# Cascade Prediction

> 用户需要预测某个局部问题会如何扩散到其他部分时;当系统中一个环节出了问题需要评估连锁影响时; 当需要提前在传变路径上设防时;当用户说"这个问题会不会引发其他问题"或"如果不处理会怎样"时。 不适用于: 孤立问题不会产生连锁反应的场景;各环节完全独立的松耦合系统。

- Skill: `kangarooking/cascade-prediction` (Agent Skill, multi-file: 2 files)
- Install (CLI): `npx skillmds@latest add kangarooking/cascade-prediction`
- Raw SKILL.md: https://api.skillmd.com/api/skills/kangarooking/cascade-prediction/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Coding & Dev Tools
- Author: kangarooking (https://skillmd.com/u/kangarooking)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/kangarooking/cascade-prediction

---


# Cascade Prediction — 脏腑传变预测法

## R — 原文 (Reading)

> 五脏受气于其所生，传之于其所胜，气舍于其所生，死于其所不胜。
> 病之且死，必先传行，至其所不胜，病乃死。
> ……五脏相通，移皆有次。五脏有病，则各传其所胜。
>
> — 《黄帝内经·素问》，玉机真藏论篇第十九

---

## I — 方法论骨架 (Interpretation)

系统中的问题不会停留在原地——它会沿着固定的路径向外传播。
素问用五脏相克的链条来描述这个传播路径：
肝(木)→脾(土)→肾(水)→心(火)→肺(金)→肝(木)，
每个环节的问题都会传给"它所克"的下一个环节。

这个方法论的核心价值在于：问题不是随机扩散的，而是有方向、有次序的。
掌握了传播路径，就可以提前预判下一个受害的环节，在那里预先布防。

它包含三个关键操作：
第一，定位——当前问题出在哪个环节；
第二，画路径——按相克链推出问题的传播方向和顺序；
第三，设防——不等问题传到下一个环节，提前在那里加固。

这个思路迁移到任何有"环节A出问题会影响环节B"的系统都适用——
组织管理、供应链、技术架构、生态链条，只要能画出"谁影响谁"的传递路径，
就能用传变预测来防患于未然。

---

## A1 — 书中的应用 (Past Application)

### 案例 1: 五脏传变路径与时间预测
- **问题**: 五脏之病不治，会如何传变？何时会危及生命？
- **方法论的使用**: 素问给出了完整的传变路径：肝受气于心(木生火)→传之于脾(木克土)→气舍于肾(水生木)→至肺而死(金克木)。心、脾、肺、肾各有类似的链条。并且给出了传变的时间预估："法三月，若六月，若三日，若六日"。
- **结论**: 传变有固定方向(所胜)和终点(所不胜)，预判了路径就可以在中间环节阻断。
- **结果**: 能预判疾病走向的医生("上工")可以在传变途中拦截，不能预判的("下工")只能被动应付。

### 案例 2: 外痹内传五脏
- **问题**: 风寒湿引起的痹症(外感)如何影响内脏？
- **方法论的使用**: 痹论指出：骨痹不已→内舍于肾，筋痹不已→内舍于肝，脉痹不已→内舍于心……外部的病邪沿着特定的对应关系逐步深入内脏。
- **结论**: 外部问题如果持续不解决，会按固定路径向深层传播——从功能层(筋骨脉肌皮)传到核心层(五脏)。
- **结果**: 提示必须在痹症尚在外层时就积极治疗，防止内传。

---

## A2 — 触发场景 (Future Trigger) ★

### 用户会在什么情境下需要这个 skill?

1. **局部问题需评估全局影响**: 某个部门/模块/组件出了问题，用户需要预测这个问题会沿着什么路径扩散，最终影响哪些环节。
2. **预防性布防**: 用户知道某处出了问题，想在问题扩散之前提前加固下游环节，而不是等问题传到再仓促应对。
3. **复盘连锁故障**: 系统已经发生了连锁崩溃，用户需要回溯问题的传播路径，理解为什么A坏了最终导致Z也坏了。

### 语言信号 (用户的话里出现这些就应激活)

- "这个问题会不会引发其他问题？"
- "如果不处理会怎样？"
- "一处出问题，其他地方会不会跟着出事？"
- "需要提前在哪里布防？"
- "连锁反应/多米诺效应"
- "这个问题会扩散到什么范围？"

### 与相邻 skill 的区分

- 与 `context-adaptation` 的区别: 传变预测关注的是问题在时间维度上的扩散路径(下一步会怎样)，因地制宜关注的是问题在空间维度上的环境适配(换个地方怎么办)。前者是纵向预测，后者是横向适配。
- 与 `negative-feedback` 的区别: 传变预测是"问题沿着链条传播"，亢害承制是"某个力量过度亢盛需要引入制衡"。前者是线性传播，后者是过冲-回调。

---

## E — 可执行步骤 (Execution)

当 skill 被激活后, agent 应按以下步骤执行:

1. **定位当前问题所在的环节**
   - 将系统拆解为若干环节/模块/部门，确定问题当前出在哪一个环节。
   - 完成标准: 明确标注"当前问题位置"以及该环节的核心功能。

2. **画出传变路径图(相克链)**
   - 梳理系统中各环节之间的"谁影响谁"关系，画出传递链条。
   - 从当前问题环节出发，沿传递方向逐级推导：问题会传到哪个环节？再下一个是哪个？
   - 标记每个环节的"承受能力"：哪些环节脆弱(容易传变)，哪些环节有缓冲(可能阻断传播)。
   - 完成标准: 产出一幅传变路径图，标注每一步的传播方向和预计影响时间。
   - 判停条件: 若系统各环节完全独立无传递关系，则不存在传变路径，此 skill 不适用。

3. **在下一个环节提前布防**
   - 针对传变路径上的第一个下游环节，立即部署预防措施。
   - 同时评估：是否需要在更远的下游也预先加固。
   - 完成标准: 产出布防方案——在每个关键节点标注"预防措施"和"早期预警信号"。

---

## B — 边界 (Boundary) ★

### 不要在以下情况使用此 skill

- **各环节完全独立的系统**: 如果模块A出问题不会影响模块B，就不存在传变路径，此方法无用武之地。
- **一次性事件不会引发连锁反应**: 如单个人员的偶尔失误，如果没有系统性传导机制，不需要画传变路径。

### 作者在书中警告的失败模式

- 不知传变次第就治疗——素问说"五脏相通，移皆有次"，不了解传播规律就无法预判走向，只能被动追着问题跑。
- 只治当前环节不管下游——"头痛医头脚痛医脚"就是不知道传变的典型表现，问题是治好了这里那里又冒出来了。

### 作者的盲点 / 时代局限

- 素问的传变路径是固定的(五行相克顺序)，而现实系统的传播路径往往是网络状的、多向的，甚至可能有反馈环。需要在"相克链"基础上增加更灵活的网络分析。
- 古代没有量化工具，传变时间只能粗略估算("三月/六月/三日/六日")，现代可以结合数据分析做更精确的时间预测。

### 容易混淆的邻近方法论

- "风险传播分析"——现代风险管理中的传播分析通常是概率驱动的，传变预测法更强调"必然路径"和"结构化布防"，操作更简洁。
- "根本原因分析(RCA)"——RCA是回溯找根因(为什么出问题)，传变预测是前瞻看走向(问题会往哪里去)，方向相反但互补。

---

## 相关 skills (阶段 3 填充)

- depends-on: five-elements-network — 传变预测的传播路径(肝→脾→肾→心→肺→肝)直接来自五行相克链条(木克土、土克水、水克火、火克金、金克木)。不理解五行生克关系就无法画出正确的传变路径图。
- composes-with: prevention-strategy — 传变预测回答"问题会沿什么路径扩散",治未病回答"在扩散路径上如何提前设防"。两者组合实现"预测传播→提前布防"的完整预防链条,即素问所谓"上工治未病"的具体操作。

---

## 审计信息

- **验证通过**: V1 ✓ / V2 ✓ / V3 ✓
- **测试通过率**: {{%}} (详见 test-prompts.json)
- **蒸馏时间**: 2026-04-18