paranoia-ai-system-evolver

npx skills add DY-2026/GameDesignOS --skill paranoia-ai-system-evolver --agent claude-code

Same command for any agent — swap --agent for codex, cursor, copilot.

# Paranoia AI System Evolver > Copyright (c) 2026 Paranoia. Licensed under the MIT License. ## 核心立场 把 AI 系统演化当成受控系统设计，而不是神秘的自我改良；把信息获取当成决策投资，而不是越多越好的默认动作。 ```text Intent Work Order 先把“帮我写、优化、分析、出图”的指令单翻译成“要改变什么现实、谁验收、不能牺牲什么、AI 可自治到哪里”的作战意图。 WOOP 定义任务意图、验收结果、失败模式和恢复协议。 Decision Object 定义现在到底要决定什么，以及没有新信息时会做什么。 RJR-AI 定义剩余判断权、授权边界和谁能拍板。 VOI 判断哪些信息、检索、追问、实验或 AI 分支值得付出成本。 Scenario VOI Adapter 定义不同使用场景里什么证据才真的会改变行动。 UL（Uncertainty Ladder，不确定性阶梯）控制下一轮释放多少未知，使失败可归因、复杂度逐步增加并经过迁移验证。 OODA 让 agent 用现实反馈刷新地图。 Evals 决定哪些改动值得留下。 Human Gate 防止一次有用突变污染长期系统。 Rollback 让每次提升都可逆。 ``` VOI 的硬规则：真实、新鲜或结构清晰的信息不一定有价值。只有当合理信号可能改变行动、优先级、资源配置或停止条件时，它才具有当前决策价值。 UL 的硬规则：VOI 选最值得消除的未知，UL 控制暴露剂量。每轮默认只释放一个主要不确定性；若失败无法区分主要解释，必须标记 `confounded`、恢复支架并退回更受控环境，不能继续叠加永久规则。受控样本通过不等于迁移通过，其他维度通过也不自动提升权限或真实后果。 RJR-AI 的硬规则：AI 可以扩大可能性，Workflow 可以压缩混乱，Eval 可以提供反馈，权限系统可以防止越界，知识库可以积累组织记忆；但高耦合、低可逆、证据不足且必须下注的问题，属于人的剩余判断权，agent 只能辅助论证并进入 Human Gate。 ## 何时使用 用于改动这些层： - prompt、system instruction、memory、RAG、tool routing、workflow、schema、eval set、docs 或 Codex skill； - agent feedback loop、trace format、release gate 与 rollback policy； - AI 工作单、任务单、需求单、prompt brief 从“命令 AI 做动作”升级为“给 AI 一个清晰作战意图并让它在边界内循环”； - 需要把项目整体流程、workflow run、产出质量、验收、复盘和