MBE 文档中心

米塞斯行为引擎 - 行为学理论增强方案

基于 Murray Rothbard《人、经济与国家》(Man, Economy, and State) 的核心理论优化

1. 理论基础

1.1 行为学公理 (Praxeological Axiom)

"人类行动是有目的的行为" - Ludwig von Mises

核心概念：

  • 行动 (Action): 有目的地使用手段达到目的
  • 不舒适 (Uneasiness): 行动的动机来源
  • 手段 (Means): 用来达成目的的稀缺资源
  • 目的 (Ends): 行动者想要达到的状态

1.2 时间偏好 (Time Preference)

"人们总是偏好当前的满足胜于未来的满足"

应用于引擎：

  • 用户对"即时解决"vs"长期规划"的天然倾向
  • 高时间偏好 = 偏好即时满足
  • 低时间偏好 = 愿意延迟满足以获得更大回报

1.3 边际效用 (Marginal Utility)

"每增加一单位商品的价值低于上一单位"

应用于引擎：

  • 第一个解决方案的感知价值最高
  • 重复相似建议的边际效用递减
  • 需要多样化路径选项

1.4 交换与机会成本 (Exchange & Opportunity Cost)

"每个选择都是一种交换——放弃一个选项来获取另一个"

应用于引擎：

  • 明确展示每个路径的"代价"
  • 帮助用户理解取舍
  • 避免"免费午餐"幻觉

1.5 主观价值论 (Subjective Value Theory)

"价值不是物品固有的，而是行动者赋予的"

应用于引擎：

  • 不存在"客观最优"方案
  • 一切评估基于用户主观视角
  • 同样的路径对不同用户价值完全不同

2. 引擎架构优化

2.1 增强版米塞斯序列

原版：Uneasiness → Desires → Paths → Assessment → Action

增强版：
Uneasiness → Value Scales → Means-Ends Analysis → Paths → Exchange Analysis → Action

新增模块：
- Value Scales: 用户主观价值排序
- Means-Ends Analysis: 手段-目的因果链分析  
- Exchange Analysis: 交换/机会成本分析

2.2 模块增强详情

A. Uneasiness 模块增强

# 新增字段
class UneainessEnhanced:
    # 原有
    surface: str
    hidden: List[str]
    urgency: int
    
    # 新增
    marginal_disutility: float  # 边际负效用 (0-1)
    time_sensitivity: float     # 时间敏感度 (越高越需要即时解决)
    scarcity_awareness: Dict    # 稀缺性认知 (什么资源有限)
    value_rank: int             # 在用户价值序列中的排名

分析增强：

# Prompt增强
"""
分析用户不舒适时，额外考虑：

1. 边际负效用分析：
   - 这个不舒适随时间如何变化？
   - 不解决会越来越糟还是可以忍受？
   
2. 稀缺性感知：
   - 用户认为什么资源是稀缺的？(时间/金钱/精力/机会)
   - 哪些资源的稀缺性加剧了不舒适？
   
3. 价值排序：
   - 这个问题在用户心中排第几？
   - 什么更重要的事会排挤这个问题？
"""

B. Desires 模块增强

class DesireAnalysisEnhanced:
    # 原有
    primary_desire: str
    secondary_desires: List[str]
    conflicts: List[str]
    
    # 新增 - 时间偏好
    time_preference: TimePreference
    
    # 新增 - 价值序列
    value_scale: List[ValueItem]  # 有序的价值列表
    
    # 新增 - 手段-目的分析
    means_ends_chain: List[MeansEndsLink]

class TimePreference:
    score: float              # 0=极端长期, 1=极端即时
    willing_to_wait: str      # "days", "weeks", "months", "years"
    discount_rate: float      # 未来价值折现率
    explanation: str          # 为什么这样

class ValueItem:
    content: str
    rank: int
    is_terminal: bool  # True=终极目的, False=中间手段

class MeansEndsLink:
    means: str         # 手段
    ends: str          # 目的
    is_direct: bool    # 是否直接手段
    certainty: float   # 因果确定性

分析增强：

"""
愿望分析时，额外考虑：

1. 时间偏好分析：
   - 用户偏好立即见效还是愿意长期努力？
   - "如果需要等待X时间才能看到效果，用户会接受吗？"
   - 用户对未来满足的折现率是多少？
   
2. 主观价值排序：
   - 列出用户提到或暗示的所有价值/目标
   - 按用户主观重要性排序
   - 区分终极目的(intrinsic)和工具性手段(instrumental)
   
3. 手段-目的因果链：
   - 用户想要A是因为A能带来B？
   - B是终极目的还是通向C的手段？
   - 追溯到最终的终极目的是什么？
"""

C. Paths 模块增强

class PathOptionEnhanced:
    # 原有
    name: str
    description: str
    first_step: str
    
    # 新增 - 交换分析
    exchange: ExchangeAnalysis
    
    # 新增 - 机会成本
    opportunity_cost: OpportunityCost
    
    # 新增 - 边际效用
    marginal_utility: MarginalUtilityAnalysis

class ExchangeAnalysis:
    give_up: List[str]         # 需要放弃什么
    gain: List[str]            # 获得什么
    net_value: str             # 用户主观净价值评估
    reversibility: float       # 可逆性 (0=不可逆, 1=完全可逆)

class OpportunityCost:
    next_best_alternative: str  # 次优选择是什么
    foregone_value: str         # 放弃的价值描述
    user_awareness: float       # 用户对机会成本的认知程度

class MarginalUtilityAnalysis:
    current_utility: float      # 当前状态效用
    expected_utility: float     # 预期效用
    marginal_gain: float        # 边际增益
    diminishing_factor: float   # 递减因子

生成增强：

"""
生成路径时，额外考虑：

1. 交换视角：
   - 每个路径都是一种交换，明确"放弃什么换取什么"
   - 用用户能理解的语言描述交换条款
   - 评估用户会认为这是"划算"还是"不值"

2. 机会成本：
   - 选择这条路意味着放弃哪些其他可能？
   - 用户是否意识到这些机会成本？
   - 在展示时帮助用户看到完整的取舍

3. 边际分析：
   - 避免生成边际效用递减的重复建议
   - 确保每个路径有独特的价值维度
   - 考虑用户已经尝试过什么（避免边际效用为0的重复）

4. 时间维度对齐：
   - 路径的时间框架是否匹配用户的时间偏好？
   - 高时间偏好用户 → 快速见效路径
   - 低时间偏好用户 → 长期价值路径
"""

3. 新增模块

3.1 主观价值评估器 (SubjectiveValueAssessor)

class SubjectiveValueAssessor:
    """
    核心：价值是主观的，不是物品固有的
    
    职责：
    1. 理解用户的价值排序
    2. 用用户的标准评估方案
    3. 检测价值冲突
    4. 追踪价值变化
    """
    
    async def assess_path_value(
        self, 
        path: PathOption, 
        user_values: List[ValueItem]
    ) -> SubjectiveValue:
        """
        用用户的价值标准评估路径
        
        注意：不是评估"路径客观上有多好"
        而是评估"用户主观上会认为多有价值"
        """
        pass
    
    async def detect_value_conflicts(
        self,
        desires: DesireAnalysis
    ) -> List[ValueConflict]:
        """
        检测用户价值观中的内在冲突
        
        例如：
        - 想要稳定 vs 想要刺激
        - 想要自由 vs 想要安全
        - 想要即时满足 vs 想要长期成就
        """
        pass

3.2 因果链追踪器 (CausalChainTracker)

class CausalChainTracker:
    """
    基于奥地利学派的因果现实主义方法
    
    职责：
    1. 追踪用户的means-ends因果链
    2. 验证因果推理是否合理
    3. 发现隐藏的假设
    """
    
    async def trace_causal_chain(
        self,
        user_statement: str
    ) -> CausalChain:
        """
        从用户陈述中提取因果链
        
        例如：
        "我想学编程" →
        因果链: 学编程(手段) → 找到好工作(中间目的) → 
                经济自由(更深目的) → 安全感/自我实现(终极目的)
        """
        pass
    
    async def validate_assumptions(
        self,
        chain: CausalChain
    ) -> List[HiddenAssumption]:
        """
        发现因果链中的隐藏假设
        
        例如：
        - 假设学编程就能找到好工作 (不一定)
        - 假设好工作就能带来经济自由 (取决于定义)
        - 假设经济自由就能带来安全感 (个人差异)
        """
        pass

3.3 企业家精神模拟器 (EntrepreneurialSimulator)

class EntrepreneurialSimulator:
    """
    Rothbard强调企业家精神：在不确定性中做决策的能力
    
    职责：
    1. 评估用户的不确定性容忍度
    2. 生成适合其风险偏好的方案
    3. 帮助用户像企业家一样思考
    """
    
    async def assess_uncertainty_tolerance(
        self,
        user_profile: UserProfile,
        context: Dict
    ) -> UncertaintyProfile:
        """
        评估用户对不确定性的容忍程度
        """
        pass
    
    async def generate_entrepreneurial_perspective(
        self,
        situation: str,
        user_tolerance: UncertaintyProfile
    ) -> EntrepreneurialInsight:
        """
        提供企业家视角的洞察
        
        核心问题：
        - "如果这是一笔投资，你愿意投入多少？"
        - "最坏情况你能承受吗？"
        - "有什么信息能降低不确定性？"
        """
        pass

4. Prompt工程优化

4.1 不舒适挖掘 - 增强版System Prompt

UNEASINESS_SYSTEM_PROMPT_V2 = """
你是米塞斯行为引擎的不舒适挖掘专家，基于奥地利学派行为学理论。

## 行为学基础

1. **行动公理**：人类行动是有目的的行为。用户表达不舒适，说明他们想要改变现状。

2. **不舒适的层次**：
   - 表面不舒适：用户直接表达的问题
   - 深层不舒适：隐藏的真正痛点
   - 根源不舒适：往往涉及核心价值和存在性恐惧

3. **边际负效用**：
   - 不舒适会随时间积累还是减轻？
   - 第N次出现的不舒适和第1次有什么不同？

4. **稀缺性意识**：
   - 用户感知到什么资源是稀缺的？
   - 稀缺感如何加剧不舒适？

## 分析原则

1. 不评判，只理解
2. 追问"为什么这让你不舒适？"直到触及核心
3. 识别价值冲突（两个都想要但不可兼得）
4. 评估时间敏感度（必须马上解决还是可以等待）
5. 理解用户的主观价值排序

## 输出格式（JSON）

{
    "surface": "表面不舒适",
    "hidden": ["深层不舒适1", "深层不舒适2"],
    "root_cause": "根源不舒适（如果能推断）",
    "urgency": 1-10,
    "time_sensitivity": {
        "score": 0.0-1.0,  // 1.0=必须立即解决
        "can_wait": "hours/days/weeks/months",
        "reason": "为什么"
    },
    "marginal_analysis": {
        "trend": "increasing/stable/decreasing",  // 不舒适趋势
        "accumulation": "是否在积累？"
    },
    "scarcity_perception": {
        "scarce_resources": ["时间", "金钱", "精力"],
        "impact": "稀缺性如何影响不舒适"
    },
    "value_conflicts": ["冲突1: A vs B"],
    "complexity": "simple/medium/complex",
    "life_domain": "career/family/health/finance/relationship/self"
}
"""

4.2 愿望分析 - 增强版System Prompt

DESIRE_SYSTEM_PROMPT_V2 = """
你是米塞斯行为引擎的愿望分析专家，基于奥地利学派主观价值论。

## 行为学基础

1. **主观价值论**：价值不是物品固有的，是行动者主观赋予的。同样的东西对不同人价值完全不同。

2. **价值排序**：人们在心中有一个价值排序（Value Scale），高排序的会优先于低排序的。

3. **手段-目的链**：
   - 人们想要A，通常是因为A能带来B
   - B可能是终极目的，也可能是通向C的手段
   - 必须追溯到终极目的才能真正理解

4. **时间偏好**：
   - 人们普遍偏好当前满足胜于未来满足
   - 但程度因人而异
   - 低时间偏好=愿意延迟满足

## 分析原则

1. 从不舒适的反面推导愿望
2. 构建手段-目的因果链，追溯到终极目的
3. 识别用户的时间偏好倾向
4. 建立用户的主观价值排序
5. 发现愿望之间的内在冲突

## 输出格式（JSON）

{
    "primary_desire": "最核心的愿望",
    "secondary_desires": ["次要愿望1", "次要愿望2"],
    
    "means_ends_chain": [
        {
            "level": 1,
            "means": "学编程",
            "ends": "找到好工作",
            "certainty": 0.7,
            "is_terminal": false
        },
        {
            "level": 2,
            "means": "找到好工作", 
            "ends": "经济自由",
            "certainty": 0.5,
            "is_terminal": false
        },
        {
            "level": 3,
            "means": "经济自由",
            "ends": "安全感和自主权",
            "certainty": 0.6,
            "is_terminal": true
        }
    ],
    
    "terminal_desire": "最终极的目的（通常是心理层面的）",
    
    "time_preference": {
        "score": 0.0-1.0,  // 0=极端长期, 1=极端即时
        "willing_to_wait": "days/weeks/months/years",
        "discount_rate": "对未来价值的折现程度",
        "explanation": "为什么这样判断"
    },
    
    "value_scale": [
        {"rank": 1, "value": "安全感", "is_terminal": true},
        {"rank": 2, "value": "自主权", "is_terminal": true},
        {"rank": 3, "value": "经济自由", "is_terminal": false},
        {"rank": 4, "value": "好工作", "is_terminal": false}
    ],
    
    "conflicts": [
        {
            "conflict": "稳定 vs 冒险",
            "description": "想要稳定收入但又想创业",
            "resolution_difficulty": "high"
        }
    ],
    
    "hidden_assumptions": [
        "假设学编程就能找到好工作",
        "假设好工作就等于经济自由"
    ],
    
    "time_horizon": "immediate/short/medium/long"
}
"""

4.3 路径生成 - 增强版System Prompt

PATH_SYSTEM_PROMPT_V2 = """
你是米塞斯行为引擎的路径生成专家，基于奥地利学派交换理论和企业家精神。

## 行为学基础

1. **交换理论**：
   - 每个选择都是一种交换
   - 选择A意味着放弃B、C、D...
   - 自愿交换只有在双方都获益时才会发生
   - 用户需要认为"值得"才会行动

2. **机会成本**：
   - 真正的成本不是金钱，是放弃的次优选择
   - 必须帮助用户看到完整的取舍

3. **边际效用递减**：
   - 不要生成本质相同的重复方案
   - 每个路径应该在独特维度上有价值

4. **企业家精神**：
   - 在不确定性中做决策的能力
   - 帮助用户像企业家一样思考风险和回报

5. **时间偏好匹配**：
   - 路径的时间框架必须匹配用户偏好
   - 高时间偏好用户 → 快速见效路径
   - 低时间偏好用户 → 长期价值路径

## 生成原则

1. "变成用户"生成他主观认为可行的方案
2. 明确每个路径的"交换条款"
3. 展示机会成本而非隐藏
4. 确保路径的时间框架匹配用户时间偏好
5. 提供企业家式的风险-回报分析

## 输出格式（JSON）

{
    "user_desire": "用户的核心愿望",
    "user_time_preference": "用户的时间偏好总结",
    
    "paths": [
        {
            "name": "方案名称",
            "description": "方案描述",
            
            "exchange": {
                "give_up": ["需要放弃的事物1", "需要放弃的事物2"],
                "gain": ["获得的价值1", "获得的价值2"],
                "net_value_assessment": "用户可能如何评估这笔交易",
                "reversibility": 0.0-1.0  // 可逆性
            },
            
            "opportunity_cost": {
                "next_best_alternative": "如果不选这个，最可能选什么？",
                "foregone_value": "放弃的价值描述"
            },
            
            "time_analysis": {
                "time_to_first_result": "多久能看到第一个结果",
                "time_to_full_result": "多久能达到完整目标",
                "matches_preference": true/false,
                "adjustment_if_needed": "如果不匹配，如何调整"
            },
            
            "entrepreneurial_analysis": {
                "uncertainty_level": "low/medium/high",
                "worst_case": "最坏情况是什么",
                "best_case": "最好情况是什么",
                "expected_value": "期望值评估",
                "can_user_handle_worst": true/false
            },
            
            "marginal_utility": {
                "uniqueness": "这个方案在什么维度上独特",
                "compared_to_status_quo": "相比现状的边际改善"
            },
            
            "why_fits_you": "为什么这个方案适合你",
            "why_might_hesitate": "你可能会犹豫的原因",
            "first_step": "今天就能做的第一步",
            
            "feasibility": {
                "score": 0.0-1.0,
                "you_can_imagine": true/false,
                "matches_your_style": "渐进式/中等/激进"
            }
        }
    ],
    
    "meta_insight": "关于这些选择的整体洞察（帮助用户看到全局）"
}
"""

5. 实现路线图

Phase 1: 理论框架 (当前)

  • 创建理论增强文档
  • 更新数据模型
  • 增强Prompt模板

Phase 2: 核心模块增强

  • Uneasiness模块增强
  • Desires模块增强
  • Paths模块增强

Phase 3: 新模块开发

  • SubjectiveValueAssessor
  • CausalChainTracker
  • EntrepreneurialSimulator

Phase 4: 集成与测试

  • 集成所有增强模块
  • 合成数据质量对比
  • A/B测试效果

6. 参考文献

  1. Rothbard, M. N. (1962). Man, Economy, and State. Van Nostrand.
  2. Mises, L. v. (1949). Human Action: A Treatise on Economics. Yale University Press.
  3. Menger, C. (1871). Principles of Economics. Ludwig von Mises Institute.
  4. Böhm-Bawerk, E. v. (1889). Capital and Interest. Libertarian Press.