把「让 AI 有创造力」做成可运行、可评分的流程：一套多 Agent 生成机制，一份 Agent Skill，一套自动评分基准。
这是一个 Node 项目，不需要安装第三方依赖。它把创造力研究里几个有出处的做法拼成一条流水线：
- 每路生成者绑定一条创造力技法（SCAMPER、TRIZ 矛盾消解、结构映射类比、概念融合等 12 条，见
data/operators.json），而不是只说「请有创意」； - 评审者只找漏洞，给出可行性、新颖度、影响和一条失败原因；
- 融合者从不同档案格里挑想法配对，输出它们共享的抽象结构和涌现性质；
- 质量-多样性档案（MAP-Elites 式网格）每格只留最好的一条，最后交付一组想法而不是一条「最佳答案」；
- 每轮测量想法之间的语义距离，同质化时升温并换一批技法。
同一套代码还带了一个基准：四类任务（替代用途测验 AUT、发散联想任务 DAT、远距离联想测验 RAT、带已知方案清单的设计简报）、多个自动指标（新颖度、可行性、多样性、灵活性、跨配置区分度等）和几个对照 / 消融配置。用来回答「某个提示词、某个模型、某种编排是不是真的更有创造力」。
- 这套机制能让 AI 更有创意吗？ 能，但说的是「发散」这一类：同一道题，用它比直接问模型能给出更多、更不重复、更不容易和别人撞车的想法。代价是想法更飘，同一个评委给它的可行性打分更低。
- 它超过人类了吗？ 不能说超过。拉来三个公开的人类实验数据（约 2.2 万条真人作答）对照后：在一个标准小测验上，它排在真人第 63 百分位，也就是比大约三分之二的参与者高、比三分之一低；在「砖头/盒子能干嘛」这类题上，它的答案离题目更远，落在人类分布的最前面几个百分点——但没有真人评价过它的答案，这只是「在同一把自动尺子上排得靠前」，不等于「人类觉得它想得更好」。
- 这些自动分数可信吗？ 中等：它和真人评委的打分方向一致，相关系数 0.4~0.5；在替代用途测验上比原论文的 GloVe 距离更贴近人类评分，在词语联想上不如。可以拿它比较不同配置和不同版本，不能当成人类评分。
数字、口径和局限见 实验结果、docs/report.md 和 docs/human-baseline.md。
| 你想做的事 | 用哪个 | 要不要写代码 |
|---|---|---|
| 让 Agent 在写方案、做设计时按这套方法想问题 | Skill | 不用 |
| 直接生成一批想法，或跑对照实验拿数字 | 命令行 | 不用 |
| 把机制接进自己的程序 | TypeScript API | 要 |
Skill 是给 Agent 读的 Markdown 指令包。放进应用会扫描的目录里，Agent 自己判断什么时候加载，不需要执行任何脚本。
本仓库已经把它放在 .agents/skills/creativity-engine/SKILL.md。opencode 和 DSH 都会扫描项目里的 .agents/skills/，所以在仓库目录里打开任一个，技能列表里就有 creativity-engine。
各应用扫描的位置：
| 应用 | 项目级 | 全局（所有项目可用） |
|---|---|---|
| opencode | .opencode/skills/<name>/SKILL.md、.claude/skills/<name>/SKILL.md、.agents/skills/<name>/SKILL.md |
~/.config/opencode/skills/<name>/SKILL.md |
| DSH | .dsh/skills/<name>/SKILL.md、.agents/skills/<name>/SKILL.md |
~/.dsh/skills/<name>/SKILL.md |
装到全局目录，任何项目都能用：
mkdir -p ~/.config/opencode/skills
cp -r .agents/skills/creativity-engine ~/.config/opencode/skills/用法就是正常提需求，比如「给独居老人想 10 个防忘关火的方案，要具体、别落俗套」，Agent 会按 SKILL.md 里的七步走。手册里面是提示词协议和反模式，没有命令行步骤。
这个技能目录里只有 SKILL.md，可以单独拷到别的项目用，不需要本仓库的其它代码，也不需要 Node 环境。仓库里的实现只是把同一套协议自动化了：批量跑任务、自动算分、出报告。要自动评分才需要代码，要想法只要这个文件。两者各能做什么，见下面的常见问题。
先配模型端点。环境变量优先，读不到就退回本机 OpenCode 的配置：
export CREATIVE_BASE_URL=http://127.0.0.1:11434/v1
export CREATIVE_API_KEY=sk-...
export CREATIVE_CHAT_MODEL=deepseek-v4.1-flash # 可选
export CREATIVE_EMBED_MODEL=qwen3-embedding:latest # 可选密钥只在运行时读取，不会写进任何产物。
跑一个任务，看它产出什么
node scripts/demo.ts aut-brick # data/ 里的任务
node scripts/demo.ts --task "社区里的共享单车经常被推倒，设计一个让它不容易倒的办法"
node scripts/demo.ts aut-brick --generations 1 --save runs/demo/brick.json打印每轮的算子分派、语义距离、簇数、档案覆盖率和精英想法，结果存进 runs/demo/。用 --task 直接给文本时没有已知方案清单，新颖度会一律记成 1.00，这时只看可行性列。
跑对照实验
node scripts/bench.ts --dry # 假模型跑通流水线，不联网
node scripts/bench.ts --tasks aut-brick,brief-box --configs engine,zero-shot --out runs/my-run
node scripts/rescore.ts --run runs/my-run # 只重算分数与报告
node scripts/analyze.ts runs/my-run > docs/my-results.md # 结果导成 Markdown 表
bash scripts/run-all.sh # 主实验 + 消融 + 报告一次跑完配置：zero-shot、structured-cot、self-refine、engine，另外两个消融配置 engine-flat、engine-noadapt 需要显式写在 --configs 里。产出在 runs/my-run/：每条想法的 JSON 原文、逐格分数、summary.json，以及 report.md 和 report.html（后者可以用鼠标悬停看想法原文和 PCA 投影散点）。
其他命令：
npm test # 55 个单元测试，离线，不需要模型端点
node scripts/smoke.ts # 连通性自检：一次对话 + 一次嵌入最短的完整例子是 examples/quickstart.ts，node examples/quickstart.ts 可以直接跑。
import { runCreativeEngine } from "../src/agents/engine.ts";
const result = await runCreativeEngine({
client, // ChatClient，或任何实现了 chat/json 的对象
catalog: loadCatalog(), // data/operators.json 里的技法与角色
space, // 语义空间，用来算新颖度与多样性
taskId: "my-task",
task: "把要解决的问题写在这里",
knownSolutions: ["已知做法一", "已知做法二"], // 有它，新颖度才有意义
config: { generations: 3, generators: 4, ideasPerGenerator: 3, blendPairs: 2 }
});
for (const idea of result.archive.elites) {
console.log(idea.novelty, idea.feasibility, idea.text);
}常用参数（默认值在 src/agents/engine.ts 的 DEFAULT_ENGINE_CONFIG）：
| 参数 | 默认 | 作用 |
|---|---|---|
generations |
3 | 发散轮数 |
generators |
4 | 每轮几路生成者，每路换一条技法 |
ideasPerGenerator |
3 | 每路要几条想法 |
blendPairs |
2 | 每轮跨格融合几对 |
diversityFloor |
0.35 | 平均两两语义距离低于它时升温并换算子，设 0 关闭 |
temperature / temperatureStep / maxTemperature |
1.0 / 0.15 / 1.4 | 采样温度及其自适应范围 |
useCritic / useMetaReflector |
true | 是否调用评审者和元反思者 |
seed |
20240930 | 随机种子 |
| 任务 | 测什么 | 主要指标 |
|---|---|---|
AUT（aut-brick、aut-bottle） |
发散思维 | 流畅性、灵活性、原创性、具体化、DT 指数 |
英文 AUT（aut-box-en、aut-rope-en、aut-brick-en） |
发散思维，且与公开人类数据同题 | 同上，外加与人类作答的距离分布 |
DAT（dat-7、dat-10、dat-en-7） |
语义发散程度 | 前 7 个有效词的 21 对余弦距离均值 ×100（标准 DAT 计分） |
RAT（rat-20） |
聚合思维 | 严格命中率、任意候选命中率 |
设计简报（brief-stove、brief-box） |
新颖且可用的方案 | 新颖度、可行性、新颖度×可行性、固定抽样多样性、跨配置区分度 |
新颖度 = 1 − 与已知方案的最大余弦相似度；可行性由独立评委按同一份提示词给所有配置打分；跨配置区分度衡量同一道题上各家的想法有多容易撞车。完整定义见 docs/benchmark.md。
人类数据基线：仓库导入了三个公开人类数据集（SemDis 的 AUT 与词语联想、Olson 等人的 DAT，共约 2.2 万条人类作答），用来做两件事——校验自动指标与人类评分者的相关，以及把机器输出放进人类分布里看百分位（npm run human）。数据来源、口径与结果见 docs/human-baseline.md。
AGENTS.md 给编码 Agent 的项目约定（命令、约束、验证流程、已知坑）
.agents/skills/creativity-engine/SKILL.md Agent Skill（opencode 与 DSH 都会扫描）
data/ 技法目录、AUT / DAT / RAT / 设计简报任务与已知方案语料
data/human/ 导入后的公开人类数据（由 npm run human:fetch 生成）
src/core/ 语义空间、新颖度、AUT / RAT 评分、质量-多样性档案、统计
src/llm/ OpenAI 兼容客户端（磁盘缓存、并发、重试、审计日志）与提示词
src/agents/ 多 Agent 引擎、基线策略、成对比较评审
src/bench/ 任务加载、自动评分、矩阵运行器、报告生成、PCA 投影、人类数据基线与指标校验
examples/quickstart.ts 最小代码调用示例
scripts/ demo / bench / rescore / analyze / human / fetch-human-data / run-all 命令行
test/ 55 个单元测试（确定性夹具或假模型，离线）
runs/ 实验产物与报告（模型调用缓存在 runs/cache/）
docs/ 调研笔记、机制设计、基准方法、结果与结论
改代码前先看 AGENTS.md：里面有不能引入依赖、只能用类型擦除语法、测试必须离线、生成物不要手改这些硬性约定，以及每类改动对应的验证流程。
- Node.js 22.6 以上（代码用类型擦除直接运行
.ts，不需要编译） - 一个 OpenAI 兼容的模型端点，需要支持
/chat/completions和/embeddings
这一节是给想看数字的人看的；只想知道结论就看开头的「结论速览」。
主实验（4 配置 × 7 任务）与消融实验（4 配置 × 3 任务）的完整数据在 docs/results.md，交互报告是 runs/main-live/report.html 和 runs/ablation/report.html。
跨任务均值：机制的新颖度最高（0.441，基线 0.387–0.405），AUT 灵活性 8 / 6（基线 3–5），跨配置区分度在 7 道题上全部排第一；可行性最低（0.460，基线 0.700–0.727），调用次数约为基线的 2.7 倍。消融显示增益主要来自技法异质化和融合（去掉后多样性 0.504 → 0.347），自适应升温在这批任务上未触发。结论与局限见 docs/report.md。
人类数据基线（runs/human-baseline/report.md，HTML）：在 SemDis 公开的 1,800 条 AUT 人类作答上，本仓库的语义距离与人类评分的相关（与最近人类作答的距离 Spearman 0.52、与题目词的距离 0.40）高于原论文 GloVe 距离在同一批作答上的 0.20；在 2,524 名真实参与者的 DAT 数据上（用本仓库嵌入重算，人类均值 39.4±3.9），与人类同题的机制运行落在第 63 百分位，与题目词的距离落在 AUT 人类分布的第 97–99 百分位。口径、样本与局限见 docs/human-baseline.md。
不需要。技能目录里只有一个 SKILL.md，内容是技法表、七步流程、提示词模板和自检方法。拷到别的项目或者全局技能目录就能用，那台机器上不需要 Node，也不需要仓库里的其它文件。
代码只负责自动化，不是 Skill 的前置条件。
| 能力 | 只有 SKILL.md | 加上仓库代码 |
|---|---|---|
| 生成、评审、融合、挑选想法 | 能，Agent 用自己手里的工具做 | 能，还能批量并发 |
| 新颖度、多样性、可行性打分 | 按文件里的方法手工估算 | 自动计算，含标准 DAT 计分和独立评委 |
| 对照实验与消融 | 做不了 | scripts/bench.ts 一条命令 |
| 复现报告里的数字 | 只能定性比较 | 可以，runs/ 里有原始想法和逐格分数 |
项目级：把 .agents/skills/creativity-engine/ 整个目录拷到目标仓库的 .agents/skills/ 下，opencode 和 DSH 都会扫描这里。全机器可用：拷到 ~/.config/opencode/skills/ 或 ~/.dsh/skills/。不支持 Skill 的应用：把文件内容贴进系统提示词或自定义指令，效果一样，只是不会按需触发。
文件最后一节写了手工近似：把想法向量化，算「1 − 与已知方案的最大余弦相似度」当新颖度，算两两余弦距离均值当多样性，数语义类别当灵活性。算法和仓库里的实现一致，但缺少同一批任务上的实测数据做参照，所以分数不要和 docs/results.md 里的数字直接比。
npm test 和 node scripts/bench.ts --dry 不用网络，后者用假模型跑通整条流水线。其余命令需要一个 OpenAI 兼容的模型端点，/chat/completions 和 /embeddings 都要能用。
不用。node scripts/demo.ts --task "你的问题" 可以直接跑。想让新颖度有意义，把已知做法写进 knownSolutions（见 examples/quickstart.ts），或者在 data/briefs.json 里加一条自己的任务。
可以，MIT 许可，见 LICENSE。
- 每份配置每个任务只跑一次、一个种子，结果说明方向和量级，不是显著性结论；
- 人类数据来自公开数据集（SemDis 的 AUT/词语联想与 Olson 等人的 DAT），是别人招募的被试，不是本项目招募的；因此能给出「机器输出在人类分布里的位置」和「自动指标与人类评分的相关」，但没有让人类来评价我们自己的想法；
- 可行性由模型评委打分，而字数越多它给分越低（逐条数据里两者负相关），机制的想法又比基线长两倍多，这个偏置写在
docs/report.md； - 投影图的提示框只支持鼠标悬停，触屏上还没有对应交互。
代码用 MIT，见 LICENSE。
data/human/ 里的第三方人类数据（SemDis、Olson 等人的公开数据集）版权属于原作者，按原项目的公开共享条款用于研究复现，不随本仓库的 MIT 许可一并授权；来源、引用与校验和记录在每个 JSON 文件的 sources 字段和 docs/human-baseline.md 里。
- 调研笔记（71 条已核实出处）：
docs/research-notes.md - 机制设计说明：
docs/design.md - 基准方法与指标定义：
docs/benchmark.md - 任务来源与数据：
data/