推演沙盘 · 判断账本

简体中文 | English

记录你的判断，然后证明它没有说谎。

把判断力做成契约，让任何 agent 都无法替你下结论。

大部分「帮你猜」的 App 做的是让你感觉准一点。这个做的是相反的事： 它不猜。它只做一件别人不做的事——记下你怎么想的，然后证明你事后没改口。

   你写下一道题               它做的三件事
   ┌──────────────┐      ┌────────────────────────────────┐
   │ 明天上海最高  │      │  ①  记账  原样记下你的确信度     │
   │ 气温 > 35°C  │ ───▶ │       只写不改，每条带指纹       │
   │     60%      │      │  ②  判分  到期自动去查真值       │
   └──────────────┘      │       按题型分开算                │
                         │  ③  复盘  指出你系统性偏哪儿     │
   ┌──────────────┐      └────────────────────────────────┘
   │ Brier 0.2259 │ ◀───  「天气类你准，汇率类你说大了 19%」
   └──────────────┘

它解决什么问题

你一定有过这种时刻：

3 月觉得某只股票会涨。8 月回头看，跌了。 于是你悄悄把 3 月那条记录改成了「我觉得会跌」。

没有人会阻止你。Fitbit、Evernote、甚至你手机自带的备忘录，都能改—— 因为拦你等于得罪用户。

这本账不改。 不是靠自律，是账本只写不改，每条记录都带指纹。

所以它能回答一个别人回答不了的问题：你自己知道你在哪儿系统性看错吗？

不是「你这次错了」——那是运气。是「凡是遇到这类事，你就偏乐观」。

Related MCP server: Kingfisher Streaming Inference

它刻意不做的事（比上面那条更重要）

★你填的概率就是你的判断，一字不差。 你写 60% 就是 60%，它不会偷偷改成 55%。

30 秒上手

git clone https://github.com/rui08984-dot/tuiyan-sandbox.git
cd tuiyan-sandbox
npm run bootstrap       # 一条命令装齐所有子包（引擎 / 后端 / 前端）
npm run doctor          # 看差什么、为什么、怎么办（三十秒）
cd p1b && node gates/gates.cjs   # 四道闸门

★为什么要 bootstrap 而不是 npm install：本仓库有三个嵌套的 package.json （引擎 p1a-terminal、后端 p1b、前端 p1b/web），各自有各自的依赖树。 只装根目录的话，引擎和前端都不装，闸门会红在「原生模块不可 require / vite 找不到」—— 而报错信息离根因很远。bootstrap 按依赖顺序一次装齐。

★为什么要 doctor：生产库（含真实玩家信息的那份）按设计不入库， 所以克隆下来缺它是正常的，一批读数会因此看不到数据。doctor 会直接告诉你缺什么、为什么、有三条路可走 —— 而不是让你在 no such table: predictions 里猜。

不需要任何 API key。 第一次启动是强制 mock 模式，你能用到全部只读功能。

Windows 用户也可以直接下载绿色包解压双击（见 Releases）。

平台支持（只写验过的）

★没验过的平台就写没验过。把没做过的事写成做过了，是这个项目最不想要的一种错。

五分钟看明白它怎么用

1. 写一道有答案的事      「明天下不下雨」
2. 写上你有多确信        60%
3. 到期了它自己去查真值   下雨了 / 没下
4. 跟你那个 60% 算个分
5. 攒够一批后告诉你      「天气类你准，汇率类你系统性说大了 19%」

六层分类是整个项目的骨架

不是六个算法模型，是六种「这事到底能不能算」的判法。

★为什么必须分层：L1 能拿满分，L5 数学上就赢不了。 把它们混在一起算一个总平均，等于拿天气预报去跟抛硬币比。 分了层你才知道「你在哪一层准、在哪一层根本不该指望准」。

★诚实成绩单（不好看，但是真的）

Brier 分    0.2259   vs  永远瞎填 50% 的 0.2500
           ★但跟「随手按你给的比例掷骰子」的 0.2267 —— 不可区分
账本条数   1994 条
你亲手写的 ★ 0 条

读法：这个项目现在测的是「你准不准」，答案基本是**「你和运气差不多」**。

等你在上面手写了几十条自己的判断，它才开始告诉你真正有用的东西。

★那 1994 条是机器灌的示范数据，不是你的成绩——首页会一直挂着这句话提醒你。

三种用法

① 当 app 用（最简单）

上面那个「30 秒上手」就是。适合：你只想自己用。

② 装进别的程序（MCP，最推荐）

// 你的 AI 客户端配置里加这段，它启动时会自动握手
{
  "mcpServers": {
    "p1b": { "command": "node", "args": ["/绝对路径/p1b-sandbox/p1b/mcp/index.cjs"] }
  }
}

装上之后你可以直接对它说：

★完整能力目录（21 个工具 / 62 个 HTTP 端点 / 18 条命令，每条含「它不做什么」）： 能力目录

③ 当库用（最轻）

const { rankHabits } = require('./p1b/src/disclosure/habitRank.mjs');

不用起服务、不用配任何东西。想把打分逻辑塞进自己产品的人走这条最短。

★8 条红线（对外版，可直接复制）

1. 生成的文本在生成时即写入元数据隐式标识，不做事后补写

2. 工具描述与返回文本中，不出现荐下注语义（荐下注语义 ＋ 绝对化措辞，完整清单见 RIGHTS）

3. 默认不联网。 取数必须显式确认

4. 服务端强制出网白名单，不提供任何绕过反爬的路径

5. 外部价格／赔率原样返回并附来源与时间戳，标注为**「市场共识数据」**，不加工、不推断、不建议

6. 默认本地部署，不提供境外托管。 你的账本默认不离开你的机器

7. 账本不写入姓名、邮箱、工号等可识别信息

8. 默认不记录调用方身份，只保留不含身份的聚合统计

常见问题

Q：它能提高我的判断力吗？ A：能，但有前提。它给你的是**「你在哪类事上看多了」——这个别的工具都不给。 但要拿到这个反馈，你得自己手写几十条判断**。现在账本里真人写的还是 0 条。

Q：为什么我的分数这么难看？ A：因为好看是假的。它宁可难看也不好看。

Q：数据会传到网上吗？ A：不会。默认本地跑，不联网上报（只有你自己开 token 才会）。

Q：我要不要填 API key？ A：不要也能用，只读功能全部可用。填了 key 才能让 AI 帮你分析。

Q：接自己的 AI 客户端会改我的数据吗？ A：不会。21 个 MCP 工具里真正能写账本的是 0 个——写操作全部在确认闸后。

给开发者

先做一次体检——node p1b/scripts/secret-preflight.cjs（不联网、不打印密钥本体，只打指纹）：

• node scripts/plan-audit.cjs —— 机械核对 30 项

• cd p1b && node gates/gates.cjs —— 四道闸门：后端 / 构建 / 前端 / 类型

• node p1b/scripts/audit-release.cjs --tree out/p1b-sandbox-v0.1.1-win-x64 —— 发行体检 15 项

★联动组合（直线／回溯／回环）含收敛条件与投毒测试： 联动链与组合契约

★能力是怎么盘出来的：158 个能力面逐行对账，没有一项是凭印象写的。

许可

Apache-2.0，见 LICENSE。商业形态与红线全文见 docs/RIGHTS.md。