| 1 | # World-life modeling toolchain v1 |
| 2 | |
| 3 | Перенесено из `agent-notes.md`. Связь: `world-life-meta-v1`, `world-life-router-playbook-v1` в `map-world-life-subworlds-v1.md`. |
| 4 | |
| 5 | --- |
| 6 | <!-- section:model-building-playbook-v1 --> |
| 7 | ## Model Building Playbook v1 |
| 8 | |
| 9 | Marker: MODEL-BUILD-PLAYBOOK-ACTIVE |
| 10 | |
| 11 | 1) Goal: какое решение поддерживает модель. |
| 12 | 2) Scale: полный масштаб или репрезентативная малая модель. |
| 13 | 3) Type: causal/system/probabilistic/agent/scenario. |
| 14 | 4) Assumptions: явные допущения. |
| 15 | 5) Variables: 3-7 ключевых переменных. |
| 16 | 6) Relations: причинные связи, задержки, feedback loops. |
| 17 | 7) N-Why: пройти до practical/fundamental stop. |
| 18 | 8) Action-now: минимальный интервенционный шаг. |
| 19 | 9) Metric-72h: чем проверяем эффект. |
| 20 | 10) Encode: зафиксировать результат в KB. |
| 21 | |
| 22 | Output: |
| 23 | - goal |
| 24 | - scale |
| 25 | - model_type |
| 26 | - assumptions |
| 27 | - variables |
| 28 | - causal_map |
| 29 | - n_why_root |
| 30 | - action_now |
| 31 | - metric_72h |
| 32 | - boundary_conditions |
| 33 | - next_iteration |
| 34 | <!-- /section:model-building-playbook-v1 --> |
| 35 | |
| 36 | <!-- section:model-validation-checklist-v1 --> |
| 37 | ## Model Validation Checklist v1 |
| 38 | |
| 39 | Marker: MODEL-VALIDATION-CHECKLIST-ACTIVE |
| 40 | |
| 41 | A) Structure |
| 42 | - цель ясна |
| 43 | - уровни не смешаны |
| 44 | - допущения явные |
| 45 | - границы применимости есть |
| 46 | |
| 47 | B) Causality |
| 48 | - связь с механизмом, не только корреляция |
| 49 | - корректное направление влияния |
| 50 | - учтены задержки/обратные связи |
| 51 | |
| 52 | C) Operations |
| 53 | - есть action-now |
| 54 | - есть metric-72h |
| 55 | - есть stop/revisit criterion |
| 56 | |
| 57 | D) Safety/Ethics |
| 58 | - не растет психологический вред |
| 59 | - не усиливается стигма |
| 60 | - растет субъектность |
| 61 | |
| 62 | Decision: |
| 63 | - PASS |
| 64 | - PASS WITH RISK |
| 65 | - REWORK |
| 66 | <!-- /section:model-validation-checklist-v1 --> |
| 67 | |
| 68 | <!-- section:modeling-errors-catalog-v1 --> |
| 69 | ## Modeling Errors Catalog v1 |
| 70 | |
| 71 | Статус: active |
| 72 | Цель: быстро распознавать типовые ошибки моделирования. |
| 73 | |
| 74 | ### E1. False precision |
| 75 | - Симптом: много цифр, мало реальной предсказательной силы. |
| 76 | - Фикс: упростить модель и усилить валидацию. |
| 77 | |
| 78 | ### E2. Level collapse |
| 79 | - Симптом: психология объясняется только биологией или наоборот. |
| 80 | - Фикс: развести уровни и добавить cross-level связи. |
| 81 | |
| 82 | ### E3. Overfitting to anecdote |
| 83 | - Симптом: модель держится на одном ярком кейсе. |
| 84 | - Фикс: проверить на минимум 2-3 контекстах. |
| 85 | |
| 86 | ### E4. Correlation as causation |
| 87 | - Симптом: действие не меняет результат, хотя "корреляция была". |
| 88 | - Фикс: описать механизм и найти интервенционный рычаг. |
| 89 | |
| 90 | ### E5. Missing delay |
| 91 | - Симптом: преждевременный вывод "не работает". |
| 92 | - Фикс: добавить ожидаемую задержку эффекта в метрику. |
| 93 | |
| 94 | ### E6. Boundary blindness |
| 95 | - Симптом: перенос 1:1 в другой масштаб/среду ломает результат. |
| 96 | - Фикс: явно указать boundary conditions перед переносом. |
| 97 | |
| 98 | ### E7. Analysis paralysis |
| 99 | - Симптом: бесконечные why без действия. |
| 100 | - Фикс: применять N-Why stop criterion + probing-step. |
| 101 | |
| 102 | ### E8. Ethical drift |
| 103 | - Симптом: модель оптимизирует KPI ценой человека. |
| 104 | - Фикс: включить safety/agency check как блокирующий гейт. |
| 105 | |
| 106 | ### Canon check |
| 107 | Перед выпуском: пройти `model-validation-checklist-v1`. |
| 108 | <!-- /section:modeling-errors-catalog-v1 --> |
| 109 | |
| 110 | <!-- section:modeling-foundations-v1 --> |
| 111 | ## Modeling Foundations v1 |
| 112 | |
| 113 | Статус: active |
| 114 | Scope: world-life / world-human-system / world-socio-technical / N-Why. |
| 115 | |
| 116 | ### Что такое модель |
| 117 | |
| 118 | Модель — это упрощённое представление реальности для конкретной цели. |
| 119 | Она не "истина", а рабочий инструмент: |
| 120 | - объяснять, |
| 121 | - предсказывать, |
| 122 | - выбирать действие, |
| 123 | - снижать трение в решениях. |
| 124 | |
| 125 | Формула: |
| 126 | `модель = цель + допущения + переменные + связи + границы применимости`. |
| 127 | |
| 128 | ### Зачем моделировать |
| 129 | |
| 130 | - уменьшаем шум и количество нерелевантных деталей; |
| 131 | - делаем reasoning явным и проверяемым; |
| 132 | - быстрее находим рычаг действия; |
| 133 | - не тонем в нюансах полного масштаба. |
| 134 | |
| 135 | ### Классы моделей (минимальная таксономия) |
| 136 | |
| 137 | 1) Causal (причинные) |
| 138 | - Что на что влияет и через какой механизм. |
| 139 | |
| 140 | 2) System / feedback (системные) |
| 141 | - Петли обратной связи, задержки, накопители. |
| 142 | |
| 143 | 3) Probabilistic (вероятностные) |
| 144 | - Работа с неопределённостью и рисками. |
| 145 | |
| 146 | 4) Agent-based (агентные) |
| 147 | - Поведение участников и эффекты взаимодействия. |
| 148 | |
| 149 | 5) Scenario / decision (сценарные) |
| 150 | - Сравнение вариантов действий и последствий. |
| 151 | |
| 152 | ### Качество модели (4 критерия) |
| 153 | |
| 154 | - Explainable: понятно, почему модель так устроена. |
| 155 | - Predictive: хотя бы частично предсказывает наблюдаемый эффект. |
| 156 | - Actionable: подсказывает конкретный следующий шаг. |
| 157 | - Transferable: переносится между близкими контекстами с явными поправками. |
| 158 | |
| 159 | ### Boundary conditions (границы) |
| 160 | |
| 161 | Обязательно фиксировать: |
| 162 | - где модель работает; |
| 163 | - где модель ломается; |
| 164 | - какие допущения критичны; |
| 165 | - какие параметры масштаб-зависимы. |
| 166 | |
| 167 | ### Связь с N-Why |
| 168 | |
| 169 | N-Why без модели легко уходит в риторику. |
| 170 | Модель задаёт ось причинности и stop-condition: |
| 171 | - practical stop (explainable+actionable+measurable), |
| 172 | - fundamental stop (достигнут неснимаемый предел). |
| 173 | |
| 174 | ### Canon rule |
| 175 | |
| 176 | Сначала `representative-model-scaling` (если сложность высокая), |
| 177 | потом перенос на полный масштаб. |
| 178 | <!-- /section:modeling-foundations-v1 --> |
| 179 | |
| 180 | <!-- section:n-why-stop-criterion-v1 --> |
| 181 | ## N-Why Stop Criterion v1 |
| 182 | |
| 183 | Marker: N-WHY-ACTIVE |
| 184 | |
| 185 | ### Dual stop logic |
| 186 | Почемучка останавливается по одному из двух условий: |
| 187 | |
| 188 | A) Practical stop (операционный) |
| 189 | - explainable, |
| 190 | - actionable, |
| 191 | - measurable (24-72h). |
| 192 | |
| 193 | B) Fundamental stop (фундаментальный) |
| 194 | - цепочка дошла до фундаментального ограничения, |
| 195 | - ограничение не снимается в текущем контуре действий, |
| 196 | - следующий шаг: адаптация стратегии под границу, а не попытка "продавить" её. |
| 197 | |
| 198 | ### Hard guard |
| 199 | - максимум 7 why per cycle; |
| 200 | - если на 7-м шаге нет stop-condition -> probing-step и новый цикл. |
| 201 | |
| 202 | ### Notes |
| 203 | - Fundamental stop приоритетнее: если достигнута предельная граница (physics/logic/irreducible constraint), дальнейшие why в той же оси бессмысленны. |
| 204 | - Пример: цепочка про скорость -> предел скорости света в вакууме. |
| 205 | |
| 206 | ### Output template |
| 207 | - stop_type: practical | fundamental |
| 208 | - root_constraint: ... |
| 209 | - action_now: ... |
| 210 | - metric_72h (if practical): ... |
| 211 | - adaptation_strategy (if fundamental): ... |
| 212 | <!-- /section:n-why-stop-criterion-v1 --> |
| 213 | |
| 214 | <!-- section:ontology-router-v1 --> |
| 215 | ## Ontology Router v1 (open issue) |
| 216 | |
| 217 | Status: NOT solved by scope split alone. |
| 218 | |
| 219 | Core point: |
| 220 | - scopes are operational partitions, not ontology. |
| 221 | - ontology must support overlapping facets, not hard class buckets. |
| 222 | |
| 223 | Working model: |
| 224 | - represent context as weighted facets (not max-N domains). |
| 225 | - example facets: professional, personal, reflective, cultural, procedural, relational. |
| 226 | - task routing uses relevance weights + required evidence type. |
| 227 | |
| 228 | Decision rule: |
| 229 | 1) identify task intent and evidence type, |
| 230 | 2) select facet mix by weight, |
| 231 | 3) choose toolchain from facet mix, |
| 232 | 4) run with "quick-fix, ontology-pending" flag only when time-critical. |
| 233 | |
| 234 | Constraint: |
| 235 | - never treat "scope=current" as equivalent to "ontology resolved". |
| 236 | <!-- /section:ontology-router-v1 --> |
| 237 | |
| 238 | <!-- section:representative-model-scaling-v1 --> |
| 239 | ## Representative Model Scaling v1 |
| 240 | |
| 241 | Статус: active |
| 242 | Scope: world-life / N-Why / сложные темы с высоким числом нюансов. |
| 243 | |
| 244 | ### Принцип |
| 245 | Если анализ в реальном масштабе тонет в нюансах, |
| 246 | сначала строим репрезентативную модель малого масштаба, |
| 247 | где причинно-следственные связи обозримы. |
| 248 | |
| 249 | Коротко: `compress -> understand -> transfer`. |
| 250 | |
| 251 | ### Зачем |
| 252 | - снижает когнитивный шум; |
| 253 | - ускоряет выявление фундаментальных ограничений; |
| 254 | - помогает отличить главное от второстепенного; |
| 255 | - даёт проверяемую основу до масштабирования. |
| 256 | |
| 257 | ### Базовый протокол |
| 258 | 1. Выбрать ось явления (что именно объясняем). |
| 259 | 2. Ужать масштаб до обозримого полигона (пример: 1 кв. км). |
| 260 | 3. Зафиксировать минимальный набор сущностей и связей. |
| 261 | 4. Прогнать N-Why в малой модели до stop-condition. |
| 262 | 5. Проверить переносимость на большой масштаб. |
| 263 | 6. Отметить, где перенос ломается (boundary conditions). |
| 264 | |
| 265 | ### Виды stop-condition в малой модели |
| 266 | - practical stop: explainable + actionable + measurable. |
| 267 | - fundamental stop: достигнут неснимаемый предел (physics/logic/irreducible). |
| 268 | |
| 269 | ### Правила переноса |
| 270 | - Не переносить автоматически 1:1. |
| 271 | - Явно фиксировать, какие параметры инвариантны, а какие масштаб-зависимы. |
| 272 | - При расхождении: обновить модель, а не "докручивать" объяснение. |
| 273 | |
| 274 | ### Антипаттерны |
| 275 | - сразу идти в полный масштаб и тонуть в частностях; |
| 276 | - выбирать модель слишком маленькой, теряя ключевую динамику; |
| 277 | - принимать удобную модель за истину без проверки переноса. |
| 278 | |
| 279 | ### Канонический пример |
| 280 | - Ось: предел скорости. |
| 281 | - Малая модель: причинная цепочка в упрощенной физической рамке. |
| 282 | - Stop: фундаментальное ограничение — скорость света в вакууме. |
| 283 | - Дальше: адаптация стратегии, а не бесконечная Why-цепочка в той же оси. |
| 284 | <!-- /section:representative-model-scaling-v1 --> |
| 285 | |
| 286 | |
| 287 | |