
Cascade Prediction
- 18 installs
- 29 repo stars
- Updated April 18, 2026
- kangarooking/huangdi-neijing-skill
Predict how changes in one system component will propagate through interconnected systems.
About
Traces cause-effect chains through networked systems to anticipate second and third order effects. Prevents surprise failures.
- Model system interdependencies
- Predict multi-step consequences before acting
Cascade Prediction by the numbers
- 18 all-time installs (skills.sh)
- +1 installs in the week ending Aug 2, 2026 (Skillselion tracking)
- Ranked #2,053 of 3,282 Productivity & Planning skills by installs in the Skillselion catalog
- Data as of Aug 5, 2026 (Skillselion catalog sync)
npx skills add https://github.com/kangarooking/huangdi-neijing-skill --skill cascade-predictionAdd your badge
Show developers this skill is listed on Skillselion. Paste this into your README.
| Installs | 18 |
|---|---|
| repo stars | ★ 29 |
| Last updated | April 18, 2026 |
| Repository | kangarooking/huangdi-neijing-skill ↗ |
What it does
Predict how changes in one system component will propagate through interconnected systems.
Files
Cascade Prediction — 脏腑传变预测法
R — 原文 (Reading)
五脏受气于其所生,传之于其所胜,气舍于其所生,死于其所不胜。
病之且死,必先传行,至其所不胜,病乃死。
……五脏相通,移皆有次。五脏有病,则各传其所胜。
>
— 《黄帝内经·素问》,玉机真藏论篇第十九
---
I — 方法论骨架 (Interpretation)
系统中的问题不会停留在原地——它会沿着固定的路径向外传播。 素问用五脏相克的链条来描述这个传播路径: 肝(木)→脾(土)→肾(水)→心(火)→肺(金)→肝(木), 每个环节的问题都会传给"它所克"的下一个环节。
这个方法论的核心价值在于:问题不是随机扩散的,而是有方向、有次序的。 掌握了传播路径,就可以提前预判下一个受害的环节,在那里预先布防。
它包含三个关键操作: 第一,定位——当前问题出在哪个环节; 第二,画路径——按相克链推出问题的传播方向和顺序; 第三,设防——不等问题传到下一个环节,提前在那里加固。
这个思路迁移到任何有"环节A出问题会影响环节B"的系统都适用—— 组织管理、供应链、技术架构、生态链条,只要能画出"谁影响谁"的传递路径, 就能用传变预测来防患于未然。
---
A1 — 书中的应用 (Past Application)
案例 1: 五脏传变路径与时间预测
- 问题: 五脏之病不治,会如何传变?何时会危及生命?
- 方法论的使用: 素问给出了完整的传变路径:肝受气于心(木生火)→传之于脾(木克土)→气舍于肾(水生木)→至肺而死(金克木)。心、脾、肺、肾各有类似的链条。并且给出了传变的时间预估:"法三月,若六月,若三日,若六日"。
- 结论: 传变有固定方向(所胜)和终点(所不胜),预判了路径就可以在中间环节阻断。
- 结果: 能预判疾病走向的医生("上工")可以在传变途中拦截,不能预判的("下工")只能被动应付。
案例 2: 外痹内传五脏
- 问题: 风寒湿引起的痹症(外感)如何影响内脏?
- 方法论的使用: 痹论指出:骨痹不已→内舍于肾,筋痹不已→内舍于肝,脉痹不已→内舍于心……外部的病邪沿着特定的对应关系逐步深入内脏。
- 结论: 外部问题如果持续不解决,会按固定路径向深层传播——从功能层(筋骨脉肌皮)传到核心层(五脏)。
- 结果: 提示必须在痹症尚在外层时就积极治疗,防止内传。
---
A2 — 触发场景 (Future Trigger) ★
用户会在什么情境下需要这个 skill?
1. 局部问题需评估全局影响: 某个部门/模块/组件出了问题,用户需要预测这个问题会沿着什么路径扩散,最终影响哪些环节。 2. 预防性布防: 用户知道某处出了问题,想在问题扩散之前提前加固下游环节,而不是等问题传到再仓促应对。 3. 复盘连锁故障: 系统已经发生了连锁崩溃,用户需要回溯问题的传播路径,理解为什么A坏了最终导致Z也坏了。
语言信号 (用户的话里出现这些就应激活)
- "这个问题会不会引发其他问题?"
- "如果不处理会怎样?"
- "一处出问题,其他地方会不会跟着出事?"
- "需要提前在哪里布防?"
- "连锁反应/多米诺效应"
- "这个问题会扩散到什么范围?"
与相邻 skill 的区分
- 与
context-adaptation的区别: 传变预测关注的是问题在时间维度上的扩散路径(下一步会怎样),因地制宜关注的是问题在空间维度上的环境适配(换个地方怎么办)。前者是纵向预测,后者是横向适配。 - 与
negative-feedback的区别: 传变预测是"问题沿着链条传播",亢害承制是"某个力量过度亢盛需要引入制衡"。前者是线性传播,后者是过冲-回调。
---
E — 可执行步骤 (Execution)
当 skill 被激活后, agent 应按以下步骤执行:
1. 定位当前问题所在的环节
- 将系统拆解为若干环节/模块/部门,确定问题当前出在哪一个环节。
- 完成标准: 明确标注"当前问题位置"以及该环节的核心功能。
2. 画出传变路径图(相克链)
- 梳理系统中各环节之间的"谁影响谁"关系,画出传递链条。
- 从当前问题环节出发,沿传递方向逐级推导:问题会传到哪个环节?再下一个是哪个?
- 标记每个环节的"承受能力":哪些环节脆弱(容易传变),哪些环节有缓冲(可能阻断传播)。
- 完成标准: 产出一幅传变路径图,标注每一步的传播方向和预计影响时间。
- 判停条件: 若系统各环节完全独立无传递关系,则不存在传变路径,此 skill 不适用。
3. 在下一个环节提前布防
- 针对传变路径上的第一个下游环节,立即部署预防措施。
- 同时评估:是否需要在更远的下游也预先加固。
- 完成标准: 产出布防方案——在每个关键节点标注"预防措施"和"早期预警信号"。
---
B — 边界 (Boundary) ★
不要在以下情况使用此 skill
- 各环节完全独立的系统: 如果模块A出问题不会影响模块B,就不存在传变路径,此方法无用武之地。
- 一次性事件不会引发连锁反应: 如单个人员的偶尔失误,如果没有系统性传导机制,不需要画传变路径。
作者在书中警告的失败模式
- 不知传变次第就治疗——素问说"五脏相通,移皆有次",不了解传播规律就无法预判走向,只能被动追着问题跑。
- 只治当前环节不管下游——"头痛医头脚痛医脚"就是不知道传变的典型表现,问题是治好了这里那里又冒出来了。
作者的盲点 / 时代局限
- 素问的传变路径是固定的(五行相克顺序),而现实系统的传播路径往往是网络状的、多向的,甚至可能有反馈环。需要在"相克链"基础上增加更灵活的网络分析。
- 古代没有量化工具,传变时间只能粗略估算("三月/六月/三日/六日"),现代可以结合数据分析做更精确的时间预测。
容易混淆的邻近方法论
- "风险传播分析"——现代风险管理中的传播分析通常是概率驱动的,传变预测法更强调"必然路径"和"结构化布防",操作更简洁。
- "根本原因分析(RCA)"——RCA是回溯找根因(为什么出问题),传变预测是前瞻看走向(问题会往哪里去),方向相反但互补。
---
相关 skills (阶段 3 填充)
- depends-on: five-elements-network — 传变预测的传播路径(肝→脾→肾→心→肺→肝)直接来自五行相克链条(木克土、土克水、水克火、火克金、金克木)。不理解五行生克关系就无法画出正确的传变路径图。
- composes-with: prevention-strategy — 传变预测回答"问题会沿什么路径扩散",治未病回答"在扩散路径上如何提前设防"。两者组合实现"预测传播→提前布防"的完整预防链条,即素问所谓"上工治未病"的具体操作。
---
审计信息
- 验证通过: V1 ✓ / V2 ✓ / V3 ✓
- 测试通过率: {{%}} (详见 test-prompts.json)
- 蒸馏时间: 2026-04-18
{
"skill": "cascade-prediction",
"version": "0.1.0",
"source_book": "《黄帝内经·素问》 黄帝与岐伯等",
"darwin_compatible": true,
"test_cases": [
{
"id": "should-trigger-01",
"type": "should_trigger",
"prompt": "我们供应链的原料供应商出了问题, 如果不及时解决, 这个问题会不会引发连锁反应扩散到生产线和销售端?",
"expected_behavior": "应激活 cascade-prediction, 定位当前问题环节(原料供应), 画出传变路径(原料供应→生产线→成品库存→销售交付→客户满意度), 评估每个环节的脆弱性, 并在下游环节提前布防",
"notes": "正面场景: 典型的局部问题需评估全局连锁影响, 用户直接问'会不会引发连锁反应', 命中语言信号"
},
{
"id": "should-trigger-02",
"type": "should_trigger",
"prompt": "团队核心架构师突然离职了, 如果不处理会怎样?会影响哪些环节?需要提前在哪里布防?",
"expected_behavior": "应激活 cascade-prediction, 定位问题在技术架构环节, 沿着'架构师离职→架构决策停滞→技术债务累积→开发效率下降→产品质量下降→客户流失'的路径逐级推导, 并建议在每个关键节点的预防措施",
"notes": "正面场景: 用户明确问'不处理会怎样'和'提前在哪里布防', 直接命中触发语言信号"
},
{
"id": "should-trigger-03",
"type": "should_trigger",
"prompt": "上个月数据库服务器宕机了, 紧接着缓存也崩了, 然后整个系统都瘫痪了。我想复盘一下这个多米诺效应是怎么发生的, 为什么A坏了最终Z也坏了?",
"expected_behavior": "应激活 cascade-prediction, 回溯连锁故障的传播路径: 数据库→缓存层→应用层→前端→用户端, 分析每一步的传导机制, 找出关键的脆弱节点, 并建议未来在传导路径上设置熔断/冗余等防护",
"notes": "正面场景: 用户明确提到'多米诺效应', 且需要回溯连锁崩溃的传播路径, 属于'复盘连锁故障'的触发场景"
},
{
"id": "should-not-trigger-01",
"type": "should_not_trigger",
"prompt": "我们公司有两个完全不相关的部门: 研发部和食堂, 食堂今天菜单换了, 这会影响研发进度吗?",
"expected_behavior": "不应激活本 skill, 因为两个环节之间没有传导关系, 不存在传变路径, SKILL.md明确排除'各环节完全独立'的场景",
"notes": "诱饵: 用户问了'A会不会影响B', 看似在评估连锁影响, 但两个环节完全独立无传递关系, 不适用传变预测"
},
{
"id": "should-not-trigger-02",
"type": "should_not_trigger",
"prompt": "昨天开会的时候有个同事说错了一句话, 这会不会导致公司倒闭?",
"expected_behavior": "不应激活本 skill, 因为这是单一人员的偶尔失误, 没有系统性传导机制, 属于'一次性事件不会引发连锁反应'的排除场景",
"notes": "诱饵: 用户在问'会不会导致'更大问题, 但一句话的口误与公司倒闭之间不存在系统性的传导链条, 是过度联想而非真实的连锁传播风险"
},
{
"id": "edge-01",
"type": "edge_case",
"prompt": "我们前端团队的代码质量最近有点下降, 不知道会不会影响到后端和运维, 毕竟大家都在同一个项目里。",
"expected_behavior": "可能激活也可能不激活。如果激活, 应分析前端代码质量下降→API接口不稳定→后端联调效率下降→测试回归增加→运维部署风险升高这一传导路径。但需要注意: 代码质量'有点下降'幅度较小, 且前端对后端的传导依赖项目架构, 可能传导链较短或有缓冲层",
"notes": "边界: 存在潜在的传导路径(同项目团队之间有关联), 但问题程度较轻('有点下降'), 且用户语气不确定('不知道会不会'), 属于需要判断传导是否真实存在的边缘场景"
}
],
"minimum_pass_rate": 0.8,
"notes": "至少 3 条 should_trigger + 2 条 should_not_trigger + 1 条 edge_case。全部 should_not_trigger 必须通过 (诱饵容错为 0)。"
}