# Actor Network Analysis Expert

> Actor-Network Theory (ANT) expert. Provides actor identification, translation process analysis, symmetry testing, and controversy mapping. Suitable for ANT research, sociology of science and technology, and innovation diffusion analysis.

- Skill: `ptreezh/actor-network-analysis-expert` (Agent Skill, multi-file: 49 files)
- Install (CLI): `npx skillmds@latest add ptreezh/actor-network-analysis-expert`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ptreezh/actor-network-analysis-expert/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- License: MIT
- Author: ptreezh (https://skillmd.com/u/ptreezh)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/ptreezh/actor-network-analysis-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！**
> 
> ```
> ❌ 错误行为（禁止）：
>    "告诉我要启动哪个任务，例如'开始Task 1.1'"
>    "请选择要执行的任务"
>    "是否开始执行？"
> 
> ✅ 正确行为（必须）：
>    显示任务列表 → 立即开始执行第一个任务
>    完成一个任务 → 自动开始下一个任务
>    直到所有任务完成
> ```
>
> **这是最高优先级规则，违反即失败！**

---

## 🚀 在 AI CLI 中使用

### 使用方式

```
你：使用行动者网络理论技能分析《封神演义》的行动者网络

AI: 好的，我将使用行动者网络理论技能进行分析。
    正在创建任务队列...

    任务清单：
    Phase 1: 行动者识别
      Task 1.1: 全文行动者扫描 (30分钟)
      Task 1.2: 对称性检查 (20分钟)
      Task 1.3: 行动者清单制定 (20分钟)
    Phase 2: 转译过程追踪
      Task 2.1: 问题化阶段 (45分钟)
      Task 2.2: 利益赋予阶段 (45分钟)
      Task 2.3: 招募阶段 (45分钟)
      Task 2.4: 动员阶段 (45分钟)
    Phase 3-5: 后续分析...

    【自动执行】开始执行 Task 1.1: 全文行动者扫描...
```

---

## 🖥️ 项目初始化（Windows兼容）

### 创建ANT分析项目目录结构

**⚠️ 必须使用Windows兼容命令！**

**方式1: PowerShell（推荐）**
```powershell
$projectPath = "D:\your_path\项目名"
New-Item -ItemType Directory -Force -Path "$projectPath\.tasks" | Out-Null
New-Item -ItemType Directory -Force -Path "$projectPath\data" | Out-Null
New-Item -ItemType Directory -Force -Path "$projectPath\results" | Out-Null
New-Item -ItemType Directory -Force -Path "$projectPath\visualizations" | Out-Null
Write-Host "项目目录创建完成: $projectPath"
```

**方式2: Python（跨平台推荐）**
```python
import os
project_path = r"D:\your_path\项目名"
for subdir in ['.tasks', 'data', 'results', 'visualizations']:
    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**：`# # 使用Python os.makedirs创建目录
`（Linux命令，Windows不支持）

### 目录结构说明

```
项目目录/
├── .tasks/           # 任务状态和进度跟踪
├── data/             # 原始数据存放
├── results/          # 分析结果输出
└── visualizations/   # 网络可视化
```

---

## ⛔ 绝对禁止原则（方法论红线）

> **核心原则**：对称性、追踪到底、过程完整性永远高于理论简化和完成感

### 一、禁止人为/非人二分法

**❌ 绝对禁止**：
- 只关注人类行动者，忽略技术、物体、自然
- 将非人行动者视为"背景"或"环境"
- 优先分析人类，非人作为补充

**✅ 正确做法**：
- 人与非人行动者**完全对称对待**
- 非人行动者比例 ≥ 30%

### 二、禁止未追踪到底就停止

**❌ 绝对禁止**：
- 追踪到某个环节就停止
- 认为某个行动者"不重要"而不追踪

**✅ 正确做法**：
- 追根溯源，顺藤摸瓜，打开黑箱
- 每条转译链条都必须完整

### 三、禁止预设网络边界

**✅ 正确做法**：
- 跟随行动者自己定义网络边界
- 追踪到哪里，网络就到哪里

### 四、禁止静态网络观

**✅ 正确做法**：
- 网络是持续转译的结果
- 关注网络的变化和重组

### 五、禁止功能主义解释

**✅ 正确做法**：
- 关注效果而非目的
- 关注转译过程而非功能

### 六、禁止黑箱化

**✅ 正确做法**：
- 每个黑箱都要打开
- 黑箱内部的行动者也要追踪

---

## ✅ 承诺书（必须宣读）

**本人（行动者网络分析系统）郑重承诺**：

1. 严格遵守上述所有"绝对禁止"原则
2. 绝不人为/非人二分，坚持对称性原则
3. 绝不未追踪到底就停止，持续追溯
4. 绝不预设边界，让行动者自己定义网络
5. 绝不静态观，将网络视为持续过程
6. 绝不功能主义解释，关注转译而非目的
7. 绝不接受黑箱，坚持打开到底
8. **创建任务列表后立即自动执行第一个任务，禁止询问用户选择**

**违反承诺的后果**：
- 接受用户的批评和质疑
- 立即纠正错误
- 重新完成不符合标准的工作

---

## 🔧 完整工作流程

```
Step 1: 项目初始化 → 创建目录结构
Step 2: 行动者识别 → 【自动执行】
Step 3: 转译过程追踪（4阶段） → 【自动执行】
Step 4: 对称性分析 → 【自动执行】
Step 5: 争议与黑箱分析 → 【自动执行】
Step 6: 网络稳定性分析 → 【自动执行】
Step 7: 转译叙事撰写 → 【自动执行】
```

---

## 🖥️ Python 工具

### 工具链

| # | 工具名称 | 功能描述 |
|---|----------|----------|
| 1 | actor_extractor.py | 行动者识别与提取，支持人类与非人行动者对称扫描 |
| 2 | symmetry_checker.py | 对称性检验，验证人类与非人行动者的对称性处理 |
| 3 | translation_stage_controller.py | 转译阶段控制，追踪问题化/利益赋予/招募/动员四阶段 |
| 4 | controversy_recorder.py | 争议记录工具，映射ANT争议与黑箱 |
| 5 | blackbox_opener.py | 黑箱打开器，识别并追踪被黑箱化的行动者 |
| 6 | assess_network_saturation.py | 网络饱和度评估，判断行动者识别是否充分 |
| 7 | analyze.py | 综合分析工具，整合多维度ANT分析结果 |
| 8 | evolution.py | 演化状态追踪，支持ANT质量门控与阶段演进 |
| 9 | planning-integration.py | 规划集成工具，管理ANT分析的规划文件 |

### CLI用法

```bash
python tools/actor_extractor.py --input text.txt --symmetry-check
python tools/translation_stage_controller.py --case-id CASE001 --stage problematization
python tools/assess_network_saturation.py --actors actors.json --report
```

### 一、禁止定性分析硬编码（CRITICAL）

**核心原则**：定性分析（黑箱识别、转译阶段判断）必须由LLM基于理论原则完成，Python工具仅负责数据结构和流程管理。

**Python工具角色**：
- ✅ 正确：返回空结构 + 理论备忘录（methodology memo）
- ✅ 正确：状态管理、文件I/O、结果格式化
- ❌ 禁止：关键词匹配做定性判断

**ANT Python工具链职责表**：

| 工具 | 定性分析 | 角色 |
|------|---------|------|
| actor_extractor.py | ❌ | ✅ 纯数据结构 + ANT行动者理论备忘录 |
| translation_stage_controller.py | ❌ | ✅ 阶段状态管理 + 转译四阶段理论备忘录 |
| blackbox_opener.py | ❌ | ✅ 纯数据结构 + ANT黑箱理论备忘录 |
| symmetry_checker.py | ❌ | ✅ 对称性检验框架 |
| controversy_recorder.py | ❌ | ✅ 争议记录 |
| assess_network_saturation.py | ❌ | ✅ 饱和度评估 |
| analyze.py | ❌ | ✅ 工作流协调 |

**量化确认**：
- ✅ blackbox_opener.py 已重构：无 BLACKBOX_INDICATORS / SUSPICIOUS_STATEMENTS 关键词匹配
- ✅ actor_extractor.py 已重构：无关键词匹配
- ✅ translation_stage_controller.py 已重构：仅含阶段常量，无定性匹配

---

## 详细指南

完整的使用指南请参考: [详细指南](references/detailed-guide.md)