SAY_bin

三世界理论动态演化模型 (RX-GML / GM4.5.7c)

项目简介

本项目是一个基于Python Dash的交互式模拟平台，旨在探索和可视化一个关于个体“现实”如何由其内在“本然”、“应然”与“或然”三个核心世界相互作用、共同塑造而成的原创理论。该模型通过多主体演化系统，展现了在复杂社会互动、认知偏差、情绪波动、随机事件及环境因素影响下，个体多维度特征的动态变化与涌现行为。

• 本然 (The Inherent/Given Realm): 代表个体所拥有的客观物质基础（如资源）、生理条件、既有技能，以及其所处的环境中直接面临的限制与障碍。这是个体存在的基石，是其行动的起点和约束。
• 应然 (The Normative/Purposeful Realm): 代表个体的价值体系（价值观清晰度）、内在驱动力、理想抱负（理想高度）、目标设定以及道德准绳。这是个体行为与发展的内在罗盘与引擎，赋予行动意义和方向。
• 或然 (The Potential/Exploratory Realm): 代表个体所能感知到的可能性空间（可能性广度）、其创新与适应能力（创新能力）、对不确定性的探索意愿以及风险偏好（风险承受）。这是个体拓展边界、实现突破、将潜能转化为现实的可能路径。

模型中的每一个“个体”（或称“世界状态”）均被赋予这三大核心世界下的多个具体可量化维度，并辅以“社交”维度（如可信度、声望）来调节其在社群中的互动。这些维度值（通常在0-10的范围内）遵循一套精心设计的演化算法进行动态调整。此算法融合了维度间的内部反馈（如高驱动力促进资源获取，高限制压制可能性探索）、个体基于其（可能存在偏差的）认知和情绪状态对风险的评估与决策、对外部环境因素的响应、个体间的社会网络互动（信任、联盟、对抗、规范压力、信息共享）以及由随机或条件触发的复杂（甚至链式）事件所带来的影响。

用户可以通过浏览器界面，实时观察这些“世界状态”在三维空间中的演化轨迹，并通过交互式控件调整模型的全局参数、环境因子、个体维度，以及控制模拟的进程，从而深入探究不同条件下“三世界”理论的动态表现和可能涌现的复杂社群现象。

核心特性：

• 多维度个体建模： 基于“本然”、“应然”、“或然”和“社交”四大领域构建个体特征。
• 复杂动态演化算法： 精细的内部逻辑驱动维度变化，体现相互促进、制约与非线性反馈。
• 认知与情绪建模： 个体拥有感知模型（影响对资源、可能性、限制、声望、他人信任的判断）和情绪状态，两者均受个体状态和外部事件影响，并反过来影响决策（如风险行为、学习率、目标调整）。
• 深化风险机制： 风险决策基于感知资源、情绪和风险偏好，结果对多维度产生连锁反应。
• 结构化社会交互： 动态信任、联盟与对抗关系形成与解除、社群规范压力、声望系统、信息（创新）共享。
• 社区共同项目： 个体可发起/参与合作项目，体现集体行动逻辑。
• 多层次事件系统： 支持随机、条件（全局/个体/情绪）、定时及链式事件，事件效果考虑个体韧性。
• 数值极端化缓解： 引入维度维持成本、专业化惩罚、资源归零缓冲及破产机制、维度极端值软回归等机制，增强模型长期运行的合理性。
• 可调全局环境与参数： 模拟宏观影响，并提供UI进行部分核心参数的实时调整。
• 交互式三维可视化与日志： 实时展示演化过程，提供详细日志追踪系统行为。

代码结构与说明

项目主要由单独一个Python脚本 (RX-GMQ.py【其他版本同理】) 构成，其中包含了以下主要部分：

1. 全局常量与辅助函数

• DIM_KEYS, DIMENSION_LABELS_MAP_ZH, AXIS_LABELS_ZH: 定义维度、UI标签。
• MAX_LOG_LINES: 日志行数。
• sigmoid, scale_value: 核心数学工具函数。
• SIMULATION_LOG, log_message: 日志系统。

2. CommunityProject 类

• 定义和管理社区合作项目的属性与生命周期。

3. WorldState 类

模型的核心实体，包含所有维度和核心演化逻辑。

• __init__(...): 初始化个体所有属性，包括本然、应然、或然、社交维度，以及认知状态（感知值、情绪、准确度）、社交关系（联盟、对手）、破产状态等。
• update_perception(): 更新个体对B1, H1, B2, S2及他人信任的感知，受Y1, H2, 情绪影响。
• update_mood(): 更新个体情绪，受风险结果、B1水平、社交关系、认知失调等影响。
• _calculate_delta_X(...): 为每个维度计算变化量。关键逻辑包括：
  • 基于感知值进行部分判断（如Y1/Y3的现实差距，B2对其他维度的影响）。
  • 受破产状态和极端值回归机制的调节。
• _calculate_neighbor_effects(...): 计算邻居影响，使用感知信任，并考虑联盟/对手状态对交换和传播的调节，以及社群规范压力。
• manage_social_relations(): 动态处理联盟与敌对关系的形成、维持与解除，基于感知信任、价值观相似度等。
• decide_community_actions(): 个体决定是否发起或加入社区项目，基于自身状态和对项目的感知评估。
• evolve(...): 核心演化方法，按特定顺序驱动个体在一个时间步内的所有变化：
  1. 更新感知 (update_perception)。
  2. 处理社交关系 (manage_social_relations) 和社区行动 (decide_community_actions)，受破产状态限制。
  3. 评估并执行风险项目（决策受感知资源、情绪、破产状态影响）。
  4. 更新情绪 (update_mood)。
  5. 计算邻居效应 (_calculate_neighbor_effects)。
  6. 计算所有维度的基础Deltas (_calculate_delta_X)。
  7. 应用维度过高/专业化的额外B1成本（A1数值修正）。
  8. 应用学习率（受情绪调节 - B2认知深化）、随机噪声、事件效果（考虑韧性），并进行边界裁剪，更新所有维度。
  9. 检查并处理B1过低缓冲及破产状态的触发与后续影响（A2数值修正）。
• 其他方法：get_display_name, get_coords_for_plot, _apply_boundary_effect, record_history, clear_history, to_dict, from_dict (均已更新以支持所有新属性)。

4. Event 类 和 EventManager 类

• Event: 定义事件。支持链式事件、基于个体情绪的目标选择器，check_trigger方法更为健壮。
• EventManager: 管理事件。process_step处理链式事件，并将current_step传递给触发检查。

5. 初始化数据 (..._gm457c 后缀)

• initial_states_templates_gm457c: 包含所有13个预定义角色的模板。
• neighbor_config_gm457c: 包含所有角色间初始邻居关系的完整配置。
• event_definitions_gm457c: 包含所有丰富后的事件定义，每个事件都有trigger_params。
• default_evolution_params_gm457c: 最终的核心参数字典，整合了GM4.5.6、GM4.5.7a和GM4.5.7b的所有参数和系数。
• global_environment_factors_gm457c: 全局环境因子。
• COMMUNITY_PROJECTS_STORE: 社区项目存储。

6. Dash 应用布局 (app.layout)

• UI中增加了破产状态显示、认知信息（感知/情绪）的显示、社区项目列表。
• 左侧控制面板增加了对更多核心参数的调整控件，并允许通过复选框控制悬停信息的详细程度。

7. Dash 回调函数 (@app.callback)

• 新增和更新了回调以支持新的UI元素和参数控制。
• 核心演化回调 run_evolution_step_gm457c 正确处理所有新的数据存储和逻辑调用。

如何运行

1. 确保已安装Python库：dash, plotly, numpy (pip install dash plotly numpy)。
2. 将代码保存为 RX-GMQ.py。
3. 在终端中运行：python RX-GMQ.py。
4. 在浏览器中访问通常的地址 (如 http://127.0.0.1:8067/)。

后续可添加内容方法说明书 (人物与事件)

A. 新增人物角色模板

在 initial_states_templates_gm457c 列表中添加新的字典，定义其：

• name_zh (中文名), name_en (英文ID，必须唯一)。
• 所有 DIM_KEYS 中定义的维度（b1_resource 到 s2_reputation）的初始值 (0-10)。

示例：

{'name_zh': "投机资本家", 'name_en': "VentureCapitalist",
 'b1_res': 7.0, 'b2_lim': 2.0, 'y1_cla': 6.0, 'y2_dri': 7.5, 'y3_asp': 8.0,
 'h1_pos': 7.0, 'h2_inn': 5.0, 'h3_ris': 9.0, 's1_tru': 4.0, 's2_rep': 6.5
 }

同时，需要在 neighbor_config_gm457c 字典中为新角色的 name_en 添加一个键，并赋予一个邻居列表（其他角色的 name_en ）。也考虑更新现有角色的邻居列表以包含新角色。

B. 新增事件模板

在 event_definitions_gm457c 列表中添加新的字典，定义其：

• name (str): 事件的唯一中文名称。
• trigger_type (str): 触发类型，可选：
  • 'probabilistic': 概率性触发。
    • trigger_params: {'prob': 0.01, 'env_prob_mod_key': 'optional_env_factor_key'}
  • 'conditional_global': 基于全局指标或环境因子。
    • trigger_params: {'dim': 'metric_name', 'op': '<' | '>' | '==', 'val': threshold, 'source': 'metrics' | 'env_factors' | 'metrics_derived'}
  • 'conditional_individual': 当场景中至少有一个个体满足条件时触发。
    • trigger_params: {'dim': 'attribute_name', 'op': '<' | '>' | '==', 'val': threshold}
  • 'timed': 在特定步骤触发。
    • trigger_params: {'step': step_number}
  • 'none': 通常由其他事件链式触发。
    • trigger_params: {} (空字典)
• target_selector: (str 或 dict) 如何选择受影响的目标。
  • "all": 所有个体。
  • {'type': 'random_n', 'n': count}: 随机选择count个个体。
  • {'type': 'conditional_individual', 'dim': 'attr', 'op': '>', 'val': threshold, 'max_targets': num}: 选择满足条件的最多 num个个体。
  • {'type': 'mood_based', 'op': '<', 'val': mood_threshold, 'max_targets': num}: 选择情绪满足条件的个体。
  • {'type': 'random_n_neighbors', 'n_clusters': num, 'cluster_size_avg': size, 'cluster_size_std': std}: 选择随机集群。
• effects (list of dicts): 事件对目标产生的效果列表。每个效果字典： * {'dim': 'dimension_key', 'type': 'add_abs' | 'multiply_abs' | 'set_abs', 'val': base_value, 'rand_range': percentage_of_base_val_for_randomness}
• duration (int, optional): 效果持续的回合数（默认为1，瞬时）。
• one_time (bool, optional): 事件是否只触发一次（默认False）。
• chain_event_name (str, optional): 此事件成功触发后，可能链接触发的下一个事件的名称。
• chain_event_delay (int, optional): 链接触发的延迟回合数。
• chain_event_prob (float, optional): 链接触发的概率 (0-1)。

示例：

{'name': "学术交流会议", 'trigger_type': "probabilistic", 'trigger_params': {'prob': 0.01},
 'target_selector': {'type': 'random_n', 'n': 4},  # 随机4个参与者
 'effects': [{'dim': 'h2_innovation', 'type': 'add_abs', 'val': 0.5, 'rand_range': 0.2},
             {'dim': 's2_reputation', 'type': 'add_abs', 'val': 0.3, 'rand_range': 0.1}],
 'duration': 2, 'one_time': False
 }

哲学思想与模拟项目的理论结合点

本模拟项目的核心在于将抽象的哲学概念——“本然”、“应然”、“或然”三世界理论——具象化为一个可计算、可观察的动态系统。

1. 现实的构成 (Being of Reality):
   • 哲学： “本然的，应然的，或然的，这三种世界构成了现实。”
   • 模拟： 每个 WorldState 对象的多个维度被明确归类到这三个世界（以及社交维度作为互动界面）。个体的整体状态向量（所有维度值的组合）代表了其在某一时刻的“现实”。整个模拟系统的所有个体状态共同构成了模拟世界的“宏观现实”。
2. 本然的基础性 (Foundation of the Inherent):
   • 哲学： “本然的使世界成为世界，世界就藏于本然中。”
   • 模拟： B1（资源）和B2（限制）是所有行动和发展的基础。低B1或高B2会直接限制Y（应然）的实现和H（或然）的探索。风险项目需要B1投入，创新活动（H2）也间接受B1支持。本然的状态（如 b1_for_y1_erosion_thresh）也反过来校验和影响应然世界（Y1, Y2, Y3）。
3. 应然的驱动性与现实的塑造 (Drive of the Normative & Shaping of Reality):
   • 哲学： “应然的使现实成为现实，现实就变于应然中。”
   • 模拟： Y1（价值清晰度）、Y2（驱动力）、Y3（理想高度）是推动个体行为和变化的核心引擎。
     • Y2直接驱动B1的产生（b1_from_y2）、B2的克服（b2_reduce_y2）。
     • Y1和Y2共同影响H2（创新能力）的培养和H3（风险偏好）的形成。
     • Y3（理想高度）与现实（B、H）的差距会驱动Y1、Y2的调整，或在情绪和认知层面产生影响（如认知失调）。
     • 高Y值（特别是Y2）是发起风险项目、社区项目、甚至承受专业化成本的前提。
     • 个体的“现实”（其维度状态）在“应然”的指引和驱动下不断演变。
4. 或然的创造性与成就的孕育 (Creativity of the Potential & Nurturing of Achievement):
   • 哲学： “或然的使成就变为世界，成就就孕育世界中。”
   • 模拟： H1（可能性）、H2（创新）、H3（风险偏好）代表了潜能和探索。
     • 风险项目是“或然”世界最直接的体现：基于H3的风险意愿，投入B1资源，其结果（受H2创新、Y1清晰度等影响）直接改变B1和B2，从而重塑“本然”世界，即“成就变为世界”。
     • H2（创新能力）的成果可以直接转化为B1（资源）或降低B2（限制），也是“成就孕育世界”的过程。
     • H1（可能性广度）受B1和H2影响，也为Y3（理想）提供了参照。
5. 认知与情绪的介入：
   • 新增的认知模型使得个体不再是完全理性的“经济人”。它们基于感知到的资源、可能性、限制、声望和他人信任进行决策，而这些感知又受到其Y1（清晰度）和情绪的影响。
   • 情绪本身受内外因素（风险结果、资源状态、社交关系、认知失调）驱动，反过来又影响风险决策、学习率、目标调整和创新积极性。这使得个体的行为更加“人性化”和多变。
6. 社会互动与社群演化：
   • 个体并非孤立存在。信任、联盟、对抗、声望、规范压力、信息共享和社区项目等机制，使得个体间的互动能够涌现出复杂的社群动态。个体的“现实”不仅由其自身三世界构成，也深受其所处的社会网络和互动结果的影响。
7. 模拟即“讲解”：
   • 哲学： “这三种世界通过我向它们讲解；你们就听我的故事入睡。”
   • 模拟： Dash应用的可视化和交互界面，以及详细的日志，构成了对这个理论的“讲解”。用户通过观察和互动，理解这三个世界如何交织运作，形成千变万化的“个体故事”和“社群故事”。

通过这个模拟项目，我们试图将思辨性的哲学构想转化为一个可操作、可实验的计算模型，从而更深入地理解个体与现实、主观与客观、潜能与实现之间的复杂关系。