limingrui679-design/high-stakes-analytics-decision-lab

解决的问题

高风险分析通常因为问题定义不明确、隐藏的数据清理选择，以及在证据薄弱时仍倾向强行提出建议而失败。本项目提供了一个证据门控的编排系统，确保在提出任何决策或行动之前，已建立严格的数据验证与可重现的证据。

运作方式

系统使用严格的门控序列与自适应路由，从问题推进到结果：

1. 数据就绪门控：在分析之前，系统会保留原始来源，分析质量与隐私，并检查数据契约。如果发现严重故障（例如模式或数据泄露问题），它可以停止工作流程。
2. 自适应路由：根据问题，系统会通过四条路径之一来路由分析：描述性（发生了什么）、诊断性（为何发生）、预测性（接下来可能发生什么）或规范性（应该怎么做）。
3. 证据优先输出：它会生成一份主要的“证据智能报告”，详述方法、验证与不确定性。只有在证据与情境明确支持某项决策时，才会附加“决策智能简报”。
4. 可追溯的沟通：所有声明与数据都链接到机器可读的结果（JSON/CSV）、哈希值与可重新运行的代码，以确保可重现性。

适用对象

适用于执行具有重大影响分析的数据分析师与研究人员，在这些分析中，可重现性、数据完整性以及避免无根据的声明是至关重要的。

重点特色

• 证据门控工作流：通过要求每个分析路径具备数据就绪性与正当理由，防止将薄弱的证据“升级”为强烈的声明。
• 四种分析路径：为描述性、诊断性、预测性与规范性分析提供结构化的路径，且每条路径都有特定的规范要求。
• 可重现的作品集：包含 15 个真实数据案例，展示了从运营需求到空间公平性的各种证据路径。
• 代理技能集成：可作为紧凑的“代理技能”安装，以便在 AI 代理框架中使用。