Collect
APP PRODUCTIdea 发现与机制核验
从论坛与研究来源发现 relation idea，并用可靠证据验证核心经济或经验机制。
QUANTCOLLECT / CURATE / DATASET / EVALUATE
把研究观点逐层收敛为有证据、有字段、可送测的 Alpha。
QUANT 不从一个随机公式开始。它先核验 idea 的核心机制，再编译 Alpha 骨架和变量槽位，把槽位绑定到真实字段，最后组装表达式并通过平台仿真形成可诊断结果。
生产链
业务真值逐步形成。
每一步都产生下游可以消费的业务 Product。nexrur 执行这些合同，但不会替 App 定义阶段结论。
- CurateAPP PRODUCT
Alpha 骨架整理
把已支持的机制编译为 skeleton、datafield slots、operator shell 与 settings intent。
- DatasetAPP PRODUCT
Category 与真实字段绑定
L1 缩小 category 空间，Field Updater 重建字段事实，L2 在有界范围选择真实字段。
- EvaluateAPP PRODUCT
表达式组装与仿真评估
Maker 闭合表达式与 settings；Simulator 返回平台 receipt、metrics 和 runtime facts。
所有权账本
业务主权与运行机制分开。
App 回答“什么是正确的业务结果”；nexrur 回答“这条程序如何可靠执行、解释失败并恢复”。
- 研究 claim、证据充分性与 mechanism contract
- Alpha skeleton、operator 与 datafield slot 语义
- 字段知识、Category、binding 和 lineage
- 表达式、settings、仿真与质量评价语义
- 执行 Collect → Curate → Dataset → Evaluate
- ToolLoop 中的 LLM/MCP 能力与调用治理
- 五桶 evidence、Schema 与 trace/active projection
- Diagnosis、Campaign、cycle 与 budget 控制
五桶证据
上下文不是一锅日志。
运行时只装配当前阶段需要的有界证据。五桶说明材料从哪里来，不替材料做业务裁决。
payload、schema 与 stable identity
cycle、checkpoint、simulation runtime facts
机制、skeleton、field binding 与 settings
跨研究和 quality wave 的可追溯记忆
已审核 Alpha 模式、反例和修复经验
从失败到恢复
失败不被包装成成功。
下面是说明职责边界的概念路径，不是一次真实运行结果，也不是写入底座的 App 默认 route。
- 01 / PRODUCT SIGNAL业务事实暴露问题
真实字段无法满足 slot contract，或仿真质量事实显示当前 Alpha 不可消费。
- 02 / DIAGNOSIS证据化解释
Diagnosis 区分机制、骨架、字段绑定和仿真层的责任，不用单一分数猜测根因。
- 03 / CAMPAIGN受合同约束的控制
Campaign 根据 QUANT app contract 决定回 Collect、Curate、Dataset、Evaluate 或停止。
- 04 / NEW CYCLE回到合法执行范围
新 cycle 继承稳定 lineage 与有效 Product；目标阶段产生实质变化后再进入后续送测。
REFERENCE PROGRAM / QUANT
进入 QUANT 应用 ↗查看业务应用，理解底座如何被真正消费。
本页解释架构关系；真实产品体验与业务语义由对应应用站拥有。
SOURCE BASISWQ-YI/.gemini/skills/DESIGN.md · WQ-YI/.gemini/skills/DESIGN_TARGET.md · brain-evaluate-alphas/DESIGN.md