Community程式設計與開發github.com

Wingie/psychohistory

一個關於艾西莫夫心理史學弱化形式的有限、可證偽的工程規範:包含驗證引擎、預先註冊的驗證套件(動態 N_eff 崩潰 SEALED PASS)、一個四頁的互動網站,以及一個 Claude 技能。

psychohistory 是什麼?

這個技能提供了一個基於艾西莫夫心理史學概念的工程化有限形式,專為 AI 代理(如 Claude)設計,用於進行可驗證的社會或系統行為預測。它包含一個驗證引擎,能夠執行動態 N_eff 崩潰測試,並帶有預先註冊的驗證套件(SEALED PASS),確保預測結果的邊界性與可證偽性。該技能還附帶一個四頁的互動網站,用於視覺化展示預測模型,以及一個可直接整合到 Claude Code 或其他開發工具中的 AI 代理技能。通過這個技能,開發者可以在受控環境中模擬群體行為的統計規律,例如預測大規模用戶行為或市場趨勢,並驗證其與現實數據的吻合程度。該專案適合需要對複雜系統進行有限但可測試預測的場景,例如社會科學研究、遊戲設計或經濟模擬,重點在於維持科學嚴謹性而非追求完全準確的預測。

相容平台✓Claude Code~Codex CLI~Cursor
npx skills add Wingie/psychohistory

Installed? Explore more 程式設計與開發 skills: steipete/bluebubbles, steipete/eightctl, steipete/blucli · View all 6 →

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

psychohistory 是做什麼的?

一個關於艾西莫夫心理史學弱化形式的有限、可證偽的工程規範:包含驗證引擎、預先註冊的驗證套件(動態 N_eff 崩潰 SEALED PASS)、一個四頁的互動網站,以及一個 Claude 技能。

概述

此技能實作一個基於艾西莫夫心理史學概念的工程化有限形式。它提供一個可驗證的預測引擎,並附有預先註冊的驗證套件,確保所有預測結果皆具有邊界性且可證偽。引擎的運作涉及動態 N_eff 崩潰機制,這是一種統計折疊方法,用於在宏觀層面模擬集體行為。

功能

  • 驗證引擎:一個核心演算法,用於計算和折疊社會或系統行為的統計模型。
  • 驗證套件:一組預先定義的測試案例,用以驗證引擎的正確性與邊界條件。
  • 動態 N_eff 崩潰:一種機制,基於有效群體大小(N_eff)來調整預測的聚合程度,以確保結果的穩定性。
  • 互動網站:一個包含四個頁面的前端應用,用於視覺化展示預測結果與模型行為。
  • AI 代理技能:可直接整合至 Claude Code 或類似平台,作為一個可呼叫的技能使用。

使用方法

將此技能與 Claude Code 或任何支援技能的 AI 代理一起使用。技能會根據提供的輸入(例如群體規模、初始條件)來產生預測。

範例呼叫

# 假設 skill 已經載入
result = await skill.run({
    "population_size": 1000,
    "initial_conditions": {"mean": 0.5, "variance": 0.1}
})
print(result)

驗證

要執行驗證套件:

# 執行預先註冊的測試
python -m pytest tests/

依賴

  • Python 3.9+
  • NumPy
  • Matplotlib(用於網站視覺化)
  • Flask(用於互動網站)

授權

MIT 授權

貢獻

歡迎貢獻。請先閱讀 CONTRIBUTING.md。

相關資源

相關技能