零摩擦因果知识录入——用户说一句自然语言，引擎自动结构化并存储。不需要构造 JSON，不需要知道 facts/pred/value 格式。
用户只需要说一句话，引擎负责理解和结构化。
以下任何表述都行：
从用户的自然语言中提取以下结构（用 Claude 自身的理解力，不需要外部 LLM）：
将解析结果转为 MCP 调用：
mcp__causal-learner__submit_observation
{
"observation": {
"facts": [
{"pred": "cause", "value": "<提取的原因>"},
{"pred": "effect", "value": "<提取的效果>"},
{"pred": "direction", "value": "improved|degraded|fixed|broken"},
{"pred": "magnitude", "value": "<数值变化>"},
{"pred": "affected_module", "value": "<模块>"}
],
"context": {
"project": "<从 git 或用户上下文推断>",
"source": "natural_language"
}
}
}
✅ 已记录到因果引擎：
原因: <cause>
效果: <effect> (<direction>)
[数值: <magnitude>]
💡 当前知识库: N 条观测, M 条规律
不要问"要不要记录"——直接记。用户说了就是要记。
如果用户粘贴了一个实验结果表格：
| 参数 | 值 | 精度(px) |
|------|-----|----------|
| d_cp=3.2 | baseline | 1.2 |
| d_cp=3.5 | | 0.9 |
| d_cp=3.8 | | 0.8 |
自动逐行提交，每行一条观测：
{cause: "d_cp=3.5", effect: "accuracy=0.9px", direction: "improved", magnitude: "-0.3px vs baseline"}{cause: "d_cp=3.8", effect: "accuracy=0.8px", direction: "improved", magnitude: "-0.4px vs baseline"}