NOMOS Decision Engine

确定性决策引擎（NOMOS 0.7.0）：十算子认知审计、二阶因果交互、形式化收敛、企业控制平面与哈希链审计。企业级部署需独立服务与数据库。

NOMOS Intelligent Decision Engine

确定性因果推理与可审计决策编排层，不含概率黑箱。每一次决策都可分解为可追溯的因果拓扑，支持合规级审计轨迹、场景压力测试与人在环治理。当前引擎版本 0.7.0（src/second_perspective/version.py）。

Trigger Scenarios

Trigger only when the user explicitly mentions the following named entities (avoid false triggers from broad keywords):

• NOMOS Decision Engine / NOMOS Decision-Hub / second_perspective
• References to the "Sealed Report" specification or "Decision Scenario Library" templates generated by this skill
• Explicit requests for causal counterfactual analysis, root cause tracing, scenario stress testing that specify using this engine

Note: General topics (e.g., "AI decision compliance audit", "enterprise deployment solutions", "high-risk decision governance") should not automatically trigger this skill unless the user explicitly references the above named entities.

版本能力矩阵

版本	新增能力
0.7.0	元因果账本术语对齐（破坏性）：meta_ledger.bases 五键改为 trace_gap / parallel_convergence / narrative_occlusion / bounded_audit / causal_succession；reason 码前缀收敛为 TRACE_ / CONVERGENCE_ / NARRATIVE_ / AUDIT_ / SUCCESSION_；不保留别名
0.6.0	认知审计内核 5 → 10 算子；拓扑底座（四进程校验，含公理 5 链内时序）；META 元因果账本（只度量、恒 T2、结构上不可阻断）；自主进化层 evolve 只提案不适用（auto_applied ≡ 0）；产物版本串 GCAE-1.0.0 → GCAE-1.1.0
0.5.0	企业控制平面：持久化事件存储、租户隔离、OIDC + 作用域强制、KMS 签名、限流、可观测性、迁移/备份、领域控制包。全部 env 门控、默认关闭
0.4.0	二阶因果：假设交互层（I-1～I-4）、形式化收敛（五态）、LLM 三层权限闸门（T1/T2/T3）
0.3.0	IntelligentDecisionHub 编排器、密封 HubReport、POST /v1/hub/analyze、场景压力测试、信息优先级队列

完整变更日志见 CHANGELOG.md；v0.4 架构见 docs/INTELLIGENT_DECISION_HUB_V0_4.md。

十算子认知审计内核

src/second_perspective/audit/cognitive/ 为纯 Python、零依赖、确定性管线（默认无 RNG、无 LLM 调用）：

算子	名称	作用
⊙ ORI	Origin Anchor	原点事件 / 目标状态 / 能量约束
⊗ NS	Narrative Strip	剥离修辞、情绪与道德外衣
⊕ IAP	Implicit Assumption	显式化未声明前提
⊿ LCH	Latch / Fragility	定位最弱变量，计算 Delta D
⊞ TPG	Rule-Free Thinking	构建 □/→/⦿ 拓扑 + 四路并行校验
BFC	Binary Fact Check	命题归约为真/假，不引入第三值
⚙ CCS	Causal-Chain Sync	反事实与反向校验
⇄ GRF	Gray Feedback	灰度阶梯与现实验伪对齐
META	Meta-Causal Ledger	混沌 / 无极 / 幻象(A6) / 天道(A10) / 轮回；只度量，永不阻断
⊚ STATE	State Anchor	锚定责任与最终裁决

拓扑底座（.plugins.topology）提供 □/→/⦿ 语法与四路并行校验：一致性 · 约束 · 闭合 · 时序。 ORI 仅在声明原点时注册，GRF 仅在声明灰度阶梯时注册——条件注册，杜绝永恒真阻断。

Core Capabilities

• 确定性评估：硬约束阈值 + 显式软约束惩罚分，无隐藏调分
• 细粒度算法审计：每次主要操作生成哈希链审计事件（sealed_hash），任何改动都会破坏校验
• 因果反事实重选：假设失效时计算传递失效闭包，重选存活候选
• 二阶交互：协同 / 冗余 / 退化三类交互，四条不变式（非臆测、阶数守恒、效应有界、单调性）
• 形式化收敛：FIXED_POINT / NO_GAIN / BUDGET_EXHAUSTED / DIVERGED / BLOCKED；BUDGET_EXHAUSTED 不是收敛
• 场景压力测试：指标覆盖、证据缺失、假设失效
• 反向根因追溯：从观测偏差反推根因假设，输出因果链
• 敏感性 / 稳健性：Pareto 前沿、脆弱准则、排序稳定性
• LLM 护栏：T1 标注 / T2 提案 / T3 叙述；LLM 输出永不成为裁决
• 企业控制平面：事件存储、租户隔离、OIDC、KMS 签名、限流、可观测性（env 门控）

Usage

安装

bash

cd nomos-decision-hub          # 本技能目录（含 pyproject.toml 与 src/）
python -m venv .venv
source .venv/bin/activate      # Windows: .venv\Scripts\activate
pip install -e .

命令行

bash

nomos-demo                                        # 核心决策内核摘要
nomos-demo --decision examples/market_entry.json --json
nomos-hub-demo                                    # 智能决策中枢（含两个压力场景）

Basic Decision Analysis

python

from second_perspective import IntelligentDecisionHub
from second_perspective.models import HubAnalysisRequest
request = HubAnalysisRequest.model_validate({
    "decision": decision_payload,  # See examples/market_entry.json
    "scenarios": [
        {"id": "SC1", "name": "Critical assumption failure",
         "failed_assumption_ids": ["A1"]},
        {"id": "SC2", "name": "Cost shock",
         "metric_overrides": {"S2": {"capital_required": 6000000}}},
    ],
})
report = IntelligentDecisionHub().analyze(request)
print(report.model_dump_json(indent=2))

HTTP API

bash

uvicorn second_perspective.api.main:app --port 8000
# 端点：POST /v1/hub/analyze；兼容保留 v0.2 端点；GET /health；GET /v1/metrics

Enterprise Deployment

bash

# Docker deployment
docker build -t nomos-hub .
docker run -p 8000:8000 \
  -e SP_ENV=production \
  -e SP_API_KEY=your-secret-key \
  -e SP_DATABASE_DSN=postgresql://user:pass@db:5432/nomos \
  nomos-hub

生产环境 API key 缺失时 fail-closed 拒绝启动。

技能层扩展（P0-P2）

🔏 Sealed Report

决策输出可封装为防篡改密封报告：哈希链（Merkle 因果链）+ 确定性 JSON + 可选 HMAC 签名。审计方可一键验证（SEAL VALID / TAMPERED）。规范见 references/SealedReportSpec.md。

引擎原生对应物：每个审计事件带 sealed_hash，链根可独立复核；v0.5 起支持 KMS 分离式签名（X-Nomos-Kms-Signature）。

📚 Decision Scenario Library

4 类预置场景模板（合规准入 / 战略押注 / 根因追溯 / 资源配置），复制-替换-运行即得密封报告。见 references/DecisionScenarioLibrary.md。

🌍 Multilingual Export

报告带 lang 字段（zh/en），同一因果链无需重跑引擎即可渲染为目标语言。

Files

路径	内容
SKILL.md	本文件
README.md / README-zh.md	英文 / 中文说明
LICENSE	分级授权协议（个人研究免费；商用需书面授权）
CHANGELOG.md	0.1–0.7 变更日志
GLOSSARY.md	中英术语表
src/second_perspective/	引擎源码（可 pip install -e .）
docs/	v0.2 基础、v0.4 二阶因果、企业模块、验证指南、四项合规文档；docs/archive/ 为 v0.3 历史文档
examples/	market_entry.json、tc1_non_speculation.json、tc3_hard_constraint.json、audit_spec_adoption.json
openapi-action.yaml	OpenAPI 契约（0.7.0）
scripts/	export_openapi.py、migrate.py、backup.py
references/SealedReportSpec.md	密封报告格式与验证流程
references/DecisionScenarioLibrary.md	决策场景库
Dockerfile / docker-compose.yml	容器化部署

Determinism Contract (Invariants)

• The engine never guesses missing weights, evidence, thresholds, or authorization relationships
• Hard constraints determine eligibility, soft constraints must have explicit penalty scores declared, no silent score changes
• All policies affecting behavior carry policy_id and version, embedded in results
• Evidence quality is evaluated by designated responsible nodes, the engine does not fabricate credibility
• Assumption failures propagate along the dependency graph, explicitly naming affected alternatives
• Output is always "leading candidate under declared inputs", final decision authority lies outside the algorithm
• Approver name + authorization_ref must match the anchored decision owner
• All evaluations/approvals are new revisions linked via hashes, no silent overwrites
• BUDGET_EXHAUSTED must never be reported as "converged"
• LLM output may only occupy T1 (annotation) / T2 (proposal) / T3 (narrative); it can never flip a status, adjudicate, or alter weights
• META is a measurement tier: it can never block a derivation on its own

Licensing

本作品采用分级授权（见 LICENSE，v1.2，2026-10-14）：

• 个人研究许可：自然人可免费用于非商业学术研究、学习或个人实验。
• 商业 / 政府使用：需取得 Shanghai Linming Junhua Technology Co., Ltd. 与 NOHN AI TECHNOLOGY PTE. LTD. 的书面授权。

本作品不是 MIT-0，也不属于公有领域。 若发布平台的授权字段与此不符，以本仓库 LICENSE 为准。