game-theory

核心用法

该技能是一套面向加密领域的博弈论分析框架，通过"五问法"（玩家、策略、收益、信息、均衡）帮助用户解构 DeFi 协议、治理机制和代币经济模型。用户可套用内置分析模板，对具体协议进行结构化拆解：识别参与者角色、映射策略空间、量化收益矩阵、评估信息结构，最终推导纳什均衡与潜在攻击向量。技能涵盖六大经典博弈模式（公地悲剧、囚徒困境、协调博弈、委托-代理问题、逆向选择、道德风险），并针对 MEV 博弈、流动性博弈、治理博弈、质押博弈、预言机博弈等加密原生场景提供专项分析指南。

显著优点

1. 系统性框架：将抽象的博弈论概念转化为可操作的加密协议分析工具，降低专业门槛
2. 场景覆盖全面：从代币经济设计到治理攻击防御，从 AMM 流动性策略到 MEV 对抗，覆盖 DeFi 核心场景
3. 实战导向：提供红队思维训练，帮助用户主动识别协议设计缺陷而非被动接受风险
4. 教育价值突出：引用经典文献与加密原生研究（如 Flash Boys 2.0、Clockwork Finance），建立知识纵深

潜在缺点与局限性

1. 静态分析局限：博弈论模型假设理性参与者，而真实市场充斥噪声交易者、情绪驱动行为与监管突变，模型预测可能偏离实际
2. 参数敏感性：均衡结果高度依赖收益函数设定，微小参数调整可能导致结论逆转，非专业用户易误用
3. 无实时数据：纯文档框架，不接入链上数据或市场信息，分析需配合外部工具
4. 更新滞后风险：DeFi 协议迭代迅速，新机制（如意图中心架构、共享排序器）可能超出现有分析范式

适合的目标群体

• DeFi 协议设计师：优化代币经济模型与治理机制
• 安全研究员：系统性识别协议攻击向量
• 机构投资者：评估协议长期可持续性与治理风险
• 高级散户：理解 MEV、无常损失等复杂机制的博弈本质
• 产品经理：设计激励相容的 Web3 产品机制

使用风险

• 过度简化风险：将复杂协议压缩为博弈模型可能遗漏关键现实约束
• 自我实现预言：若大量用户依此分析进行套利，可能加速协议设计的失效
• 无代码执行能力：无法直接模拟或验证博弈结果，需借助外部工具（如 Nashpy、Gambit）

核心用法

该 Skill 提供系统化的博弈论分析框架，通过「五问法」解构任何加密协议：识别玩家角色、策略空间、收益结构、信息层级与均衡状态。配套完整的分析模板（Markdown 格式），可直接用于撰写协议评估报告。涵盖纳什均衡、占优策略、机制设计、谢林点等核心理论，并映射到质押、治理、MEV、流动性等具体场景。

显著优点

1. 零执行风险：100% Markdown 文档，无可执行代码，无动态行为，静态分析满分
2. 框架完整：从基础概念到进阶主题（重复博弈、演化博弈、贝叶斯博弈），覆盖学术到应用全链条
3. 场景贴合：6 种经典博弈模式（公地悲剧、囚徒困境、协调博弈等）均配有 DeFi 实例与解决方案
4. 方法论清晰：四步分析流程（建模→求均衡→压力测试→建议）可直接落地

潜在局限

• T3 来源：个人开发者维护，长期更新承诺不明，需版本锁定
• 理论导向：偏重框架与概念，具体数值模拟需配合外部工具（如 Nashpy、Gambit）
• 无实时数据：不包含链上数据获取，分析依赖用户自行输入协议参数
• 法律边界：明确声明不构成投资建议，但深度博弈分析可能被误用为「预测」工具

适合人群

• 协议设计师：机制设计与激励对齐验证
• 安全研究员：识别治理攻击、MEV 提取等对抗向量
• 投资分析师：评估代币经济模型的长期可持续性
• 治理参与者：理解投票策略与委托代理问题

常规风险

内容本身无技术风险，但需注意：博弈论分析的「均衡预测」具有理想假设（完全理性、共同知识），现实市场常因行为偏差、信息时滞而偏离模型结论。使用者应避免将理论均衡等同于市场必然结果。