用途：为 AI 提供系统化预测方法论，用于把模糊问题转化为可证伪的概率判断，并持续追踪准确度。
主要能力：
- 超级预测原则：问题分诊、拆解为可研究子问题、内外视角平衡、贝叶斯式增量更新、区分信号与噪声、校准、事后复盘、协作聚合。
- 信号分类：区分领先指标、滞后指标、基准率、专家意见、数据点、异常、结构性变化、情绪转变，并给出强度评估（强/中/弱）。
- 置信度校准：提供 5% 至 95% 的概率刻度与校准规则，默认用基准率起算，再按信号强弱做 ±2-15% 调整；禁止使用 0% 或 100%。
- 准确度度量：使用 Brier Score，公式为 (预测概率-实际结果)^2，并给出好坏区间（优秀 <0.15，一般 0.20-0.30，较差 >0.35）。
- 领域来源指南：技术、金融、地缘政治、气候四类领域分别列出可用数据来源类型与用途。
- 推理链模板：按参考类别、支持/反对信号、综合概率、关键假设、解决标准五步构建。
- 预测记录与评分：提供预测分类账 JSON 结构与准确度报告模板。
- 认知偏差清单：锚定、可得性、确认、叙事、过度自信、范围不敏感、近因、现状偏差，并附纠正方法。
- 逆向模式：对共识预测寻找反证，明确标注逆向判断以供比较。
使用方式：依据预测问题选择领域来源，先查基准率，再按模板列出正反信号与调整幅度，输出带解决日期与标准的概率预测，并在结果出来后按 Brier Score 与校准分组统计。
适用场景：技术趋势、金融、地缘政治、气候等需概率化判断与长期复盘的任务。
限制：本技能仅为方法论与模板，不内置实时数据、不保证预测准确；具体数据需另行获取，收费与平台信息暂未提供。