mcpField
G
grad-cas

grad-cas

github.com/asgard-ai-platform其他24338 次安装21 周前更新
代码仓库

关于 grad-cas

用于分析市场、组织和创新生态系统中复杂适应系统的思维技能。它关注 Agent 的局部互动如何形成涌现行为，而非精确的点预测。

主要功能

  1. 01界定系统边界与 Agent
  2. 02绘制互动关系和反馈回路
  3. 03识别系统涌现属性
  4. 04评估适应与协同演化
  5. 05识别相变与吸引子

适用场景

  1. 01分析无法由组成部分推知的行为
  2. 02考察自上而下控制组织的局限
  3. 03建模市场或创新生态系统的变化
  4. 04探究社会或经济系统的临界点

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/asgard-ai-platform/skills --skill grad-cas

安装后在 Claude Code 中输入/grad-cas确认已加载。

附带文件examples/sample_scenario.md

详细介绍

复杂适应系统（CAS）

概述

复杂适应系统由多种多样、彼此独立的 Agent 构成，它们依据简单规则进行局部交互，从而产生无法根据单个组成部分预测的整体涌现行为。CAS 具有自组织特性，会与环境共同演化，并运行于混沌边缘——即僵化秩序与随机无序之间的区域，在此区域中，适应与创新达到最大化。

适用场景

  • 分析无法根据组成部分的行为预测整体行为的系统
  • 理解为什么在某些组织或市场环境中，自上而下的控制会失效
  • 将创新生态系统、市场或组织变革建模为适应过程
  • 解释社会或经济系统中的突发相变或临界点

不适用场景

  • 系统确实简单且可分解时（使用线性模型）
  • 需要精确的定量预测时（CAS 给出的是模式，而非点预测）
  • 研究问题关注的是单个 Agent 的心理，而非系统层面的涌现时

假设

IRON LAW: In a CAS, system behavior EMERGES from local interactions
and CANNOT be predicted by analyzing individual components — the whole
is fundamentally different from the sum of parts.

关键假设：

  1. Agent 具有异质性、自主性和适应性（会学习并改变规则）
  2. 交互是局部且非线性的——微小原因可能产生巨大影响
  3. 不存在中央控制器——秩序由去中心化交互涌现
  4. 系统与环境共同演化——随着 Agent 适应，适应度景观会发生变化

方法

步骤 1：识别系统及其 Agent

定义系统边界。识别不同的 Agent、它们的决策规则及局部交互模式。

步骤 2：绘制交互拓扑

描述 Agent 如何交互：网络结构、反馈回路（正向和负向）、信息流以及资源依赖关系。

步骤 3：识别涌现属性

记录没有任何单个 Agent 设计或意图产生的系统级行为。留意自组织、模式形成、相变和吸引子。

步骤 4：评估适应动态

分析 Agent 如何根据结果修改规则，适应度景观如何通过共同演化发生变化，以及系统是否运行在混沌边缘附近。

输出格式

## CAS Analysis: [Context]

### System Identification
- System boundary: [what is inside/outside the system]
- Agent types: [categories of autonomous actors]
- Agent rules: [simple behavioral rules agents follow]

### Interaction Topology
| Agent Type | Interacts With | Mechanism | Feedback Type |
|------------|---------------|-----------|---------------|
| [type] | [partners] | [how] | [positive/negative] |

### Emergent Properties
- Observed emergence: [system behaviors not designed by any agent]
- Self-organization: [spontaneous order that has formed]
- Phase transitions: [sudden shifts observed or possible]

### Adaptive Dynamics
- Co-evolution: [how agents and environment change together]
- Fitness landscape: [stable peaks / shifting / rugged]
- Edge of chaos assessment: [too rigid / adaptive zone / too chaotic]

### Implications
1. [Why top-down intervention may fail or succeed]
2. [Leverage points for influencing system behavior]

注意事项

  • 涌现并不只是“复杂”——它指的是无法还原为组成部分的全新定性属性
  • 不要认为 CAS 意味着不可控；确实存在杠杆点，但需要先理解系统动态
  • 基于 Agent 的模型很有用，但其有效性取决于规则的设定——输入垃圾规则，只会得到垃圾涌现结果
  • 在社会系统中，混沌边缘是一种比喻，并非可精确测量的状态
  • CAS 思维并不能取代还原论分析——对于还原论失效的系统，它是有益的补充
  • 谨防用“复杂性”一词敷衍了事，以逃避严谨分析

参考资料

  • Holland, J. H. (1995). 隐藏的秩序：适应如何构建复杂性. Addison-Wesley.
  • Kauffman, S. A. (1993). 秩序的起源：演化中的自组织与选择. Oxford University Press.
  • Miller, J. H., & Page, S. E. (2007). 复杂适应系统：社会生活计算模型导论. Princeton University Press.

评论

支持 Markdown