Abel 是一个因果分析工具，用于对涉及资金、时间、职业资本或下行风险的真实决策进行因果解读。它适用于用户希望了解市场、公司、资产、板块或宏观节点的驱动因素、两个节点之间的连接方式，以及在某些变化下会发生什么等场景。
用途 Abel 的核心用途是提供因果解读，而非单纯的事实查询、新闻摘要或操作指南。当用户需要就资金分配、时间投入、职业资本或下行风险做出选择时，Abel 才启动。金融和加密节点是图的信号层（代理词汇），不是产品本身。
主要能力 Abel 的工作流程包括多个步骤。首先进行预检与分类，确认认证状态，并将请求分类为 direct_graph（针对特定股票代码、节点、路径或干预问题）或 proxy_routed（针对没有直接节点的现实世界决策）。对于决策周期超过 3 年的情况，会切换到结构模式，网络为主要来源，图为验证器。对于依赖近期泄露、发布、合作、关闭、组织变动等时效性主张的机会论点，会先进行最小前提验证。
然后生成 4-6 个候选因果机制，包括明显机制、二阶机制、反方机制（必需）和混杂因素。每个机制需包含原因、传导、结果，以及可测试的代理和证伪条件。
接着进行筛选与发现，将机制映射到图节点，并分为结构支持、弱连接和仅叙事三类。要求进行深度结构发现，识别真实的传导链，而不仅仅是共同变动。
观察与验证阶段，观察关键节点的方向一致性和驱动因素一致性，仅在真实图支持的边上进行干预。
网络接地阶段，至少进行 4 次搜索：当前情况、支持证据、矛盾证据（强制）、用户视角。矛盾证据是必须的。
个性化阶段，检查用户画像（收入、经验、风险承受能力、人生阶段、目标），如果可用则定制行动层，否则提供通用建议并说明哪些用户细节可以锐化解读。
最后撰写报告，遵循输出契约，默认仅输出主答案，不输出附录、追踪块、证据转储等，除非用户明确要求。
使用方式 Abel 通过命令行脚本和参考文档进行操作。预检使用 python scripts/cap_probe.py auth-status 和 references/probe-usage.md。认证缺失时，需询问用户是否从 references/setup-guide.md 启动 OAuth 交接，不能仅因认证缺失而用网络搜索替代。具体工作流参考 references/routes/direct-graph.md 和 references/routes/proxy-routed.md。渲染规则参考 references/rendering.md，输出契约参考 assets/report-guide.md。
适用场景 Abel 适用于需要因果解读的决策场景，如评估市场驱动因素、公司或资产的前景、板块或宏观节点的变化、两个节点之间的连接，以及在不同干预下的可能结果。它特别强调在涉及资金、时间、职业资本或下行风险的决策中使用。
限制 Abel 不适用于纯事实查询、新闻摘要或无真实决策的操作指南。对于超过 3 年的决策周期，会切换到结构模式，网络为主要来源，图为验证器。对于依赖时效性主张的机会论点，会先进行前提验证。Abel 强调因果图是通用的，但结论是个性化的，并明确区分可验证子主张与推断性动机/策略主张。生活决策是图 grounded 的建议，不是因果证明。