用途：计算预测与观测结果之间的信息论惊讶度，用于评估预测质量、追踪能力变化并支持信念修正。
主要能力：采用三通道模型——Direct（α，精确产物匹配）、Diffuse（β，主题/结构匹配）、Meta（γ，能力/基础设施追踪），总惊讶度按 α+β+γ=1 加权（默认 0.3/0.5/0.2）。集成 Cat# 双模结构、Galois 伴随验证、AGM 信念修正（Levi 恒等式）与 Spohn κ 排序。可选 --sonify 通过 sox 将惊讶度映射为音高。
使用方式：通过 bb 运行 analyse.bb，传入 --predictions 与 --observed JSON 文件，可调 α/β/γ 权重，支持 --skills-before/--skills-after 追踪能力变化。输入需包含 predictions（direct/diffuse/meta）与 observed（threads/capability_events）。输出含各通道匹配率、惊讶度、trit、Cat# 一致性检查与音化结果。
适用场景：预测评估、注意力校准、能力探索与信念修正研究。
限制：依赖 sox 实现音化（可选）；输入格式需符合指定 JSON 结构；具体平台与收费信息暂未提供。