用途：以结构化四阶段流程生成预测，而非凭直觉作答。适合二元 YES/NO 概率预测（预测市场如 Polymarket、Kalshi）、情景分析（如美联储是否降息、并购能否完成），并可将预测建立在知识库与当前网络数据之上，长期用 Brier 分数与结算台账跟踪准确率。
主要能力：流程为分解问题（4-6 个子问题，类别含 rule 规则、event 事件、knowledge 知识、causal 因果）、提取证据（标记 [kb]/[web]/[model]）、自我质疑（弱点、遗漏角度、关键假设与 -0.30~0.00 概率调整）、预测（输出概率、置信区间、失败模式与假设）。每张预测卡带完整来源信息，保存为 JSON，并生成可分享的 HTML 卡片。二元模式输出概率、市场价差 edge 与置信边界。
使用方式：输入需 question 与 domain，可选 binary、grounded、deep、medium_depth、market_price、timeframe（1d/1w/1m/1q/1y）。有两种模式：一是通过 bdistill MCP（主工作流），依次调用 bdistill_predict_start、bdistill_predict_respond（每阶段调用一次）、bdistill_predict_export 导出；deep 模式运行 36 个知识探针约 25 分钟，medium_depth 运行 12-18 个约 12 分钟。二是独立运行，智能体自行管理状态并将 JSON 写入 data/predictions/cards/{id}.json。
限制与边界情况：问题过于模糊时需向用户确认时间范围、领域与预测模式；知识库无对应条目时仅用模型与网络证据并放低置信度、扩大置信边界；仅提供 market_price 而未启用二元模式时忽略该值并提示 edge 计算需二元模式；deep 与 grounded 可叠加，约 30 分钟，为最高保真模式；证据矛盾须在质疑阶段显式呈现，不掩盖。可与 bdistill-distill/extract、bdistill-calendar、bdistill-predict-ledger 配合使用。