deillusion / Varina

# Varina：以更高维度视角突破直觉盲区，探索复杂系统的额外解空间
> **A Document/Code-Grounded Cognitive Exploration & Orthogonal Mechanism Design Engine** 
> 专为**游戏机制设计、产品规则系统、数值边界推演与复杂架构权衡**量身定制的多视角认知推演与机制共创引擎。
---
## 为什么需要 Varina？
如果一个设计问题已经有清晰的几条已知路径（例如方案 A 还是方案 B、自建还是采购），你**不需要** Varina——任何人类决策者或常规大模型（如 ChatGPT / Codex）都能迅速给出优缺点对比。
**但在现实世界中，复杂系统的底层运转规则是极其错综复杂的，这意味着它们拥有极其广袤的解空间。而在庞大的解空间中，存在大量概率生成模型靠直觉完全无法触达的高阶解法。**
### 概率模型的直觉盲区与“方便面修桌子”定律
- **直觉的局限**：当一张木桌破损了一个角，单模型按概率自回归预测，只会顺着人类高频统计共识给出“木工腻子、锯末胶水、环氧树脂、更换木板”等常规答案。
- **物理真实的解空间**：在物理因果的真实世界里，修补结构的本质需求仅仅是“多孔纤维基质 + 渗透性固化粘合剂 + 表面打磨”。**方便面碎块 + 502 胶水** 就能以极低成本完成高强度的结构复原。
- **大模型的死穴**：以“下一个 Token 最大似然预测”为核心的概率生成模型，天然只能沿着直觉共识与语料众数滑行。**靠概率模型的常规直觉对话，永远不可能自发想出“用方便面修桌子”**。
- **面对复杂规则死锁时的崩塌**：当面对资源死锁、数值通胀、长效激励博弈等复杂难题时，普通大模型只会滑向平庸的“各退一步”、公文套话抹平矛盾（“齐德龙东强”），或者生造空洞的伪系统工程黑话（“双账本回路”、“归因迁移机制”）来掩盖因果链条的贫瘠。
## 一次设计探索怎样进行
以「2–4 人、十分钟的合作玩法，怎样让有限资源始终带来有意义的选择」为例。启动深度探索后，Varina 会先确定问题和资料，再**反复进行发散、核查与整理**，最后才形成方案：
1. **锁定问题与约束。** 保留你的原始提问，区分「单局不超过十分钟」这类明确要求和系统自己提出的待验证猜想，避免推演中悄悄改变题目。
2. **查看已有资料。** 如果工作区里有玩法规则、数值表或实现文件，先读取与问题有关的部分。读不到的内容保持未知，不把猜测写成项目事实。
3. **先拆问题并逐题回答。** 在探索 Agent 启动前，多席位拆出可独立回答的子问题，判重后分别并发回答，把问题及回答要素加入初始观点板。
4. **自主调查与发散。** 探索 Agent 使用 ReAct，根据问题和资料自主搜索、读取文件。准备好后调用多席位发散工具：各席位拿到相同的最新背景和不同的思考任务卡，提出机制、反例和待核查主张；工具判重后返回观点增量。
5. **核查并继续。** Agent 阅读资料核查新主张，通过观点编辑工具修正或删除观点，同时更新事实账本。下一次发散会使用修正后的观点板和账本。默认要求完成五轮发散；提前结束会由程序补一轮并继续核查，达到上限则不再运行席位。模型失败、取消或调查步数耗尽时保留部分结果并明确标为未完成。
6. **形成可比较的方案。** 同一个探索 Agent 综合基线、观点和核查结果给出完整终稿，写明每套方案怎样运转、需要防住什么问题、必须承受什么代价；未核实的依赖继续标出。你可以在同一会话中继续追问或补充约束。
循环的关键是：**本轮提出想法 → 核查与整理 → 将结果交给下一轮继续推演**。第三步使用的「思考任务卡」就是 Varina 的**认知算子**；它们决定从哪里切入问题，事实核查和观点整理则决定下一轮从哪里继续。
## 关键能力：认知算子如何改变推演
算子是一张具体的思考任务卡。它不是给模型一个「创意家」之类的身份，而是要求它完成可检查的动作：找出一个被默认的前提、构造足以改变结论的反例、倒推失败原因，或删掉不必要的规则。每张卡都要求讲清推导及适用边界；空泛地说「换个角度想」不算完成。
当前深度探索使用 `src/operators.mjs` 中的 **40 个通用算子**，分成八类。下面用同一个「十分钟合作玩法的资源取舍」问题说明它们可能打开的方向；这些是提问示意，不是一次真实运行的输出。
| 算子类别 | 代表算子 | 对同一问题追问什么 |
| --- | --- | --- |
| 前提 | 隐藏前提 | 是否默认玩家始终愿意共享资源？这个前提失效后，合作规则还能运转吗？ |
| 结构 | 因果倒置 | 是资源稀缺产生了合作，还是合作方式制造了表面上的资源稀缺？怎样区分？ |
| 对抗 | 失效边界 | 玩家数或资源量到哪里时，分配选择会退化成固定套路？ |
| 反演 | 反向目标 | 如果不再追求资源利用率最高，是否能换来更有趣的团队决策？代价是什么？ |
| 连接 | 机制移植 | 其他领域的分配规则能否移进玩法？哪些部分必须因玩家行为而改造？ |
| 简化 | 根本删减 | 删掉一条资源规则后，核心取舍是否仍在？如果在，这条规则为何存在？ |
| 演化 | 适应退化 | 玩家熟悉规则后会怎样绕开取舍？这种变化可能在第几局出现？ |
| 主体 | 激励错位 | 团队奖励会不会让个人把风险留给队友？分叉发生在哪个动作上？ |
一次探索按轮运行多个创意席位。**每个席位从不同类别抽取三张算子卡**，在同一份问题、约束和已核实背景上思考。这样产生的是不同机制、反例和待核查假设，而不是把八段回答简单拼在一起。算子也不保证每个方向都有效：重复、低信息或无法成立的想法会在后续整理中被淘汰；涉及项目事实的主张要经过核查。
算子是生成思路的方法，交付给设计者的仍是清楚的规则、理由和边界，不要求读者掌握算子术语。工作台会显示各席位抽到的卡，方便回看一个方向从何而来。
## 一次探索会留下什么
围绕同一个设计问题，Varina 会逐轮整理以下成果：
| 成果 | 你可以用它做什么 |
| --- | --- |
| **事实账本** | 查看项目资料支持或反驳了哪些主张，以及哪些仍未知、资料变化后哪些已过期。可回看引用文件和行号。 |
| **观点板** | 查看机制、反例、隐藏前提等原子观点及其失效条件。后续追问可在这些观点上继续修订。 |
| **候选方案** | 比较方向不同的机制组合。每套方案列出核心机制、必要的防守补丁和不可避免的代价。 |
| **未解决问题** | 知道哪些选择仍取决于资料、测试或设计者的判断。 |
例如，上面的合作玩法问题可能同时导向「资源由团队共同决定」与「资源由个人持有、使用时产生团队影响」等不同方向。这里的例子只说明比较方式；实际方案取决于你的约束和项目资料。Varina 不替你选唯一赢家，也不会把缺乏依据的方向硬凑成固定数量的方案；通常尝试给出 2–3 套，必要时可以更少。
探索结束后继续在同一会话追问某个方案，默认复用已有观点和事实；如需重新发散，可显式输入 `/varina`。开启 Va