GameDesignOS：本地优先的游戏设计操作系统
把 AI 会话转化为可验证的证据、实验与决策，配合人审门禁与回滚，为游戏设计构建持久的项目记忆。
证据充分：CI 权限仅为 contents:read；参考宿主测试明确验证预览先行、--execute 显式批准、API 密钥永不落盘、任务变更不可复用预览、传输失败标记 outcome_unknown 且禁止盲重试；Security.md 声明公开发布/删除/权限变更必须 Human Gate。deduct:外部效果依赖宿主环境实际行为，静态审查无法确认最终执行侧约束；发布者为 Paranoia 化名，身份未验证，归因有限。
pyproject 依赖极少（PyYAML、schema）且版本下限明确，CI 覆盖 3 个 Python 版本和双平台，覆盖基线 80%。deduct:依赖可用性与错误消息质量未经执行验证，失败消息仅在测试间接体现。
README 明确目标受众（AI 辅助游戏设计者）、七技能边界、四类宿主适配器、v0.8/v0.9 workspace 兼容声明清晰。deduct:触发精度依赖宿主技能加载机制，静态文件只能看到 frontmatter 一致性检查建议；environment_fit 需 Python>=3.11，边界已写明但兼容矩阵未经执行证实。
四层架构清晰（Skill Kernel/Contract/Workspace/Runtime），安装说明完整（pip install -e、demo、ask、start），MIT License 双重声明（LICENSE 文件 + pyproject），公开/私有数据分离规则明确，案例与演示齐全。deduct:维护者为化名个人，安全支持范围仅 latest main/版本；CHANGELOG 通过 release 链接引用但文件内版本细节（v1.3.0.dev0 与 v1.2.0 并行）需读者自行梳理。
demo 无需密钥、路由默认只读、workspace 模板与契约可复用，边际价值在于把散乱 AI 输出转为可审查资产。deduct:输出可用性与成本收益需实际运行评估，静态证据只能确认设计意图与测试覆盖存在。
测试与 README/CI 相互印证（evals 72、validator、CLI smoke），声明均绑定可检查文件路径。deduct:静态审查未执行，行为 eval 内容本身未在源文件中展示；部分能力声明（如 7 技能全部通过验证器）只能采信 CI 配置的存在而非结果。
- 发布者为未验证的化名（Paranoia），企业级采用前应自行做供应侧尽调。
- 静态审查未执行任何测试；声称的 11 套/72 项行为 eval 与 80% 覆盖率需自行复跑验证。
- 参考宿主会向外部 OpenAI 兼容端点发送数据，请在受控环境中审查 payload 内容与端点配置。
- 安全修复仅覆盖最新 main 与最新正式版本，旧 workspace 兼容不代表旧运行时持续维护。
- 当前为 v1.3.0.dev0 开发候选，契约与模板可能变动，生产使用建议锁定 v1.2.0 标签。
这个 Agent 能做什么，适合哪些场景？
GameDesignOS 是一个本地优先的 AI 辅助游戏设计操作系统，把零散的 AI 输出转化为带出处的可审资产：决策、假设、证据、实验、提案、工作流与学习记录。仓库由四层构成：7 个可独立安装的专家技能（如 $game-experience-analyzer、$game-concept-architect）、19 个契约 Schema（contracts/）、v1 项目工作区模板，以及确定性的本地 CLI（gamedesignos）。CLI 不调用模型，负责工作区创建、路由、校验、健康扫描、决策图导出和评审安全打包；所有改变承诺的决策必须在 Human Gate 处由人确认。运行状态存放在 .gamedesignos/ 目录，真实项目数据可留在本地私有环境。当前稳定版本为 v1.2.0，并已有 v1.3.0.dev0 开发候选（新增 ul_state Schema 与 UL-L0–L5）。
安装后通过 python -m gamedesignos demo 可离线体验完整的 Decision/Assumption/Evidence/Experiment 链路；通过 python -m gamedesignos ask "..." 或 gamedesignos "一句话想法" 获得只推荐不写入的技能路由，或用 start 命令创建持久私有工作区。技能层读取截图、录像、PV、一句话创意或工作流描述，产出带时间戳证据的体验报告、概念蓝图、ED（体验密度）周实验计划、决策就绪提案、Intent Work Order、中文设计翻译与知识库条目。契约层（contracts/）让技能间通过 evidence index、issue cards、ED handoff、player-promise contract 等稳定交接物互通。CLI 支持校验（scripts/validate_skill.py）、unittest、gamedesignos doctor 健康检查与回滚门禁。
- 独立开发者有一句游戏创意，需要 $game-concept-architect 产出概念种子、玩家承诺、核心循环、范围门禁与原型验证计划
- 策划拿到竞品实录或 PV，用 $game-experience-analyzer 生成时间戳证据、功能台账、循环诊断与修复建议
- 运营/数值负责人面对留存或节奏问题，用 $game-experience-density-optimizer 制定每周 A/B 实验、埋点字段与回滚门禁
- 团队要把验证过的概念整理成发行商 pitch 或垂直切片文档，用 $game-design-proposal-writer 汇总证据与约束
- 工程师想用 $paranoia-ai-system-evolver 把提示词/工作流升级为带 WOOP、VOI、OODA、eval、Human Gate 与回滚的受控演进
- 译者或研究者用 $game-design-book-translator 与 $game-design-source-curator 沉淀中文设计译文与本地知识库
这个 Agent 有哪些优点和局限？
- 确定性本地 CLI 不调用模型，demo 完全离线，私有项目数据可留在本地
- 契约驱动的技能间交接（19 个 Schema），避免每次会话重建上下文
- Human Gate + 回滚 + RJR-AI 残留判断机制，把高耦合、难回退的决策保留给人
- 7 个技能均通过 Agent Skills 参考校验器，行为 fixture 覆盖 11 套 / 72 个 eval
- 价值依赖工作区与契约层的持续使用，单次临时调用收益有限
- 许多报告类技能以中文输出为主，英文团队可能需要适配
- v1.3.0.dev0 候选版本未打 tag、未发布，采用稳定版则缺少 UL 等新能力
- 公开案例仅 2 个且标记 needs_review 或合成数据，真实项目效果的公开证据有限
- 技能对宿主环境的 SKILL.md 加载机制有依赖，非标准 Agent 环境需自行复制与校验链接
如何安装或部署这个 Agent？
需要 Python 环境与本地 shell：
git clone https://github.com/DY-2026/GameDesignOS.git
cd GameDesignOSpython -m pip install -e .
首次验证：
python -m gamedesignos demo # 无模型调用、无需 API key
python -m gamedesignos doctor # 健康检查
也可将单个技能文件夹（如 game-experience-analyzer/）复制进支持本地技能加载的 Agent 环境，并确认 SKILL.md frontmatter 的 name 与文件夹名一致。
如何使用这个 Agent？
三种方式：
1) 持久项目：gamedesignos "I want to make a lighthouse tactics game"（自然语言入口默认只路由不写入），或 python -m gamedesignos start "Lighthouse Tactics" --destination ../lighthouse-designos 显式创建工作区。
2) 直接调用技能：在支持技能加载的 Agent 中输入如 "Use $game-experience-analyzer to analyze this gameplay recording into timestamped evidence..."。
3) 一键提问：python -m gamedesignos ask "I want to validate a lighthouse tactics game" 推荐最小合适技能。校验命令：python scripts/validate_repo.py、python scripts/validate_skill.py <skill>、python -m unittest discover -s scripts/tests。