贝叶斯循环推理器

要解决的问题

排查线上故障时，你脑子里通常同时挂着好几个"可能是它"：缓存脏了？并发竞态？上游数据变了？面对传闻或两难决策时也一样——你需要的往往不是"再找点证据"，而是搞清楚哪个证据最可能推翻我现有的排序。人脑默认会去找支持第一直觉的证据（确认偏误），真正的难点是在有限预算内，精准定位那个最能改变结论的证据。

核心机制：信念更新微循环

它把贝叶斯推断封装成一个 5 步微循环：

• ① 列假设：把判断写成 2–5 个互斥假设，并留一个 H_其它 兜底；只写一个假设，等于整个循环失效
• ② 设先验：给每个假设初始概率（有基率就参考基率，没头绪就均分）
• ③ 选证据（灵魂步骤）：不问"还能查什么"，而问"哪个证据最能拉开假设之间的概率差"，先去拿它
• ④ 更新：用似然对先验重新加权，定性三档（likely / neutral / unlikely）或定量相乘均可
• ⑤ 裁定：收敛则出结论，几个假设僵持就扩维，证据不足就明说"当前仅 XX%"

每轮结束必须写出下一步最小行动（👉 下一个最该拿的证据 = ___），后验自动成为下一轮先验——这就是"循环"二字的来源。收敛前还要过出口闸门：最强反证是什么？什么条件一变结论就崩？答不出就降级为"倾向某假设但未闭环"，不硬封顶。

适用边界与注意点

适合"多种可能 + 证据不全 + 可边查边判"的场景：归因排障、真伪判断、两难决策、意图推断。触发 快速贝叶斯 时只跑一轮定性判断。

不适合：单一事实查询、纯计算、已确定只差执行（后者交给 loop-engineering）。产出的概率是主观判断而非精密测量，它永远不会给出 100% 确定的结论，只回答"够不够高到可以行动"；默认 5 轮封顶，防止无限循环。