用途：将过去决策转化为可校准的判断，避免复盘只讲故事、不产生真实学习。
主要能力与流程：1. 收集到期的预测记录，先把结果记为二元事实；2. 用工具打分，运行 node scripts/calc.js calibrate predictions.json，输出 Brier 分数、always-base-rate 基准、过度/不足自信判定与分箱表；3. 用“过程—结果”网格把决策分区，重点处理“坏运气”和“侥幸成功”两格；4. 为延迟结果分配权重，运行 node scripts/calc.js credit result.json --lambda 0.7，lambda 默认 0.7，效果慢的用更高，效果快的用更低；5. 复盘两个六个月以上、尚未到期的旧决策；6. 更新错误的先验，把每个修正后的数字写入会被再次读取的具名文件。
输出格式为 diff 式模板，包含到期预测表、校准结果、过程与结果对照、延迟信用、复盘决策、数字变更表与新增场景。
限制与注意：仅适用于已有可证伪预测和决策日志的场景，需上游先写出记录；至少积累约十二个预测才能看出模式；不要把结果质量当决策质量；不要事后改写预测；警惕代理指标与归因窗口偏差；单次结果存在多个成因时不能只归因一个。相关资料未提供收费、价格、平台与官方支持信息。