式化器：生成可读输出
与女娲的关系
女娲蒸馏人物，虚拟论坛让蒸馏的人物"活"起来。
- 女娲 → 造人：提取思维框架
- 虚拟论坛 → 用人：让框架互动
诚实边界
- 虚拟论坛的观点是基于Skill中记录的思维框架"模拟"生成
- 不是真正的人物在思考
- 结果应作为参考，不是真理
- 胜负判定是游戏化的，帮助结构化思考
v3.6 行为经济学增强版 (2026-04-12)
基于三本经典著作实现的行为经济学模块：
- 前景理论 (Kahneman & Tversky, 1979) - 风险决策分析
- 有限理性模型 (Simon & Jones, 1999) - 认知限制与决策
- 助推理论 (Thaler & Sunstein, 2008) - 选择架构设计
新增核心模块
const { BehavioralEconomicsSubagentArena } = require('./v3/behavioral-arena');
const arena = new BehavioralEconomicsSubagentArena();
await arena.initArenaWithBehavioralEconomics({
topic: "气候变化政策",
participants: [
{ name: "环保主义者", position: "激进减排" },
{ name: "经济学家", position: "成本效益平衡" }
],
rounds: 5
});
v3.7 博弈论增强版 (2026-04-18)
实现真正的博弈论计算，不再是"博弈论主题装饰"。基于：
- Myerson (1991) - Nash均衡计算公式
- Fudenberg & Tirole (1991) - 博弈论经典教材
- Brown (1951) - Fictitious Play学习动态
核心新增模块
const { GameTheoryArena, GameStructure, BayesianBeliefSystem } = require('./v3/game-theory-v2');
const arena = new GameTheoryArena();
await arena.initArenaWithGameTheory({
topic: "NVDA估值是否合理",
participants: [
{ name: "巴菲特", skillName: "buffett" },
{ name: "木头姐", skillName: "cathie-wood" }
],
discountFactors: { '巴菲特': 0.95, '木头姐': 0.85 },
outsideOptions: { '巴菲特': 15, '木头姐': 5 }
});
const eq = arena.calculateNashEquilibrium();
console.log(arena.getGameTheoryReport());
理论实现
1. 博弈结构 (GameStructure)
显式定义支付矩阵和策略空间：
- 策略空间: 每个参与者可选择"强硬"或"让步"
- 支付矩阵: 博弈收益的完整映射
- Nash均衡计算: 2x2博弈使用解析公式，更复杂博弈使用Fictitious Play近似
2. Nash均衡计算
2x2博弈解析解 (Myerson 1991):
p = (d - c) / (a + d - b - c)
其中:
a = A强硬B强硬的收益
b = A强硬B让步的收益
c = A让步B强硬的收益
d = A让步B让步的收益
N人博弈: 使用Fictitious Play迭代逼近均衡
3. 贝叶斯信念更新 (BayesianBeliefSystem)
真正的贝叶斯更新，非硬编码乘数：
P(H|E) = P(E|H) × P(H) / P(E)
// 例如：观察到攻击性行为 → 更新对手类型信念
posterior = bayesianUpdate('对手', 'aggressive')
// 返回: { prior, posterior, updateStrength }
博弈论功能
均衡分析
const eq = arena.calculateNashEquilibrium();
策略建议
const advice = arena.getStrategyAdvice('巴菲特');
贝叶斯预测
const prediction = arena.beliefSystem.predict('木头姐');
对比: v3.5 vs v3.7
| 功能 | v3.5 | v3.7 |
|---|
| 折扣因子 | ✅ | ✅ |
| BATNA外部选项 | ✅ | ✅ |
| 贝叶斯更新 | ⚠️ 硬编码乘数 | ✅ 真正的贝叶斯 |
| Nash均衡 | ❌ | ✅ 解析解+Fictitious Play |
| 支付矩阵 | ⚠️ 隐式 | ✅ 显式定义 |
| 占优策略检验 | ❌ | ✅ |
| 博弈树/逆向归纳 | ❌ | 🔜 后续版本 |
文件结构
v3/
├── behavioral/ # 行为经济学模块
├── behavioral-arena.js # v3.6 行为经济学竞技场
├── game-theory-arena.js # v3.5 博弈论竞技场（基础版）
└── game-theory-v2.js # v3.7 博弈论竞技场（真正实现）🆕
使用建议：
- 简单辩论使用
SubagentArena (v3.4)
- 博弈论分析使用
GameTheoryArena (v3.7) ← 推荐
- 行为经济学 + 博弈论使用
BehavioralEconomicsSubagentArena (v3.6)
行为经济学功能
1. 前景理论引擎
- 价值函数: 收益凹函数(风险厌恶) vs 损失凸函数(风险寻求)
- 概率加权: 高估小概率，低估中高概率
- 四折模式: 解释彩票偏好、保险购买、确定性效应
- 框架效应: 增益框架 vs 损失框架的偏好逆转
- 损失厌恶: λ ≈ 2.25，损失影响是收益的2.25倍
2. 有限理性引擎
- 满意化决策: 寻找足够好的方案而非最优
- 可得性启发: 基于记忆可提取性判断概率
- 代表性启发: 基于相似性判断，忽视基础概率
- 锚定调整: 从初始值出发，调整不足
- 双系统理论: 系统1(快速直觉) vs 系统2(慢速理性)
- 注意力模型: 注意力作为稀缺资源的分配
3. 助推理论引擎
- 选择架构: 默认选项、排序效应、简化选择
- 社会规范: 利用从众心理和社会证明
- 框架设计: 增益/损失/社会框架的应用
- 反馈机制: 即时反馈、社会比较、游戏化
- 承诺机制: 软承诺到硬承诺的设计
辩论中的应用
偏差检测
const insights = arena.analyzeRoundBehavior(roundData);
策略建议
const advice = arena.generateBehavioralAdvice(agentName, {
position: "支持",
opponentPosition: "反对",
topic: "议题",
audienceProfile: { riskAverse: true }
});
综合报告
const report = arena.generateBehavioralReport();
v3.9 高级博弈论完整版 (2026-04-18)
v3.8基础上新增P1级别模块：
- Rubinstein议价博弈 - 轮流议价模型
- Shapley联盟博弈 - 联盟价值分配与核心稳定性
理论依据：
- Rubinstein (1982) - 轮流议价均衡
- Shapley (1953) - 联盟博弈核心论文
核心新增模块
const {
SignalingGame,
RepeatedGameEngine,
InformationDesigner,
BargainingGame,
CoalitionGame,
AdvancedGameTheoryArena,
} = require('./v3/advanced-game-theory');
4. 议价博弈 (BargainingGame) [P1]
核心问题：蛋糕如何分配？谁先出价？耐心程度如何影响结果？
Rubinstein均衡公式：
p1_share = (1 - δ₂) / (1 - δ₁δ₂) // P1先出价时
p2_share = δ₂(1 - δ₁) / (1 - δ₁δ₂)
功能：
| 函数 | 说明 |
|---|
calculateEquilibrium(delta1, delta2, firstMover) | 计算均衡份额 |
generateOffer(player, myDelta, oppDelta, value) | 生成出价建议 |
evaluateOffer(player, offeredShare, myDelta, oppDelta) | 评估是否接受 |
getBargainingPhase() | 获取议价阶段分析 |
示例：
const bargaining = new BargainingGame();
const eq = bargaining.calculateEquilibrium(0.9, 0.85, 'player1');
const offer = bargaining.generateOffer('巴菲特', 0.9, 0.85, 100);
const eval = bargaining.evaluateOffer('马斯克', 0.35, 0.9, 0.85);
5. 联盟博弈 (CoalitionGame) [P1]
核心问题：谁和谁结盟？收益如何公平分配？联盟是否会崩溃？
Shapley公式：
φ_i(v) = Σ_{S⊆N\{i}} [|S|!(n-|S|-1)!/n!] × [v(S∪{i}) - v(S)]
功能：
| 函数 | 说明 |
|---|
calculateShapleyValues() | 计算Shapley值 |
calculateAllCoalitions() | 所有联盟及其价值 |
checkCoreStability(shapley) | 核心稳定性检测 |
predictOptimalCoalition() | 预测最优联盟 |
示例：
const coalition = new CoalitionGame();
coalition.init(['巴菲特', '马斯克', '木头姐'], (S) => {
if (S.length === 0) return 0;
if (S.length === 1) return 1;
if (S.length === 2) return 3;
return 5;
});
const shapley = coalition.calculateShapleyValues();
const stability = coalition.checkCoreStability(shapley.shapleyValues);
对比: v3.8 vs v3.9
| 功能 | v3.8 | v3.9 |
|---|
| 信号博弈 | ✅ | ✅ |
| 重复博弈 | ✅ | ✅ |
| 信息设计 | ✅ | ✅ |
| 议价博弈 | ❌ | ✅ |
| 联盟博弈 | ❌ | ✅ |
| Shapley值 | ❌ | ✅ |
| 核心稳定性 | ❌ | ✅ |
文件结构
v3/
├── behavioral/ # 行为经济学模块
├── behavioral-arena.js # v3.6
├── game-theory-arena.js # v3.5
├── game-theory-v2.js # v3.7
├── advanced-game-theory.js # v3.9 ⭐ 完整版
└── game-theory-v2.js # v3.7
使用建议：
- 简单辩论:
SubagentArena (v3.4)
- 博弈论分析:
GameTheoryArena (v3.7)
- 深度辩论（推荐）:
AdvancedGameTheoryArena (v3.9)
理论来源
-
Kahneman, D., & Tversky, A. (1979). Prospect Theory: An Analysis of Decision under Risk. Econometrica, 47(2), 263-291.
-
Jones, B. D. (1999). Bounded Rationality. Annual Review of Political Science, 2, 297-321.
-
Thaler, R. H., & Sunstein, C. R. (2008). Nudge: Improving Decisions About Health, Wealth, and Happiness. Yale University Press.
