Skip to content

README.es.md

Latest commit

 

History

History
130 lines (84 loc) · 6.66 KB

README.es.md

File metadata and controls

130 lines (84 loc) · 6.66 KB
Raw

Scenario Lab

🌐 Languages: English | 中文 | Español | Français | 한국어 | 日本語

Vista previa experimental: simulación Monte Carlo de eventos reales que puedes ejecutar localmente con Codex o Claude.

Idioma: Español

Esta traducción se ofrece para facilitar la lectura. English README is canonical; la versión inglesa rige el alcance del producto, la licencia, los avisos legales y los detalles de publicación.

Scenario Lab es un motor de simulación Monte Carlo para eventos reales, como conflictos regionales, mercados, política y decisiones empresariales. Es una herramienta experimental de investigación, no un producto predictivo y no es asesoramiento financiero.

Versión: v0.1.0 vista previa pública. Contribuidores: CONTRIBUTORS.md.

Flujo de trabajo de Scenario Lab

Qué es

Scenario Lab convierte una situación en desarrollo en una simulación estructurada. Tú defines los actores, el desarrollo actual y la evidencia que quieres aprobar. Después explora futuros ramificados con búsqueda de árbol Monte Carlo y clasifica las ramas encontradas.

Cómo funciona:

  • Un paquete de dominio define actores, fases y acciones para un tipo de evento, como crisis interestatal, choque de mercado o decisión empresarial.
  • El paquete de evidencia aprobado y el encuadre del caso se compilan en un estado de creencias con perfiles de comportamiento de actores y campos específicos del dominio.
  • El motor de simulación ejecuta mcts, propone acciones, muestrea transiciones de estado y puntúa ramas.
  • Los informes convierten las ramas exploradas en resultados, familias de escenarios y etiquetas de confianza calibrada.

El mismo entorno puede usarse para conflicto regional, tensión de mercado, negociación política y respuesta empresarial porque cada paquete de dominio contiene reglas y campos de estado distintos.

Inicio rápido

La guía completa está en docs/quickstart.md. Instalación local mínima:

git clone git@github.com:YSLAB-ai/scenario-lab.git
cd scenario-lab
PYTHON=/path/to/python3.12
"$PYTHON" -m venv packages/core/.venv
source packages/core/.venv/bin/activate
pip install -e 'packages/core[dev]'
scenario-lab demo-run --root .forecast

Deberías ver demo-run complete y artefactos en .forecast/runs/demo-run.

Ejemplo con lenguaje natural:

scenario-lab scenario --root .forecast "/scenario how would a U.S.-Iran conflict at the Strait of Hormuz develop over the next 30 days"

Scenario Lab está preparado para:

Comando de proyecto en Claude Code:

/scenario how would a U.S.-Iran conflict at the Strait of Hormuz develop over the next 30 days

Corpus de evidencia

Los borradores de evidencia usan por defecto la base local SQLite .forecast/corpus.db. Si aún no existe, guarda archivos de evidencia relevantes en .forecast/evidence-candidates/ y ejecuta:

scenario-lab ingest-directory --root .forecast --path .forecast/evidence-candidates --tag domain=interstate-crisis
scenario-lab draft-evidence-packet --root .forecast --run-id <run-id> --revision-id r1

También puedes usar el entorno de adaptador para ingerir archivos recomendados:

scenario-lab run-adapter-action --root .forecast --candidate-path .forecast/evidence-candidates --run-id <run-id> --revision-id r1 --action batch-ingest-recommended
scenario-lab run-adapter-action --root .forecast --run-id <run-id> --revision-id r1 --action draft-evidence-packet

Usa --corpus-db <path> solo cuando quieras una base de evidencia separada.

Flujo de trabajo y demo

Una ejecución normal pasa por estas fases:

Flujo de ejecución de Scenario Lab

  1. intake: entender el problema, identificar actores principales y fijar el horizonte temporal.
  2. evidence: revisar terceros relevantes, evidencia faltante y fuentes que podrían incorporarse.
  3. approval: bloquear configuración, supuestos y evidencia antes de la búsqueda.
  4. simulation: explorar rutas posibles con búsqueda de árbol Monte Carlo determinista.
  5. report: mostrar los resultados principales, explicar las ramas y permitir actualizaciones.

El ejemplo verificado U.S.-Iran está en docs/demo-us-iran.md. Esa ejecución usó 10000 iteraciones y generó 133 nodos y 111 aciertos de transposición. El paquete de dominio de crisis interestatal actual modela rutas de crisis acotada y no incluye guerra total como resultado final explícito.

Qué lo hace útil

Scenario Lab no trata todas las ramas como igualmente plausibles. La búsqueda de ramas se guía por reglas de dominio, perfiles de comportamiento de actores y evidencia aprobada.

  • Las acciones están restringidas por paquetes de dominio.
  • La evidencia cambia los perfiles de actores y los campos del dominio.
  • Las consecuencias negativas posteriores penalizan la clasificación.
  • Mejor evidencia y mejor conocimiento de dominio suelen producir ramas más diferenciadas.

Para que un agente de IA mejore un paquete de dominio débil, indícale docs/domain-pack-enrichment.md.

Límites actuales

Consulta docs/limitations.md.

  • La calidad depende mucho del paquete de evidencia aprobado.
  • La calidad depende mucho de la profundidad del paquete de dominio.
  • La cobertura de repetición histórica, la calidad de evidencia y el conocimiento de dominio mejoran mediante contribuciones de la comunidad.
  • La incorporación de PDF mediante OCR está diferida en esta vista previa pública.

Licencia y descargo

Scenario Lab se publica bajo la MIT License.

Este repositorio es para uso experimental, educativo y de investigación. No es un producto predictivo, no garantiza eventos futuros y no sustituye juicio profesional, decisiones de inversión ni decisiones operativas. No es asesoramiento financiero.

El software se proporciona as is, sin garantía, bajo los términos de la MIT License. Revisa LICENSE y docs/limitations.md.

Otros enlaces