用金融网络的传导机制来模拟能源危机

最反直觉的结论是：即便一个国家（比如法国）不直接从该海峡进口原油，它的储备也会因为其他国家的恐慌性囤货而加速枯竭。这种“间接冲击”才是建模中最难捕捉的细节。

为了在 LLM 中实现类似的系统性模拟，不能只给它数据，必须给它一个明确的“传播算法”框架。我尝试将这个逻辑转化为一个高阶提示词，让 AI 能模拟特定资源中断后的全球连锁反应。

以下是我优化后的实战 Prompt，重点在于强制 AI 执行“迭代计算”而非直接给出结论：

# Role: 全球供应链级联失效模拟专家

## Context:
你现在是一个基于网络拓扑结构的供应链分析模型。你的分析逻辑必须遵循 [Eisenberg-Noe 金融网络] 传导机制：资源中断 → 节点储备下降 → 触发下游恐慌性囤货 → 价格指数上涨 → 进一步加速储备枯竭。

## Input Data:
1. 关键中断节点：[填写中断位置/资源，如：霍尔木兹海峡]
2. 初始依赖权重：[提供具体贸易流向数据或要求AI检索最新UN Comtrade数据]
3. 节点储备阈值：[设定各国的安全库存天数]

## Simulation Workflow (必须严格执行以下步骤):
Step 1. 【拓扑映射】：识别受直接影响的直接贸易方（一级节点），并标注其对该资源的依赖百分比。
Step 2. 【一阶传导】：计算一级节点在资源中断后的储备消耗速度，计算其向二级节点转移压力的时间窗。
Step 3. 【反馈循环】：模拟非直接依赖国家（二级/三级节点）的心理反应。计算其增加“安全库存”的行为如何推高全球价格指数 $P$。
Step 4. 【动态推演】：根据 $P$ 的上涨幅度，重新计算所有节点的实际可用储备天数，直至出现首个“储备耗尽”的国家。

## Output Requirement:
- 严禁给出模糊的“可能影响”，必须给出具体的推演链条。
- 结果需包含：直接受损节点 → 间接受损节点 → 最终崩溃节点 的时间线。
- 必须分析一个“非直接依赖但受重创”的异常案例，并解释其传导路径。

为什么这个 Prompt 有效？

很多人的提示词只是在问“如果 XX 封锁会怎样”，AI 给出的答案通常是泛泛而谈的分析报告。而这个 Prompt 强制 AI 切换到模拟器模式：

• 引入数学模型： 明确要求使用级联失效逻辑，避免了 AI 的随机猜测。
• 强制迭代计算： 通过 Step 1 到 Step 4 的结构，逼迫 AI 先算依赖权重，再算传导时间，最后算反馈循环。
• 寻找异常值： 要求分析“非直接依赖但受重创”的案例，这能有效检验 AI 是否真的在模拟网络传导，还是在背诵知识点。

实际运行效果与踩坑点

我用这个 Prompt 跑了一次关于“稀土出口受限”的模拟，实测发现：如果不在 Prompt 中明确定义“安全库存阈值”，AI 倾向于假设所有国家都有无限储备，导致模拟结果过于乐观。

建议配置参数： 在输入数据时，手动给 AI 设定一个具体的数字，例如：设定主要工业国安全库存为 30 天，小型依赖国为 7 天。这样跑出来的结论会非常具体，它会告诉你哪个国家会在第 8 天开始出现工业停产，哪个国家在第 15 天因为价格飙升而彻底断供。

这种从底层逻辑（网络拓扑）切入的 Prompt 编写方式，比单纯堆砌形容词要高效得多。