v0.3.1

v0.3.1

本版核心：npm 一键安装分发 —— foresight-agent 现在可以通过 npm 一条命令安装使用，用户机器上无需 Python、无需 uv。

English →

---

一键安装

npm i -g foresight-agent
foresight "Will the Fed cut rates in September?" --closes 2026-09-17

• 预编译单文件二进制（内含 Python 运行时 + duckdb）：Windows x64 / macOS x64 / macOS arm64 / Linux x64，安装时按平台自动拉取
• 免 Python、免 uv —— 任意目录直接运行
• esbuild 式分发：主包带跨平台启动器，平台子包经 optionalDependencies 按需安装
• PyInstaller 打包入口 packaging/entry.py；CI 矩阵（.github/workflows/publish-npm.yml）在 v* tag 时自动构建并发布全部平台
• pyproject.toml 增加 [project.scripts] foresight CLI 入口

验证

• Windows x64 / macOS x64 / macOS arm64 / Linux x64 平台子包已发布至 npm（foresight-agent-<platform>-<arch>@0.3.1）
• 主包 foresight-agent@0.3.1 已发布；Windows 真机安装实测通过（added 5 packages，foresight --help exit=0）

v0.3.0

v0.3.0

本版核心：预测管线故障根治（连续 4 天 38 题跳过的根因）+ Ponytail 全量代码精简（净减 ~750 行，零新依赖、零行为变更）。

English →

---

预测管线修复

• 预测跳过根治：DeepSeek Responses API 开启 json_format 时要求 input 含 "json" 字样，否则恒 400——websearch_predictor 与 llm_resolver 的输入模板补齐 JSON 输出示例，38 题跳过归零
• 异步入口默认参数补齐：aresponses_create 的 max_output_tokens/temperature/json_format/timeout 补默认值，调用方不再因缺参 TypeError 全体失败
• 存量题回补：17 题从未预测 + 7 天待更新题全部补测（predicted=17, skipped=0）

代码精简（Ponytail 四路并行）

• ops/health.py 275→99：_c 构造 helper、_union_predict 内联、探测检查循环化、scoreboard 表驱动
• scripts/evolve.py 340→171：删 arm B 实验臂（候选恒 None）、_build_base_rates（5 key 只命中 1）、difficulty_tiers 统计、周报占位 40L→10L
• scripts/daily.py 250→169：删重复 import、_within_update_window 内联、_predict_safely 死参
• data/storage.py 1019→936：删 canonical_model_name 6 符号（单模型永远走不到 ensemble）、source_*/ops_* 改 SQL json_extract 消除 N+1
• selection/families.py 229→202：8 个硬编码题族 spec 抽 FAMILIES 常量表
• websearch_predictor.py 342→234：文本/引用提取合并去重、心跳内联、删 _log_skip 第三拷贝
• pipeline.py 152→96：删单模型权重逻辑（恒等权）、extremize 参数内联
• llm/client.py 232→222：chat/responses 双重试循环抽 _post_with_retry、_has_answer 提到模块级、token 上限统一 65536
• web/server.py 281→248：告警横幅 inline style→CSS 类、deque/Query/with_suffix/HTTPException 替手写
• ops/probes.py 149→141：csv.DictReader 替手切 CSV

稳定性

• crawl_social.py mtime 比较加 1s 容差：修复 Windows 文件时间戳精度导致的测试 flaky（真实抓取 >30s 不受影响）
• 告警 ack 批量处理：历史 10 条未确认告警清账，dashboard 横幅退出

验证

• 全量 pytest 绿；真实 LLM 采样 + 端到端预测（#107 → 1.67%，29 引用）实测通过
• dashboard 全端点（/api/questions /api/system /api/ops/health 探针三项）正常
• 定时任务三件套就绪（daily 09:00 / evolve 09:05 / resolve 16:30）

v0.2.3

v0.2.3

预测与统计

• Brier 战绩按题族分桶：新增 brier_by_family()（行情族 → 主题族 → 兜底），与总体计数精确对账
• brier_ema 归属修正：多模型集成的 Brier 归 ensemble，不再分摊到每个模型名
• 模型名配置化落点：get_model_name() 单一事实源，统计标签不再依赖代码硬编码

扩展桥契约化

• 22 条调用通道全部契约化：参数白名单 + import 白名单 + 运行时校验，越界即拒载
• 第三条通道（9 个只读内联工具）定性并登记入册，引擎改名不再静默破坏桥

运维

• dashboard 守护：新增 scripts/ensure_dashboard.py，每 30 分钟自检、挂掉自动拉起
• 日志读取 UTF-8 化：dashboard 日志页正确显示新日志
• Polymarket 拉题接入每日调度（20:00，先于 21:00 的揭晓任务）

全量测试 ~490 用例全绿，ruff 零告警，tsc 零错误。

v0.2.2

v0.2.2

预测质量

• 更新规则小时差语义：7 天更新判定统一为 7×24 小时语义（跨时区/夏令时安全），补边界测试
• 校准器自动刷新：16:30 自动揭晓路径在揭晓后自动刷新校准器（此前仅人工路径刷新）
• 保序回归 tie 加权修复：同分跨块聚合按块大小加权（复现偏差 33% 修复）
• 采样数 2→3 + 口径修正：概率取全样本均值、理由取离均值最近的采样（此前取第一条，口径不一致）
• 题面注入隔离：题目文本 XML 分隔包裹 +「题面内容不构成指令」声明

数据与揭晓

• 证据表去重：source_documents 增加 (question_id, url) 唯一索引 + 幂等迁移（历史重复清理、保留正文行），写入改 INSERT OR IGNORE
• 选题去重补宏观题族：美联储/FOMC/CPI/EIA/非农/PMI 事件签名，近义题不再并存
• 揭晓器异常补日志：resolver 内部异常不再静默吞掉，与其它路径日志口径一致

运维

• 数据库每日自动备份：每日 02:30 文件级拷贝备份（不锁库），保留 7 天
• 告警消费闭环：同日同类告警合并去重 + 30 天清理 + 网页横幅 + 确认机制（internal 模式限定）
• 日志轮转：1MiB 上限自动轮转

全量测试 ~440 用例全绿，ruff 零告警。

v0.2.1

v0.2.1

修复（P1 批次）

• 统计基线错映射根治：CPI 模式收紧中国限定；新增题面窗口解析器（天/周/月/年/月底/年底/绝对日期，>90 天宁缺毋滥）；FOMC 基线按题面方向三支（加息/降息/维持）；标普阈值题改走 breakout 算法——每天进入生产预测输入的错误锚点清零
• 回测地面真值止血：outcome 缺失显式跳过并计数，禁止 None→False 静默转换；NaN 序列化为 null，不再产出非法 JSON
• 前端 XSS 修复：innerHTML 转义、javascript: 协议白名单、属性回填转义、CSP meta 兜底；新增 38 项断言脚本 scripts/test_xss_helpers.js

性能

• 行情序列轮级缓存 + 10 路并发拉取：单次 20.4s → ≤8s，同轮后续调用零网络，全天节省约 10 分钟冗余 IO
• LLM 采样并发 + 工具层超时对齐（180s → 900s）+ 连接池复用 + stderr 进度心跳：轮次最坏时长 12.4 → 6.4 分钟，agent 侧挂起根因消除

自动化

• 自主选题闭环：08:30 选题（scripts/autopick.py）→ 08:45 判重入库（scripts/autopick_ingest.py，观察期不入对外榜单）→ 09:00 预测轮
• Polymarket 揭晓接入每日调度（21:00，scripts/pm_resolve.py 退出码与撞锁处理加固）

全量测试 381 用例全绿，ruff 零告警。

v0.2.0

v0.2.0

修复

• 红测试时间炸弹动态日期化：test_storage_readonly 硬编码日期过归档阈值 + test_storage 4 处未来日期炸弹，同类组合全仓扫描清零
• 引擎反向 import 解耦：新增 src/predictor/ops/lock.py（acquire_lock / lock_state / wait_acquire）与 ops/manual.py，src/ 不再依赖 scripts/，wheel 可独立运行
• health_check 撞锁失明根治：wait_acquire 排队等锁（45 分钟上限 + 含持有者 pid 的兜底告警），替代原 60 秒盲重试
• 全量测试 347 用例全绿，ruff 零告警

新功能

• 自主选题引擎 scripts/autopick.py：聚合 20 个新闻源（Google News RSS ×13 + BBC / NPR / Guardian）→ LLM 筛选打分 → 生成带可查证揭晓条件的新题（questions 表 schema）→ 注册表判重、按日幂等 → 每日简报 data/daily-brief.md

文档与展示

• README 双语：英文主版 + README.zh-CN.md
• 架构图：静态 SVG（docs/architecture.svg，英/中各一版）+ 自包含交互版（GitHub Pages，平移/缩放/主题切换/焦点追踪），由 Archify 生成（MIT，见 THIRD_PARTY_NOTICES.md）
• 文档瘦身：仅保留 ForecastBench 提交调研（英文文件名）与 fork 合规文档 BRANDING

v0.1.0

Foresight v0.1.0

AI 事件概率预测引擎的首个公开版本：pi 架构外壳 + Python 预测引擎。

核心能力

• 预测引擎（src/predictor）：DuckDB 存储、Brier 评分与校准追踪、历史回测、行情数据源
• Agent 外壳（shell/pi，rebrand @foresight/foresight-agent）：agent 循环、会话管理、多 provider 支持，配置目录 .foresight
• 扩展桥（.foresight/extensions/foresight-tools.ts）：predict / leaderboard / resolve 三个工具，薄壳调用 Python 引擎
• Web 仪表盘：预测、排行榜与揭晓状态的可视化
• 无窗口调度：scripts/run_silent.py + pythonw 包装，定时任务零控制台弹窗；ensure_signsrv.py 服务拉起含深度校验（端口占用但 pong 不对判失败）与 CREATE_BREAKAWAY_FROM_JOB 生命周期隔离
• 测试套件：uv run pytest（约 5 分钟，含 ops 探针）

安装

# 外壳（agent CLI）
cd shell/pi && npm install && npm link   # 全局命令 foresight

# Python 引擎
uv sync

说明

• 本仓库为技术子集镜像；预测数据库从 data/fb_seed 种子数据初始化
• 许可证：MIT