Um instrumento, três motores, uma espinha de arquivos auditável.
Você descreve uma ideia (opcionalmente com dados). Uma população simulada responde e, então, é calibrada contra a realidade. A plataforma devolve uma direção, um ranking e hipóteses para testar - nunca porcentagens inventadas. Todo número carrega um degrau de evidência: SIM-RANK · REAL · CALIBRATED.
Desenho de cenários, narrador ao vivo, consultor e o segundo oráculo no ensemble.
Simula a propensão de uma população a responder - uma distribuição, não uma média.
sklearn / lightgbm: F1 / AUC e a calibração sim→real.
O sistema inteiro, de cima a baixo
Oito estágios, do arquivo bruto à evidência
Os dados de referência ancoram o S4 (enquadramento) e o S6 (calibração). Os artefatos são o contrato - os módulos os leem defensivamente, então uma mudança de formato é um "-" honesto, nunca uma queda.
O degrau é sempre explícito
Toda execução devolvida traz este selo. O ciclo de retroalimentação - resultados A/B reais realimentados pelos usuários e, com o tempo, pelos agentes - é o que sobe a escada para a próxima execução.
Uma saída epistêmica tipada - um número nu não pode existir
{
"rank": 1, "variant": "…", "tier": "strong", "value": null,
"evidence": {
"rung": "SIM-RANK", "calibration": "NONE", "scope": "directional",
"ranking_stability": { "n": 277, "N": 300, "confidence": "HIGH" },
"scenario_robustness": "N/A", "backtest_rho": 1.0
},
"claim_allowed": ["ranking", "direction", "hypotheses"],
"claim_forbidden": ["absolute_percentage", "guarantee"]
}
Chamador não confiável, seguro por construção: uma vez no ar, a saída é assinada em manifest.hash; o texto de entrada é dado, não instruções; identidade + orçamento por agente; apenas rankings agregados saem do prédio, nunca personas individuais. O modelo externo recebe apenas agregados.
As regras que a plataforma não pode quebrar
Um novo caso é um novo config JSON - zero lógica específica de caso. O config é a abstração da plataforma: dataset, decisão, condições, personas, metodologia.