ptreezh #XM|name: system-dynamics-expert #TX|description: System Dynamics Expert - 技能说明 #ZM|---
🔴 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
#BT|
#MQ|# SKILL.md - system-dynamics-expert
#HN|
#JZ|## 基本信息
#JT|
#KJ|---
#PN|metadata:
#TS| version: "5.0.0-cli-native+agent"
#PH| methodology: "System Dynamics (Forrester, Sterman)"
#VP| absolute-prohibitions: true
#SM| task-decomposition-rules: true
#SK| ai-cli-native: true
#BB| task-queue-support: true
#TV| agentskills-io: true
#JT| cross-platform: true
#SQ| state-persistence: true
#MS| self-iteration: true
#RR| academic-alignment: true
#SK| subagent-support: true
#NH| graceful-fallback: true
#NV| execution_modes:
#MX| cli_queue: "CLI任务队列（基础）"
#MR| subagent_parallel: "子Agent并行（增强）"
#QS| performance:
#QT| sequential: "25分钟/模型"
#MH| parallel: "30分钟/10模型（8.3x加速）"
#NB| created: "2026-03-08"
#NS| updated: "2026-03-08"
#WV| author: "SocienceAI Methodology Expert"
#TW| license: "MIT"
#ZK| alignment_reference: "grounded-theory-coding (v5.0.0)"
#XM|---
#RB|
#MQ|# SKILL.md - system-dynamics-expert
#MS|
#JZ|## 🚀 在 AI CLI 中使用
#BH|
#NZ|### 方式 1: 在对话中直接使用（推荐）
#RZ|
#YB| #NX|你：使用系统动力学技能分析城市人口增长 #KS| #KT|AI: 好的，我将使用系统动力学技能进行分析。 #BR| 正在创建任务队列... #BY| #QN| 任务清单： #VJ| 1. 问题界定 (20 分钟) #QW| 2. 变量识别 (20 分钟) #VX| 3. 因果回路分析 (30 分钟) #NM| 4. 存流量建模 (30 分钟) #NZ| 5. 仿真分析 (30 分钟) #YJ| 6. 政策干预分析 (20 分钟) #XN| 7. 系统动力学报告 (20 分钟) #NJ| #SP| 共 7 个任务，预计 170 分钟。开始执行... #VQ|
#YQ|
方式 2: 使用 Python 工具
python tools:
工具链
| # | 工具名称 | 功能描述 |
|---|---|---|
| 1 | causal_loop_analyzer.py | 识别和分析因果回路 |
| 2 | stock_flow_analyzer.py | 分析存量和流量 |
| 3 | model_validator.py | 验证系统动力学模型 |
| 4 | simulation_runner.py | 运行系统动力学模拟 |
| 5 | parameter_sweep.py | 参数空间探索 |
| 6 | scenario_builder.py | 构建备选方案场景 |
| 7 | sensitivity_analyzer.py | 参数敏感性分析 |
| 8 | behavior_analyzer.py | 系统行为模式识别 |
使用示例
# 1. 因果回路分析
python tools/causal_loop_analyzer.py -i data/variables.yaml -o results/causal_loops.json
# 2. 存量流量分析
python tools/stock_flow_analyzer.py -i data/stock_flow.yaml -o results/stock_flow.json
# 3. 模型验证
python tools/model_validator.py -i results/stock_flow.json -o results/validation.json
# 4. 运行模拟
python tools/simulation_runner.py -i results/validated_model.json --horizon 100 -o results/simulation.json
# 5. 参数探索
python tools/parameter_sweep.py -i results/simulation.json --ranges params.json -o results/sweep.json
# 6. 场景构建
python tools/scenario_builder.py --base model.json --changes scenarios.yaml -o results/scenarios.json
# 7. 敏感性分析
python tools/sensitivity_analyzer.py --model model.json --parameter growth_rate -o results/sensitivity.json
# 8. 行为分析
python tools/behavior_analyzer.py --model model.json --horizon 100 -o results/behavior.json
#JZ|
#JZ|## 基本信息
#BH|
#NZ|名称: system-dynamics-expert (System Dynamics Modeling Expert)
#RZ|版本: 5.0.0-cli-native+agent
#YB|作者: SocienceAI Methodology Expert
#NX|许可证: MIT
#KS|对齐标准: grounded-theory-coding (v5.0.0)
#NM|子Agent支持: ✅ 支持（批量模型仿真可使用子Agent并行）
#BY|
#QN|## 描述
#QW|
#PX|## 🖥️ 项目初始化（跨平台Python脚本）
#QW|
#RM|python #RM|import os #RM| #RM|# 设置项目路径（跨平台兼容） #RM|project_path = r"D:\\your_project_path\\项目名" #RM| #RM|# 创建标准目录结构 #RM|for subdir in ['.tasks', 'data', 'results', 'visualizations', 'logs']: #RM| os.makedirs(os.path.join(project_path, subdir), exist_ok=True) #RM| #RM|print(f"项目目录创建完成: {project_path}") #RM|
#BY|
#VX|系统动力学建模专家 - 支持复杂任务分解和长时任务执行的动态仿真技能。
#NM|
#NZ|基于System Dynamics方法，通过Stock & Flow图和反馈回路分析系统的动态行为，研究复杂系统的非线性、延迟和反馈机制。
#YJ|
#VS|### 核心能力
#XN|
#NJ|1. 系统建模
#SP| - Stock (存量) 识别与定义
#VQ| - Flow (流量) 建模
#YQ| - 反馈回路识别（正反馈、负反馈）
#VW|
#KQ|2. 动态分析
#YT| - 延迟建模（物质延迟，信息延迟）
#ST| - 非线性关系
#JW| - 时间边界与行为模式
#JQ|
#HX|3. 仿真实验
#XH| - 情景模拟
#BT| - 政策干预分析
#XR| - 敏感性测试
#PR|
#QB|4. 干预设计
#NP| - 杠杆点识别
#NV| - 政策优化
#KP| - 系统变革策略
#JW|
#PT|### 适用场景
#PX|
#MB|- ✅ 政策分析（公共卫生、环境、经济政策）
#WN|- ✅ 组织管理（供应链、项目管理）
#SN|- ✅ 城市系统（人口、交通、资源）
#TN|- ✅ 生态系统（资源管理、环境可持续）
#XV|- ✅ 商业战略（市场扩散、竞争动态）
#WR|
#JK|## ⚠️ 六大绝对禁止原则
#KR|
#KJ|### 1. 禁止线性思维
#VS|
#XM|错误: "A增加，B线性增加"
#NS|正确: 反馈回路、非线性、阈值、突发行为
#RT|
#YM|### 2. 禁止忽视延迟
#BX|
#YR|错误: 即时因果
#SH|正确: 物质延迟，信息延迟对系统行为的影响
#ZT|
#RR|### 3. 禁止忽视反馈
#BP|
#MV|错误: 单向因果链
#NX|正确: 识别正反馈（增强）、负反馈（平衡）回路
#ZS|
#VK|### 4. 禁止边界过窄
#YS|
#BJ|错误: 过度简化系统边界
#HS|正确: 包含关键反馈、即使难以量化
#HT|
#VX|### 5. 禁止单一情景
#YQ|
#SK|错误: 只模拟一种情景
#BW|正确: 多情景分析、敏感性测试
#YX|
#YY|### 6. 禁止不校准验证
#PP|
#JH|错误: 不与历史数据对比
#YK|正确: 模型校准、历史拟合、有效性检验
#BK|
#WQ|### 任务分解模板
#RM|
#VY|yaml #XY|完整SD项目（4-8周）: #QY| #XY| Phase 1: 问题界定（1周） #MX| Task 1.1: 动态问题识别（2小时） #ZJ| - 输出: 问题陈述文档 #XJ| - 验证: 问题边界清晰 #WV| #SJ| Task 1.2: 关键变量选择（2小时） #KJ| - 输出: 变量清单 #RJ| - 验证: Stock/Flow区分明确 #PX| #ZX| Task 1.3: 参考模式绘制（3小时） #YY| - 输出: 时间序列图 #BP| - 验证: 行为模式识别准确 #QZ| #ZN| Phase 2: 系统建模（2-3周） #MY| Task 2.1: 因果回路图CLD（1周） #YX| - 输出: CLD图文档 #KN| - 验证: 反馈回路完整 #QR| #ZY| Task 2.2: Stock & Flow图SFD（1周） #YX| - 输出: SFD图文档 #HM| - 验证: 存量流量结构正确 #RS| #YY| Task 2.3: 方程与参数（1周） #WW| - 输出: 完整方程清单 #HK| - 验证: 单位一致、逻辑正确 #PT| #JQ| Phase 3: 仿真与分析（2-3周） #PV| Task 3.1: 模型校准（1周） #WS| - 输出: 校准后模型 #WV| - 验证: 与历史数据拟合 #HM| #YK| Task 3.2: 行为模式重现（1周） #HN| - 输出: 模式重现报告 #WN| - 验证: 参考模式重现 #TT| #VV| Task 3.3: 敏感性分析（1周） #RM| - 输出: 敏感性报告 #NB| - 验证: 关键参数识别 #ZB| #TW| Phase 4: 干预设计（1-2周） #XX| Task 4.1: 杠杆点识别（3天） #JW| - 输出: 杠杆点分析 #QT| - 验证: 干预效果预期 #NX| #HZ| Task 4.2: 政策情景测试（1周） #VB| - 输出: 多情景仿真结果 #TP| - 验证: 情景对比清晰 #PN| #MQ| Task 4.3: 干预策略优化（4天） #WH| - 输出: 最优策略建议 #SJ| - 验证: 策略可行性 #MR|
#RT|
#BN|## 📋 任务分解规则
#QN|
#BS|### 四大原则
#VY|
#RS|1. 粒度可控原则
#KS| - 每个子任务必须在一次会话中完成
#QP| - 单个任务不超过3小时
#WP| - 任务间依赖关系明确
#VB|
#XP|2. 量化标准原则
#TH| - 每个子任务有明确的完成标准
#MR| - 可验证的输出产物（模型、结果、报告）
#QW| - 可测量的质量指标
#XH|
#RH|3. 独立验证原则
#HZ| - 每个子任务完成后独立验证
#XX| - 验证清单（质量检查点）
#VW| - 不合格返工机制
#XN|
#ZT|4. 模型透明原则
#RQ| - 子agent必须输出完整的模型文档
#ZM| - 假设、方程、参数完全透明
#YW| - 确保可复现性
#JR|
#KV|## 📚 渐进式加载结构
#MV|
#JV|### 第一层：核心执行规则（本文件）
#JM|
#XT|技能激活时必读，确保任务高质量执行：
#JW|- ⚠️ 六大绝对禁止原则
#HY|- 📋 任务分解规则
#QX|- ✅ 完成度验证清单
#NH|
#NZ|### 第二层：方法论文档（references/）
#ZK|
#NH|按需加载，深化方法论理解：
#YZ|
#BR|modeling-tools.md: 建模工具详解
#QW|- Vensim使用指南
#SW|- Stella建模方法
#NK|- Insight Maker在线工具
#QJ|- PySD Python实现
#BB|
#ST|long-term-tasks.md: 长时研究项目
#XH|- 公共卫生政策建模（4-6周）
#XX|- 供应链动态优化（3-4周）
#SS|- 环境可持续性分析（4-5周）
#KK|
#ZN|### 第三层：案例文档（cases/）
#PZ|
#VS|实战示范与警示：
#XJ|
#RM|positive/: 正确示范
#VJ|- case-001: 流行病传播建模
#YN|- case-002: 供应链牛鞭效应
#QP|
#NR|negative/: 错误警示
#PX|- case-001: 线性思维的错误
#PJ|- case-002: 忽视延迟的后果
#MY|
#PP|## ✅ 完成度验证清单
#WZ|
#QB|### 必须完成（100%）
#NQ|
#KY|- [ ] 六大禁止原则全部遵守
#QX| - [ ] 反馈思维（非线性）
#TZ| - [ ] 延迟建模
#SJ| - [ ] 反馈回路识别
#QX| - [ ] 合理边界设定
#JP| - [ ] 多情景分析
#QT| - [ ] 模型校准验证
#PT|
#PS|- [ ] 模型质量
#MH| - [ ] Stock识别完整
#RZ| - [ ] Flow建模准确
#RS| - [ ] 反馈回路清晰
#ZV| - [ ] 延迟适当
#TZ|
#BZ|- [ ] 分析质量
#JR| - [ ] 参考模式重现
#JR| - [ ] 敏感性分析完成
#MQ| - [ ] 情景测试充分
#BK|
#YJ|- [ ] 透明性
#NZ| - [ ] 完整的CLD/SFD图
#YR| - [ ] 所有方程已文档化
#TZ| - [ ] 参数来源透明
#XS| - [ ] 模型可复现
#WJ|
#ZK|### 质量评估
#SV|
#ZX|| 维度 | 优秀(5) | 良好(4) | 合格(3) | 需改进(<3) |
#RN||------|----------|----------|----------|-------------|
#NQ|| 反馈思维 | 完全非线性 | 主要非线性 | minor线性 | 严重线性 |
#WB|| 延迟建模 | 完整延迟 | 主要延迟 | minor忽视 | 严重忽视 |
#RZ|| 反馈识别 | 所有回路 | 主要回路 | minor遗漏 | 严重遗漏 |
#VZ|| 边界设定 | 合理完整 | 主要合理 | minor过窄 | 严重过窄 |
#WN|| 多情景分析 | 充分测试 | 主要测试 | minor单一 | 严重单一 |
#YZ|| 模型校准 | 完全拟合 | 良好拟合 | minor偏差 | 严重偏差 |
#WZ|
#ZX|及格线: 每维度≥3分
#MH|
#VK|## 🎯 建模承诺书
#NB|
#MP|作为系统动力学专家，我承诺：
#WY|
#TP|1. 绝不线性思维
#JY| - 总是识别反馈回路
#JX| - 考虑非线性关系
#JQ| - 关注阈值和突变
#BX|
#JJ|2. 绝不忽视延迟
#TJ| - 建模物质延迟
#BZ| - 建模信息延迟
#QK| - 分析延迟对行为的影响
#YM|
#JX|3. 绝不忽视反馈
#QV| - 识别正反馈（增强回路）
#RW| - 识别负反馈（平衡回路）
#ZB| - 分析回路交互
#NP|
#PM|4. 绝不边界过窄
#YB| - 包含关键反馈
#XH| - 考虑外生变量
#HW| - 避免过度简化
#NX|
#NZ|5. 绝不在单一情景下结论
#PP| - 测试多种情景
#BQ| - 进行敏感性分析
#HH| - 报告不确定性
#NN|
#PN|
#RB|
#BK|## 详细指南
#ZT|
一、禁止定性分析硬编码（CRITICAL）
#RJ|完整的使用指南请参考: 详细指南