用途：用于无法直接观测的业务状态，把带噪指标读数与真实水平区分开，并据证据更新信念，而非对最新读数做情绪化反应。
主要能力：
- 过滤：给定一串带噪读数，估计底层真实水平，并判断最新变动是否超出噪声与漂移所能解释的范围。命令为 node scripts/calc.js track metric.json，输入格式参见 examples/track.json；可提供 processVar 与 observationVar，未提供时由工具从序列自行猜测并说明。
- 更新：给定证据，在多个互斥解释间用先验、转移模型和似然更新信念。命令为 node scripts/calc.js belief drop.json，输入格式参见 examples/belief.json；输出会报告消除了多少比特的不确定性。
使用方式：按工作流先写清状态（未观测）与读数（已观测），列出噪声来源；判断最新变动是否真实；在寻找证据之前先列出2至4个互斥解释及其先验；再据证据更新；仅当信念足够集中时才行动。输出模板包含读数与状态、变动是否真实、竞争解释表、更新结果与后续行动。先验应来自历史而非当下情绪。
适用场景：收入、流量、转化等指标下降或波动时的诊断，以及需要判断是否该启动项目的指标异动。
限制与注意事项：不要给任何解释赋先验0，否则证据无法再恢复该解释；若所有解释似然均为零，说明模型有误，工具会报错而非静默归一化。周环比会混淆漂移与噪声。小样本宜用简单解释。同一证据不要重复更新。跟踪或管道变更后旧方差不再适用，应重置。该过滤假设噪声大致稳定。