用途：当多方各自的最优选择取决于他人选择时，用游戏论分析映射玩家、策略、收益与均衡，是预测行为、设计规则的手段。
适用场景：多方决策相互影响；怀疑激励错位（系统本应可用却失灵）；设计规则、协议、评分或分配机制；合作缺失或脆弱；谈判策略；多智能体 AI 系统的设计、调试与评估；公地悲剧；看似不理性的行为。
核心流程：一、定义博弈——明确玩家（实际决策者）、策略（具体行动）、收益（各组合下的得失，可粗略量化）、信息（各方知道什么）、时序（同时/序贯、一次性/重复、有限/无限期）。二、分类——囚徒困境、协调博弈、懦夫/鹰鸽、猎鹿、公共品/公地、拍卖/分配、委托代理、信号博弈、议价/谈判。三、求解均衡——占优策略、纳什均衡、帕累托最优、混合策略；若纳什均衡不等于帕累托最优，则博弈结构本身有问题，需改规则而非劝说。四、重复博弈动态——未来的影子、声誉、以牙还牙、均衡选择。五、机制设计——杠杆包括收益、信息、时序、规则、消除博弈；目标属性包括激励相容、个体理性、预算平衡、稳健性。
多智能体 AI 应用：上下文作为战略资源；协商协议；评分即激励设计（古德哈特定律是博弈论预测）；拓扑即博弈设计；循环中的涌现均衡。
输出格式：游戏定义、博弈分类、均衡分析、机制设计建议、战略风险。
限制：资料未提供该技能的安装方式、依赖、收费、平台或具体命令，暂未提供。