本地社区传播与制度回应

场景

一个 1,000 人的集市和一个 2,000 人的村庄相邻。集市里已有 200 人支持一种新观念， 还有一个小型本地组织在推广它。两天里，人际接触把这种观念传进村庄。两天之间， 地方议事会选定一项公开政策，第二天生效。随后，一名观察者估计村里有多少人公开表态支持。

这个示例回答的问题是：怎样用整数人数表示不断变化的观念，使其能够精确存档、恢复和重放， 同时让政策决策和观察者的视角都经过参伍的权限与可见性校验？

观念、cohort 和数字都是合成数据，不对应真实的教义或事件。

示例涉及的引擎部件

• canwu-society：可选的模拟领域扩展 crate，需要在 canwu-api 之外另行添加依赖，自带类型、记录 schema、命令和输入类型，非正式地称为社会传播 模拟模块。
• 稀疏的人口状态：每个 cohort（SocietyCohort，某一地区内的人口群体）有一个整数人数。 每个 cohort 与目标（AffiliationTarget，人们对其持有立场的观念或群体）的组合有一个 DispositionDistribution，把人数拆分到若干 DispositionBucket 中。
• 传播：SocialInfluenceEdge 和 OrganizationNode 产生信号，TransitionRule 以整人为单位在倾向组合之间迁移人口，TransitionRemainder 保存不足一人的零头。
• 由 institutional_policy_ticket 构造的决策票据， 选中的选项会执行领域命令 set_institutional_policy。
• 每日（Daily）边界系统：各自位于固定的结算阶段， 负责应用政策、结算转化、汇总和物化投影。
• projection_for_viewer 返回的角色相对估计。
• 用 from_society_snapshot_json 恢复快照，以及 fork 和精确重放。

运行

cargo run -p canwu-society --example local_community_diffusion

完整输出：

day 1: local diffusion: aware=118 assenting=5 public=0 hidden=2000 of 2000
policy selected; population dispositions remain unchanged until the next daily boundary
day 2: institutional response applied: aware=229 assenting=23 public=5 hidden=1995 of 2000
observer estimate: public=23 tied=20 (ground truth public=5 tied=0)
snapshot restore, fork, and exact replay reproduced the same authoritative state

这些计数都是村庄里针对目标 new-idea 的人数：aware 是听说过的人，assenting 是私下同情及以上的人，public 是公开顺从或倡导的人，hidden 是可见性为 Private 或 Hidden 的人，tied 是与某个组织有联系的人。

代码走读

代码都在 local_community_diffusion.rs 中。main 复用已标记为 deprecated 的兼容场景 Canwu::demo(42) 中的实体、世界和知识， 加入由 tutorial_state() 构造的一条 society 记录，注册 SocietyPlugin，然后结算四个边界：

边界	调用位置	发生了什么
1	settle_day(&mut canwu, 1)	每日边界：第一天的传播
2	register_policy_decision 中的 step_canonical()	注册控制者，开启政策票据
3	drive_decision 之后的 step_canonical()	写入决策轨迹，执行 set_institutional_policy
4	settle_day(&mut canwu, 2)	每日边界：先应用政策，再进行第二天的传播

1. 用分布描述人口

DispositionProfile 把七个维度分开记录。集市里的支持者使用下面这个倾向组合（profile）：

let source = DispositionProfile {
    awareness: AwarenessBand::Aware,
    assent: AssentBand::Sympathetic,
    practice: PracticeBand::Occasional,
    public_alignment: PublicAlignmentBand::Advocating,
    organizational_tie: OrganizationalTieBand::Member,
    mobilization: MobilizationBand::Latent,
    visibility: VisibilityBand::Public,
};

tutorial_state 为每个 cohort 建立一个针对 new-idea 的分布：

insert_distribution(
    &mut state,
    "market",
    1_000,
    vec![(neutral, 800), (source, 200)],
);
insert_distribution(&mut state, "village", 2_000, vec![(neutral, 2_000)]);

SocietyState::validate 要求同一分布中所有 bucket 的人数之和等于 cohort 人数。只有你 插入的组合才有分布；转化规则作用到某个还没有分布的 cohort 时，会按需创建一个全员中性的 分布。每个目标各有一份分布，所以同一个 cohort 可以对多个目标分别持有独立的立场。

2. 把传播机会和实际转化分开

村庄有两条 SocialInfluenceEdge 指向它：来自集市 cohort 的 market-contact，以及来自 组织 local-network 的 network-contact。每条边为村庄的影响信号贡献 来源强度 × reach × trust / 1,000,000：集市中有 200‰ 的人支持这一观念， 200 × 800 × 800 得 128；组织没有与其他组织的关联，强度就是基础覆盖 300‰， 300 × 700 × 800 得 168。两者合计，影响信号为 296‰。

真正决定谁改变倾向组合的是三条 TransitionRule，第一条负责“知晓”：

insert_rule(
    &mut state,
    "01-awareness",
    neutral,
    aware,
    TransitionWeights {
        influence: 200_000,
        ..TransitionWeights::default()
    },
);

solver.rs 中的 settle_transitions 把这个权重换算成速率 296 × 200,000 / 1,000 = 59,200 （单位为百万分之一）。2,000 × 59,200 / 1,000,000 = 118.4，所以第一天有 118 人变为 知晓，剩下的 0.4 人作为 TransitionRemainder 保存，第二天再计入。

02-assent 把知晓者转为同情者，由影响和制度支持推动，受政策强制抑制。03-public 把同情者转为公开顺从，只由制度执行力度和政策强制推动，而这两项初始都为 0。规则按规则 ID 顺序执行，每条规则再按 cohort ID 顺序处理各个 cohort，并且能看到前面规则已经完成的迁移。 所以第一天 02-assent 就作用在刚变为知晓的 118 名村民身上，并迁移了其中 5 人。

3. 让议事会选择政策

register_policy_decision 把控制者 council-controller 绑定到指挥官的权限上，命令对象 是政府。随后用 institutional_policy_ticket 开启票据；这个函数把每个 PolicyChoice 转成一个携带 set_institutional_policy 命令的决策选项：

PolicyChoice {
    id: "public-conformity".to_owned(),
    label: "Require public conformity".to_owned(),
    decision: PolicyDecision {
        alignment_id: "council-alignment".to_owned(),
        decision_version: 1,
        support_per_mille: 300,
        enforcement_per_mille: 800,
        access_grant_per_mille: 700,
    },
    utility_inputs: BTreeMap::from([("control".to_owned(), 100)]),
},

另一个选项 limited-access 的 enforcement_per_mille 为 0，control 输入为 10。 main 用一个把 control 权重设为 1 的 WeightedUtilityPolicy 为票据打分， public-conformity 以 100 比 10 胜出。票据与控制者的机制和 军阀请求邻军援助相同。

plugin.rs 中的 set_institutional_policy 处理函数只接受满足以下条件的命令：来自票据的控制者， 针对拥有该制度立场（InstitutionalAlignment）的机构，代表该立场的 authorized_actor， 并且 decision_version 比已应用和待应用的版本都新。它把决策存成一个待应用的插件组件， main 随即确认分布没有变化：

let immediately_after_decision = load_society_state(&canwu)?;
assert_eq!(
    immediately_after_decision.distributions, before_policy.distributions,
    "the policy choice must not instantly rewrite population dispositions"
);

4. 在下一个每日边界应用政策

settle_day 结算一个带 SystemCadence::Daily 的边界，society 插件的每日系统随之运行：

• 阶段 7，settle-social-transitions：apply_pending_policies 先把待应用的决策写到 council-alignment 上，再执行转化规则。
• 阶段 10，evaluate-mobilization-candidates：本次运行没有候选。
• 阶段 12，aggregate-social-state：得到 main 打印的计数。
• 阶段 13，materialize-society-projections：为每个观察者生成一份估计。

制度执行力度为 800‰ 时，03-public 的速率为 800 × 300,000 / 1,000 = 240,000 （单位为百万分之一），23 名同情者中有 5 人转为公开顺从。

5. 读取观察者的估计

let viewer = canwu.viewer_context(ids.observer)?;
let projection = projection_for_viewer(&canwu, &viewer)?;

projection_for_viewer 先确认传入的 ViewerContext 与参伍为该角色签发的一致，再返回 阶段 13 为该角色物化的 SocietyProjection。它只读取已物化的投影；没有投影的角色会得到 InvalidAuthority 错误。

观察者的 ObserverProfile 对公开表态的识别率为 800‰，误报率为 10‰。每项估计按 (真实人数 × 识别率 + 其余人数 × 误报率) / 1,000 计算，向下取整：

• public：(5 × 800 + 1,995 × 10) / 1,000 = 23
• tied：组织的隐蔽度 500‰ 把私下识别率 200 减半为 100，因此 (0 × 100 + 2,000 × 10) / 1,000 = 20

1,995 名村民中的误报压过了 5 名真实的公开顺从者，所以观察者高估了人数。

6. 恢复、派生分支与重放

let saved = canwu.snapshot_json()?;
let restored = from_society_snapshot_json(&saved)?;
assert_eq!(restored.snapshot(), canwu.snapshot());
let forked = canwu.fork();
assert_eq!(forked.snapshot(), canwu.snapshot());
let replayed = Canwu::replay_from_journal(&[&plugin], &canwu.replay_journal())?;
assert_eq!(replayed.snapshot(), canwu.snapshot());

在引擎的通用快照检查之后，from_society_snapshot_json 会调用 validate_society_runtime： 核对 society 记录的核心引用是否与 payload 中提到的实体一致，重新计算已保存的汇总、动员 候选和投影并逐一比较，再根据输入日志重新推导所有排队中的 society 输入。零头是记录的一部分， 所以恢复后的运行会带着同样的零头继续推进。

值得注意的地方

• 政策决策在下一个每日边界改变制度立场的信号；人口随后只通过转化规则迁移，因此制度执行 力度对公开顺从和私下认同各有多大影响，由你写的规则权重决定。
• 不足一人的零头保存在 TransitionRemainder 中，随状态一起存档，并在下一个边界继续累计。
• 观察者读到的投影既有漏报，也有误报。客户端展示给玩家的就是这个估计。

动手改一改

• 政策选择。 在 register_policy_decision 中把 limited-access 的 control 输入 提高到 200。效用策略会改选 limited-access，它的执行力度为 0，于是 03-public 的速率 为 0，第二天输出 public=0。
• 观察精度。 把观察者的 false_positive_per_mille 设为 0。估计变为 public=4 tied=0，因为 5 × 800 / 1,000 向下取整为 4。
• 影响来源。 把 network-contact 边的 active 设为 false。只剩集市的 128‰ 影响， 第一天输出 aware=51。
• 多模拟一天。 在读取投影之前调用 settle_day(&mut canwu, 3)，观察第三天各项计数和 估计如何变化。

示例之外

动员候选

当某个 bucket 达到 mobilization: MobilizationBand::Active 时，阶段 10 的系统会为该 分布记录一个 MobilizationCandidate，其中包括动员人数、该目标的组织能力，以及作用于该 cohort 的政策强制。候选最终算作抗议、暴乱、迁徙还是别的情况，由你的政治或安全扩展判断。

其他功能

• 政策来源。 PolicyPressure 可以记录签发者 issuer 和产生这项压力的决策版本 decision_version，见人口校准与政策来源测试中的 gap_g31_society_policy_pressure_provenance。
• cohort 人口校准。 这种输入（cohort_headcount_rebase_v1）按所引用的、由另一个插件 拥有的人口记录重置某个 cohort 的人数，并在下一个每日边界按比例重算它的分布，见 同一组测试中的 gap_g32_society_cohort_rebase。
• 文化生命周期。 canwu-culture 把文化目标装入 society 状态，并让目标在 Active、 Dormant、Retired 之间转换，详见社会、文化与法律。

源码

打开可运行示例

阅读社会框架测试

阅读人口校准与政策来源测试