Geo Sentinel — News Forecasting with F-G+ Constraint

所有输入情报、搜索回包、计算脚本、计算结果、预测报告都必须只留在当前 task 内，不要外溢到 workspace/report/、workspace/memory/ 或仓库根目录。

Phase 1 — Intelligence Collection (情报采集)

1.1 搜索运行时硬约束

• Load SEARCH_RUNTIME.md before any search step.
• 情报搜索必须服从 ./SEARCH_RUNTIME.md 以及 gateway wrapper 的共享交规。
• 第一个可执行搜索动作必须是 shared wrapper first，而不是 skill 自己绕过 runtime 指定 provider。
• 对泛化网页 / 时效情报 / 地缘与热点话题，默认第一跳应由 runtime 落到 open-websearch；后续是否升级到 zhipu、metaso、tavily、brave，由 wrapper 和 gateway guard 决定。
• 不要直接以原生 Brave-backed web_search 作为起手动作；这在当前 runtime 下属于 routing violation。
• 每轮搜索都必须把 raw capture 落到 sources/raw/，把 digest 落到 sources/digests/，并记下真实使用的 lane / provider。

1.2 搜索强度硬约束

• 基础预测任务：至少 3-5 轮具有关联扩词的关键词检索组。
• 重大预测任务：至少 5-10 轮具有关联扩词的关键词检索组。

每轮检索都要覆盖至少以下一个维度，且轮次之间必须有扩词或约束递进：

1. 核心事件主词
2. 关键 actor / 主体
3. 反向论点 / counter-evidence
4. 历史类比 / reference class
5. 触发条件 / 时间窗口
6. 二级影响 / 市场传导

1.3 每轮检索落盘要求

每轮结束时至少落盘：

• sources/raw/round-XX-search.md
• sources/digests/round-XX-digest.md

digest 至少包含：

• 当前主叙事
• 本轮新增事实
• 本轮反证
• 关键未知量
• 下一轮扩词计划

1.4 结构化情报包

完成搜索后，整理为 task-local intel_packet，推荐路径：

• input/normalized/intel-packet.json

建议包含字段：

{
  "topic": "...",
  "time_horizon_days": 30,
  "timeline": [],
  "actors": [],
  "constraints": [],
  "signals": {
    "supporting": [],
    "contradicting": []
  },
  "historical": {
    "event_category": "diplomatic_negotiations",
    "base_rate": 0.24,
    "reference_class_size": 12
  },
  "scenarios": [
    {
      "id": "S1",
      "title": "...",
      "llm_probability": 0.42,
      "base_rate": 0.25,
      "supporting_signals": [],
      "contradicting_signals": [],
      "analogues": []
    }
  ]
}

Phase 2 — F-G+ Forecasting

F-G+ 不是完全抛弃双函数，而是对旧版做低成本升级。

F — 场景生成

Agent 必须：

• 生成多个互斥或近互斥场景，而不是单一路径
• 先做 outside view，再做 inside view
• 明确关键驱动、关键抑制因素、触发条件、失效条件

若 token 允许，推荐做一个低成本 inner-crowd：

• reference-class view
• actor / incentive view
• contrarian view

把多个概率估计写入 llm_probabilities，交给约束引擎聚合。

G — 约束与校准

约束层默认执行以下几步：

1. Base-rate anchor
   • 先用 reference class 给每个场景一个基准率锚点。
2. Decomposition-recomposition
   • 把结论拆到驱动层，再回组合成场景概率。
3. Counter-evidence discipline
   • 反证不再只写在 prose 里，而要进入概率校准。
4. Prior-aware recalibration
   • 以 reference class 或估计先验为锚，而不是机械地围绕 0.5 做极值化。
5. Tail discipline
   • 极端低基准率情景若证据不够强，不允许被随意拉到高概率。

Phase 3 — Constraint Engine

运行 Python 约束引擎：

• python3 scripts/forecast_engine.py --input INPUT.json --output OUTPUT.json

推荐 task-local 路径：

• 输入：input/normalized/intel-packet.json
• 输出：results/forecast-engine.json

引擎输出示例：

{
  "topic": "...",
  "analysis_date": "2026-04-07T00:00:00Z",
  "time_horizon_days": 30,
  "scenarios": [
    {
      "id": "S1",
      "title": "...",
      "probability": 0.43,
      "ci_lower": 0.31,
      "ci_upper": 0.55,
      "drivers": [],
      "disruptors": [],
      "watch_signals": [],
      "calibration": {
        "base_rate": 0.25,
        "anchor": 0.25,
        "llm_center": 0.41,
        "llm_dispersion": 0.06,
        "signal_score": 0.33,
        "analogue_score": 0.21,
        "gamma": 1.08
      }
    }
  ],
  "iterations": 2,
  "convergence": true,
  "confidence_level": "moderate"
}

Phase 4 — Report Generation

最终报告必须落在 task 内，推荐路径：

• reports/<task-slug>-forecast.md

最少包含以下章节：

1. Executive Summary
2. Scenario Tree
3. Key Drivers & Counter-Drivers
4. Watch Indicators
5. Calibration Notes
6. Search Coverage & Gaps
7. Feishu Delivery

Feishu Delivery 必须显式包含：

• REPORT_PATH: ./tasks/.../reports/...
• TASK_PATH: ./tasks/...
• COPY_SOURCE: 从 REPORT_PATH 或 deliver-report.sh 返回的 FILEPATH 复制后发送给飞书用户

正式交付前，优先执行：

• bash workspace/scripts/deliver-report.sh --path "<task-dir>/reports/<final-report>.md"

并把输出存到：

• handoff/delivery.txt

Mathematical Model Reference

约束模型的公式和参数见：

• references/constraint-model.md

Tool Usage

• Search:
  • 先走 shared wrapper，再遵守 SEARCH_RUNTIME.md
• Forecast engine:
  • python3 scripts/forecast_engine.py --input INPUT.json --output OUTPUT.json
• Delivery:
  • bash workspace/scripts/deliver-report.sh --path "<task-dir>/reports/<final-report>.md"

Important Notes

• 报告主体语言必须使用中文书写。
• 永远给出多个场景，不给单一决定论结论。
• 时间敏感预测必须标注分析日期和预测窗口。
• 没有可靠 reference class 时，要主动降低置信度并放宽区间。
• 预测报告必须把“基准率”“当前证据”“反证”“引擎再校准”分开写，避免把不同层级的判断混成一句话。