Communitygithub.com

Oráculo de Cenários — Explorador do Espaço de Possibilidades

Realize análises estruturadas de cenários hipotéticos com exploração de 4 a 6 ramificações de possibilidades (melhor, provável, pior, curinga, contrário, segunda ordem). Use quando o usuário fizer perguntas especulativas do tipo 'e se' sobre futuros incertos, bifurcações estratégicas, planejamento de contingência ou teste de estresse de uma decisão antes de se comprometer.

O que é Oráculo de Cenários — Explorador do Espaço de Possibilidades?

O Oráculo de Cenários é uma ferramenta estruturada para explorar futuros incertos por meio de análise multirramo rigorosa. Em vez de uma previsão, o Oráculo mapeia todo o espaço de possibilidades — linhas do tempo ramificadas onde cada caminho possui lógica, probabilidade e consequências próprias. Baseia-se no Paradigma do 'E Se', que trata perguntas especulativas como uma operação computacional fundamental da mente para simular futuros antes de alocar recursos. O Oráculo é ativado quando o usuário faz perguntas do tipo 'e se' (ex.: 'E se nosso fornecedor principal aumentar os preços em 30% no terceiro trimestre?'), enfrenta decisões sem resposta óbvia ou precisa de análise de cenários (melhor, pior, provável) com probabilidades. A ferramenta suporta plataformas como Claude Code, Cursor e Codex, e segue fases: enquadramento da pergunta (com decomposição em variável, magnitude, prazo e contexto), mapeamento de 4–6 ramificações (melhor, provável, pior, curinga, contrário, segunda ordem), análise detalhada de cada ramo (com narrativa, premissas, gatilhos, consequências e resposta necessária) e síntese final (distribuição de probabilidade, ações robustas e de hedge, gatilhos de decisão e o insight de 1%). Inclui modos como Oráculo Rápido (3 ramos), Oráculo Profundo (6 ramos), Cadeia de Cenários e Oráculo Reverso.

Funciona com✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/K-Dense-AI/scientific-agent-skills/tree/main/skills/what-if-oracle

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

O que Oráculo de Cenários — Explorador do Espaço de Possibilidades faz?

Um sistema estruturado para explorar futuros incertos por meio de análise multirramo rigorosa. Em vez de uma previsão, o Oráculo mapeia todo o espaço de possibilidades — linhas do temporamificadas onde cada caminho tem sua própria lógica, probabilidade e consequências.

Baseado no Paradigma do E Se: a ideia de que perguntas especulativas ("E se X?") não são devaneios ociosos, mas uma operação computacional fundamental — a forma como a mente simula futuros antes de alocar recursos em um.

Pesquisa publicada: The What-If Paradigm (DOI: 10.5281/zenodo.18736841) | IDNA v2 / Unified Digital Consciousness Theory (DOI: 10.5281/zenodo.18807387)

Quando Usar Esta Habilidade

Use o Oráculo quando o usuário:

  • Perguntar "e se…", "o que aconteceria se…" ou "explore as possibilidades"
  • Enfrentar uma bifurcação na estrada sem resposta óbvia
  • Quiser análise de melhor caso / pior caso / caso provável com probabilidades
  • Precisar de planejamento de contingência, mapeamento de riscos ou comparação de opções estratégicas
  • Quiser testar uma ideia sob estresse ou pensar em consequências de segunda ordem

Para enquadramentos específicos de domínio (startup, arquitetura de tecnologia, resposta a crises, etc.), veja references/scenario-templates.md.

Princípio Central: 0·IF·1

Toda análise de cenário tem três elementos:

  • 0 — O estado não expresso (o que ainda não aconteceu, o potencial)
  • 1 — O estado expresso (o que É, a realidade atual)
  • IF — O vínculo condicional (a decisão, evento ou mudança que transforma 0 em 1)

A qualidade da análise depende da precisão do SE. Um vago "e se as coisas derem errado?" produz resultados vagos. Um preciso "e se nosso fornecedor principal aumentar os preços em 30% no terceiro trimestre?" produz inteligência acionável.

Como Executar o Oráculo

Fase 1 — Enquadrar a Pergunta

Pegue a pergunta do tipo "E se" do usuário e torne-a mais nítida:

Decomponha em componentes:

  • A Variável: O que especificamente muda? (uma variável por análise)
  • A Magnitude: Em quanto? (quantifique se possível)
  • O Prazo: Em que período?
  • O Contexto: Qual é o estado atual antes da mudança?

Se a pergunta for vaga, torne-a mais nítida:

  • "E se a IA assumir o controle?" → "E se 40% das tarefas atuais de trabalho do conhecimento forem automatizadas por IA em 3 anos em [indústria específica]?"
  • "E se falharmos?" → "E se a receita mensal ficar abaixo de R$ 5.000 por 6 meses consecutivos a partir de agora?"

Apresente a pergunta refinada ao usuário para confirmação antes de prosseguir.

Fase 2 — Mapear o Espaço de Possibilidades

Gere 4-6 ramificações de cenário usando esta estrutura:

RamificaçãoDefiniçãoPropósito
Ω Melhor CasoTudo dá certo. Premissas principais se validam. Ocorrem sorteios de sorte.Definir o teto — qual é o ganho máximo?
α Caso ProvávelCaminho mais provável com base nas evidências atuais. Nenhuma grande surpresa.Ancorar expectativas na realidade
Δ Pior CasoPremissas principais falham. Duas coisas dão errado simultaneamente.Definir o piso — qual é a perda máxima?
Ψ CuringaUma variável inesperada entra que ninguém está monitorando. Território de cisne negro.Testar contra o inimaginável
Φ ContrárioO oposto da visão consensual acaba sendo verdade.Desafiar o pensamento de grupo e revelar premissas ocultas
∞ Segunda OrdemOs efeitos de primeira ordem desencadeiam consequências em cascata que ninguém previu.Mapear os efeitos em cascata

Fase 3 — Analisar Cada Ramificação

Para cada ramificação do cenário, forneça:

╔══════════════════════════════════════════════╗
║  RAMIFICAÇÃO: [Ω/α/Δ/Ψ/Φ/∞] — [Nome da Ramificação] ║
╠══════════════════════════════════════════════╣
║  Probabilidade: [X%]                           ║
║  Prazo: [Quando isso pode se materializar]    ║
║  Confiança: [ALTA/MÉDIA/BAIXA]               ║
╠══════════════════════════════════════════════╣
║  NARRATIVA:                                   ║
║  [2-3 frases descrevendo como este            ║
║   cenário se desenrola passo a passo]         ║
║                                                ║
║  PREMISSAS PRINCIPAIS:                        ║
║  • [O que deve ser verdade para isso acontecer]║
║  • [E isto]                                   ║
║                                                ║
║  CONDIÇÕES DE GATILHO:                        ║
║  • [Sinal precoce de que esta ramificação     ║
║    está se tornando realidade]                ║
║  • [Segundo sinal]                            ║
║                                                ║
║  CONSEQUÊNCIAS:                               ║
║  → Imediatas: [O que acontece primeiro]       ║
║  → 30 dias: [O que se segue]                  ║
║  → 6 meses: [Aonde isso leva]                 ║
║                                                ║
║  RESPOSTA NECESSÁRIA:                         ║
║  [Que ação tomar se esta ramificação          ║
║   se ativar — específica, acionável]          ║
║                                                ║
║  O QUE A MAIORIA DAS PESSOAS PERCEBE:         ║
║  [O insight não óbvio sobre este              ║
║   cenário que a análise convencional          ║
║   ignoraria]                                  ║
╚══════════════════════════════════════════════╝

Fase 4 — Síntese

Após analisar todas as ramificações, forneça:

Distribuição de Probabilidade:

Ω Melhor Caso ····· [██████░░░░] 15%
α Caso Provável ··· [████████░░] 45%
Δ Pior Caso ······· [██████░░░░] 20%
Ψ Curinga ········· [███░░░░░░░]  8%
Φ Contrário ······· [████░░░░░░]  7%
∞ Segunda Ordem ·· [███░░░░░░░]  5%

Ações Robustas: Quais ações são benéficas em VÁRIAS ramificações? São os movimentos sem arrependimento — faça-os independentemente de qual futuro se materializar.

Ações de Hedge: Quais preparações protegem contra as piores ramificações sem sacrificar o potencial de ganho?

Gatilhos de Decisão: Que sinais específicos e observáveis devem fazer você atualizar qual ramificação é mais provável? Defina os alarmes.

O Insight de 1%: Qual é a única coisa sobre esta situação que quase todos que a analisam perderiam? O padrão não óbvio, a premissa oculta, a variável ignorada.

Ponderação da Proporção Áurea

Quando houver evidências, pondere os cenários primários usando a proporção áurea:

  • Futuro primário (mais provável): 61,8% da atenção/recursos
  • Futuro alternativo: 38,2% da atenção/recursos

Isso evita tanto o comprometimento excessivo com um único caminho quanto a diluição em muitas contingências. A natureza usa essa proporção para ramificação (árvores, rios, vasos sanguíneos). O planejamento estratégico também pode.

Modos

Oráculo Rápido (2-3 minutos)

Apenas 3 ramificações: Melhor, Provável, Pior. Narrativas curtas. Para decisões rápidas.

Oráculo Profundo (5-10 minutos)

Todas as 6 ramificações. Análise completa com consequências, gatilhos e síntese. Para decisões de alto risco.

Cadeia de Cenários

Pegue o resultado de uma análise do Oráculo e alimente-o em outra. "Se a Ramificação Δ acontecer, quais são as possibilidades DENTRO dessa ramificação?" Profundidade recursiva para planejamento estratégico complexo.

Oráculo Reverso

Comece a partir de um resultado desejado e trabalhe de trás para frente: "Que condições devem ser verdadeiras para X acontecer? Qual é o caminho mais provável PARA esse resultado?" Útil para definição de metas e design de estratégia.

Oráculo Competitivo

Analise o mesmo "E se" de múltiplas perspectivas das partes interessadas: "Se lançarmos este produto, como fica o espaço de possibilidades da NOSSA perspectiva vs. a PERSPECTIVA DELES vs. a perspectiva DO MERCADO?"

O Que Isso NÃO É

  • Não é uma previsão — é um mapa de possibilidades. O Oráculo não afirma conhecer o futuro; ajuda você a se preparar para múltiplos futuros.
  • Não é uma bola de cristal — probabilidades são estimativas baseadas em evidências disponíveis, não certezas.
  • Não substitui a ação — a melhor análise de cenário do mundo é inútil sem decisão e execução subsequentes.

Arquivos de Referência

ArquivoPropósito
references/scenario-templates.mdModelos específicos de domínio (startup, tecnologia, finanças, crise, etc.) e calibração de probabilidade

Licença

© 2026 Ashraf Hussein Kahoush / AHK Strategies. Licenciado sob CC BY-NC-SA 4.0. Gratuito para uso pessoal, educacional e de pesquisa. Uso comercial requer licença do autor.

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

adaptyv

How to use the Adaptyv Bio Foundry API and Python SDK for protein experiment design, submission, and results retrieval. Use this skill whenever the user mentions Adaptyv, Foundry API, protein binding assays, protein screening experiments, BLI/SPR assays, thermostability assays, or wants to submit protein sequences for experimental characterization. Also trigger when code imports `adaptyv`, `adaptyv_sdk`, or `FoundryClient`, or references `foundry-api-public.adaptyvbio.com`.

aeon

This skill should be used for time series machine learning tasks including classification, regression, clustering, forecasting, anomaly detection, segmentation, and similarity search. Use when working with temporal data, sequential patterns, or time-indexed observations requiring specialized algorithms beyond standard ML approaches. Particularly suited for univariate and multivariate time series analysis with scikit-learn compatible APIs.

alphagenome

Look up precomputed AlphaGenome Atlas effects for any GRCh38 single-nucleotide variant (AVI score with Phred and 18 SHAP feature attributions, plus raw and quantile scores for RNA-seq, DNase, ATAC, ChIP-TF, ChIP-histone, CAGE, PRO-cap, splicing, polyadenylation and contact-map tracks), score variants or scan windows on demand with the AlphaGenome model for human and mouse (variant scoring, in silico mutagenesis, REF-versus-ALT track prediction), and build Atlas website deep links. Use when the user mentions AlphaGenome, AlphaGenome Atlas, AVI or AlphaGenome Variant Impact, DeepMind variant effect prediction, or wants to prioritise or mechanistically interpret non-coding, regulatory, splicing, enhancer, promoter, or chromatin-accessibility effects of SNVs from a VCF, credible set, or region. Research use only; not a clinical tool.

analytical-method-validation

Plan, execute, and document validation, verification, and transfer of analytical procedures under the governing framework - ICH Q2(R2) and Q14, USP <1220>/<1225>/<1226>, ICH M10 bioanalytical, CLSI EP, or ISO/IEC 17025. Use for HPLC, LC-MS/MS, GC, CE, ICP-MS, dissolution, qNMR, qPCR, NIR, and ligand binding or cell-based assays whenever the question is whether a procedure is fit for its intended purpose. Triggers include

anndata

Data structure for annotated matrices in single-cell analysis. Use when working with .h5ad files or integrating with the scverse ecosystem. This is the data format skill—for analysis workflows use scanpy; for probabilistic models use scvi-tools; for population-scale queries use cellxgene-census.

arbor

Autonomously improve a real artifact (code, training recipe, agent harness, data pipeline, prompt) against an objective and an evaluator, using Hypothesis Tree Refinement (HTR) from the Arbor paper. Use this whenever someone wants to iteratively optimize something over many experiments without overfitting — e.g.

arboreto

Infer gene regulatory networks (GRNs) from gene expression data using scalable algorithms (GRNBoost2, GENIE3). Use when analyzing transcriptomics data (bulk RNA-seq, single-cell RNA-seq) to identify transcription factor-target gene relationships and regulatory interactions. Supports distributed computation for large-scale datasets.

astropy

Core Python library for astronomy and astrophysics workflows that need Astropy APIs, including units/quantities, coordinates, FITS I/O, tables, time systems, WCS, and cosmology. Use when implementing or debugging astronomical data analysis code with Astropy.

autoskill

Observe the user

benchling-integration

Benchling Python SDK and REST API integration for registry entities, inventory, ELN entries, workflows, Benchling Apps, and Data Warehouse queries. Use when automating lab data with benchling-sdk or the v2 API.

bgpt-paper-search

Search scientific papers and retrieve structured experimental data extracted from full-text studies via the BGPT MCP server. Returns 25+ fields per paper including methods, results, sample sizes, quality scores, and conclusions. Use for literature reviews, evidence synthesis, and finding experimental details not available in abstracts alone.

bids

>

biopython

Comprehensive molecular biology toolkit. Use for sequence manipulation, file parsing (FASTA/GenBank/PDB), phylogenetics, and programmatic NCBI/PubMed access (Bio.Entrez). Best for batch processing, custom bioinformatics pipelines, BLAST automation. For quick lookups use gget; for multi-service integration use bioservices.

bioservices

Unified Python interface to 40+ bioinformatics services. Use when querying multiple databases (UniProt, KEGG, ChEMBL, Reactome) in a single workflow with consistent API. Best for cross-database analysis, ID mapping across services. For quick single-database lookups use gget; for sequence/file manipulation use biopython.

bulk-rnaseq

End-to-end bulk RNA-seq orchestrator — takes raw FASTQ reads through QC and trimming (FastQC, fastp/Trim Galore), alignment and quantification (STAR, Salmon, featureCounts), assembles a gene-level counts matrix, then hands off to differential expression (pydeseq2), pathway/GSEA enrichment (pathway-enrichment), and publication figures (scientific-visualization). Use whenever the user has bulk RNA-seq reads or quant output and wants a complete, reproducible differential-expression workflow — e.g.

cellxgene-census

Query the CZ CELLxGENE Census programmatically for versioned public single-cell and spatial transcriptomics data. Use when you need population-scale cell metadata, gene expression slices, Census summary counts, source H5AD URIs/downloads, embeddings, spatial Census data, or reference atlas comparisons across organisms, tissues, diseases, assays, and cell types. For analyzing your own local single-cell data use scanpy, anndata, or scvi-tools.

cirq

Google quantum computing framework. Use when targeting Google Quantum AI hardware, designing noise-aware circuits, or running quantum characterization experiments. Best for Google hardware, noise modeling, and low-level circuit design. For IBM hardware use qiskit; for quantum ML with autodiff use pennylane; for physics simulations use qutip.

citation-management

Comprehensive citation management for academic research. Search OpenAlex, PubMed, and Google Scholar for papers, extract accurate metadata, validate citations, and generate properly formatted BibTeX entries. This skill should be used when you need to find papers, verify citation information, convert DOIs to BibTeX, or ensure reference accuracy in scientific writing.

clinical-decision-support

Prepare and validate research-only clinical decision-support evaluation, evidence-profile, cohort, survival, biomarker/model, privacy, and governance artifacts. Use for aggregate or synthetic research documentation and traceability—not patient care or live clinical operation.

clinical-reports

Create safety-bounded draft structures and run local deterministic checks for clinical case, diagnostic, trial, safety, and aggregate research reports. Use only with synthetic, de-identified, or aggregate inputs and verified source-fact manifests; every output requires qualified review.

Habilidades Relacionadas