conf-schedule-optimization

用途

会议日程优化（Conference Schedule Optimization）把“该参加哪些场次”当作一个约束优化问题来处理，而不是列一张愿望清单。活动是变量，时间段是它们的取值域；硬约束定义什么是可行的，加权目标定义什么是好的。最终输出是一份最优可行方案，并诚实说明它无法决定的部分以及为了得高分而放弃了什么。

主要能力

硬约束与软目标分离

硬约束（可行性，绝不违反）：任意两个选择在时间上不重叠；不同房间的相邻选择之间至少间隔房间间步行时间（来自配置）；容量受限的场次只有在参会者能现实地获得座位时才计入；来自偏好档案的硬约束（必参加场次强制纳入，禁排/保留空闲块强制排除）。违反硬约束的方案不是更差的方案，而是根本不算方案——先过滤，再优化。

软目标（质量，最大化）：加权求和。

四项相互冲突的加权目标

方案得分 = w_interest·兴趣 + w_breadth·广度 + w_pacing·节奏 + w_serendipity·偶遇性，权重来自偏好档案：

兴趣：所选场次的参会者兴趣之和（主题亲和度 × 区域），即“看我关心的内容”项。
广度：跨不同主题的覆盖度（同一主题第 4 场收益递减），即“不要钻牛角尖”项。
节奏：奖励连续空闲时间、惩罚碎片化——一个真正 90 分钟的休息优于六个零散的 15 分钟间隙，即使场次数量相同；同时惩罚偏离偏好时段和过多步行。
偶遇性：奖励刻意留白和偶尔纳入离群/探索性选择，使方案不是一台最大化塞满的兴趣机器。

最大化连续空闲时间

把空闲时间建模为块，奖励最长的连续块，把真正的休息当作目标中的一等收益，而不是剩余空间。六个不相邻、各带 15 分钟间隙的场次，比同样六场但聚在一起并留出真正休息的一天更糟——人需要连续恢复、走廊交谈和吃饭。

暴露无法打破的冲突

当两个（或多个）场次重叠、得分在 epsilon 内接近、且偏好档案无法排序时，在 unresolved_conflicts 中标记两个候选及模型无法打破平局的原因，而不是抛硬币并隐藏。当档案能打破平局时，选择并在 alternatives 中记录落选者及 why_not。

求解方法

默认（无求解器依赖）：贪心种子（按时间顺序为每个时段选最佳可行项）加局部搜索——在保持可行的前提下做交换/插入/删除以改进加权目标。快速、透明，对几百场活动的议程足够好。resources/schedule.py 仅用 numpy/pandas/networkx 实现。

精确（可选）：安装 pulp/ortools 且需要最优解时，可形式化为 ILP 求解。记录实际运行的方法到 method 字段。

报告权衡（Goodhart 诚实原则）

无论权重如何，方案都会牺牲权重低估的东西。在 tradeoffs_note 中说明，例如“偏向兴趣，因此第 2 天密集且休息短”或“节奏/广度加权意味着你兴趣最高的那场被放弃以换取覆盖度”。命名这种替代效应，是优化代理指标却不假装它就是目标的解药。

使用方式

工作流：

加载 events.json、affinities.json、profile.json；从配置加载房间、步行矩阵和每日时间边界。
强制纳入档案中的必参加场次；强制排除禁排/保留空闲块。
构建可行性：每个时段中不重叠、满足步行时间、可入座（容量）的场次集合。
为参会者给每个场次打分（亲和度 × 区域兴趣、深度/形式匹配）。
贪心播种一个可行方案；运行局部搜索以最大化用户加权目标。
检测顶级候选在 epsilon 内打平且档案无法排序的重叠 → unresolved_conflicts（不自动选择）。
计算 free_blocks（奖励最长连续块）和 objective_breakdown。
写出 schedule.json + schedule.md（逐日）+ conflicts.md（决策）+ rationale.md（选择、目标分解、权衡说明）。返回 schedule.json 路径。

输出契约（schedule.json）字段包括：generated_on、method、selections（含 day/start/end/event_id/room/score/why/alternatives）、free_blocks（含 purpose：break | buffer | travel | meal）、objective_breakdown（interest/breadth/pacing/serendipity/total/weights）、unresolved_conflicts（含 candidates/why_unbreakable/needs）、constraints_applied（travel_time/capacity/hard_constraints）、tradeoffs_note。

适用场景

参会者面对多轨道、多房间、容量受限工作坊的会议议程，需要一份真正可执行的个人日程。
需要在兴趣、主题广度、休息节奏和留白之间做明确权衡取舍的场合。
需要把无法自动决定的冲突交回给人、而非被静默处理的决策场景。

限制与护栏

权重属于用户：从档案读取 objective_weights，绝不自行发明或覆盖；警惕编译进优化器的默认权重向量。
暴露冲突而非隐藏：epsilon 内打平且档案无法排序 ⇒ 写入 unresolved_conflicts，不做选择。
保护连续空闲时间：奖励最长连续空闲块，把真正休息当作一等目标项。
Goodhart：在 tradeoffs_note 中说明加权牺牲了什么。
硬约束不可侵犯：优化前先过滤到可行；必参加强制纳入，禁排强制排除。
不静默截断、不重新引导、不擅自执行：记录任何候选上限；不修改档案；仅在明确指示时导出到日历。

示例

示例 1：暴露的冲突。第 2 天 11:10–11:30 有两场得分 0.81 和 0.79 的演讲——一场关于 Agents，一场关于 Retrieval，都接近参会者兴趣，且档案未将 Agents 排在 Retrieval 之上。优化器不做选择，而是写入一条 unresolved_conflicts 条目，列出两者及“均在 epsilon 内；档案未对这些主题排序”，needs: your decision。

示例 2：同等兴趣下节奏胜过密集。两个可行方案在兴趣上打平。方案 A：六场演讲，整个下午间隙 15–20 分钟。方案 B：五场演讲加一个连续的 80 分钟下午块。在参会者偏节奏的权重下，方案 B 得分更高——长休息是被建模的收益而非浪费空间——tradeoffs_note 记录放弃一场较低兴趣的演讲以换取休息，这正是此人要求的取舍。

技能介绍

用途