项目背景
创始人和产品负责人的日常：手头有一个方向性决策——比如球形机器人应该优先进入救援市场还是家庭服务市场——但面前只有模糊信息、有限资金和紧迫的时间窗口。
Ludus 把这类问题变成结构化的决策档案：收集事实和假设、冻结分析范围、执行多阶段研究、生成条件化建议、最终由人类签署不可变的决策记录。
赛事：AdventureX 黑客松（2026.07.22–07.26） 角色：独立全栈开发 设计/宣发：CamelliaTse、Chroniflow、Sam 奖项：Qoder 赛道（一个人等于一支工程团队）、Money Whisperer 赛道（你的第一个 AI native 理财产品）
核心理念
不为聊天而生，不为报告而造。Ludus 的设计围绕一个核心对象展开——DecisionCase（决策案例）。
创始人提出一个模糊问题
↓
AI 提出澄清问题，收集事实、假设、偏好
↓
冻结分析契约（Charter）——锁定问题、范围、方法和预算
↓
正式分析管道（Research → Critique → Synthesis → Validation）
↓
深度报告 + 因果沙盘 + 条件化建议
↓
人类签署不可变 DecisionRecord每一步的关键设计：AI 的输出永远是”候选”（Candidate），只有人类确认后才成为正式档案。这和 ChatGPT 最根本的区别在于：聊天机器人返回答案，Ludus 更新可版本化的决策档案。
产品定位
Ludus 首先服务的是硬科技创始人——他们面对高风险的资源分配决策，信息不足但时间紧迫：
| 场景 | 典型问题 | Ludus 给什么 |
|---|---|---|
| 市场方向 | 优先进入 A 市场还是 B 市场 | 证据账本 + 论证树 + 条件化建议 |
| 产品路线 | 先做功能 X 还是功能 Y | 因果沙盘 + 假设压力测试 |
| 资源分配 | 有限资金花在哪 | 反方审查 + 六维质量画像 |
| 融资叙事 | 投资人的核心疑虑在哪 | 脆弱假设识别 + 退出条件 |
P0 不涉及 OA、协同办公或通用 AI 聊天。定位就是决策者的沙盒工作台。
技术架构
Next.js 前端
讨论工作区 │ 报告工作区 │ 沙盘工作区 │ 判断工作区 │ 决定工作区
FastAPI 后端
Case │ Charter │ Run │ Report │ Simulation │ Signoff
LLM Provider Method Pack Connector Renderer
(DeepSeek V4) (Ways 1.1.0) Exa/Firecrawl HTML/PDF
PostgreSQL 16
(15 张业务表 + 事件溯源 + JSONB)| 层级 | 技术 | 说明 |
|---|---|---|
| 前端 | Next.js + React + TypeScript | 五工作区布局：讨论、报告、沙盘、判断、决定 |
| UI | Tailwind CSS + React Flow | 十套主题、因果图编辑、响应式 |
| API | FastAPI + Pydantic 2 | 唯一业务 API，合同驱动，禁止手写 DTO |
| ORM | SQLAlchemy 2 + Alembic | 15 张业务表，append-only 事件溯源 |
| 合同 | OpenAPI → openapi-typescript | Pydantic 是唯一 wire schema，drift check 阻断构建 |
| 分析引擎 | Python Worker + SSE | FOR UPDATE SKIP LOCKED 队列，六阶段分析管道 |
| 模型 | DeepSeek V4 Pro | thinking + strict tool call + structured output |
| 搜索 | Exa / Firecrawl / Tavily | 三级降级，live/cached/fixture 全链路可辨认 |
| 部署 | Docker Compose | 一键启动全栈 + PostgreSQL 16 |
核心实现
决策档案与候选修订
对话产生的结构化信息（事实、假设、选项、约束）不会直接写入正式档案，而是先形成 CandidateRevision——一个”建议变更”。用户确认后才生成不可变 DossierVersion 或 CaseVersion。
分析管道：六阶段 + 质量门
正式分析不是一次 LLM 调用，而是六阶段 Worker 管线：
Planning → Retrieving → Analyzing → Criticizing → Synthesizing → Validating
↑ ↓
└── 质量门失败 → block（终态） ←──────────────────────────────┘
└── 人工介入 → needs_attention → resolution → 恢复 ──────────→每个阶段有独立的 Worker Prompt、工具白名单和质量检查。关键设计：no-run-no-report——没有通过全部阶段和质量门的 Run，绝不允许生成正式报告。
因果沙盘
报告生成后，用户可启动沙盘模式：三情景切换、变量滑杆调节、翻转条件识别、分支比较和非破坏性回滚。每个推演结果标注”用于因果推演和敏感性分析，不是精确预测”。
人类签署
系统生成完整 SignoffPayload（含决定、条件、阈值、退出条件、行动项、领先指标、来源版本和复盘日期），由授权人类独立签署，形成不可变 DecisionRecord。
设计原则
- 先让一个高风险决策跑通，再扩展到更多决策类型
- 先建立可审计数据结构，再追求更复杂的 Agent 编排
- 先表达不确定性，再给建议
- AI 的输出永远是候选，人确认后才成为正式档案
- 不要求用户先选模板——从对话理解问题，在正式分析前冻结方法和范围
项目链接
- GitHub：Ludus-AdventureX/Ludus
- 赛事：AdventureX 2026