Мультиагентная система управления фондом скважин Model_Z.
Суррогат предлагает. OPM Flow решает. Пакет сдачи не соберётся, если они разошлись.

---

Идея

Полный гидродинамический прогон Model_Z в OPM Flow занимает около 640 секунд (verification_seconds в artifacts/surrogate-hybrid-ab-20260910/direct-head-control.json — 643,519 с, и 637,545 с в hybrid-top.json рядом). Оценка того же расписания быстрой моделью — около 1,5 секунды (inference_seconds, шесть строк в artifacts/surrogate-screen-20260910/retrospective-audit.json: от 1,450 до 1,571 с). Поиск, который перебирает десятки вариантов, возможен только на второй цифре.

Но быстрая модель уверенно ошибается ровно там, где это опаснее всего. В том же аудите есть строки с inside_domain: false, где предсказанный ЧДД равен −18 668 131 086 ₽ при измеренном 1 464 123 030 ₽. Модель не сомневалась; она просто оказалась за пределами того, что видела.

Отсюда единственное правило проекта: ни одно число не произносится со слов суррогата. Суррогат отбирает кандидатов. Каждый финалист заново прогоняется настоящим OPM Flow, проверяется на ограничениях, и его ЧДД пересчитывается по эталонной методике организаторов на отклике симулятора — не на прогнозе.

Правило имеет исполнительный механизм, а не только формулировку. Сборка пакета сдачи отказывается идти, если заявленный ЧДД не равен пересчитанному, и статус ready_to_submit ставит только aios run submit — только после того, как пакет собран и его круговая проверка сошлась (workflow.py).

Три решения

Прогноз — не результат В прогоне хранятся два разных поля: predicted_npv от суррогата и verified_npv от OPM. В evaluations.json кампании 09.09 у всех 89 записей predicted_npv_rub: null — заявляемая величина берётся только из второго поля. Консоль показывает это различие в колонке «Происхождение»: «проверен OPM» против «предсказан суррогатом».

Сходимость OPM — не допуск sound=true требует больше, чем успешное завершение Flow. Диагностический прогон jarvis-policy-20260926 завершился OPM OK и при этом получил sound=false: 165 блокирующих нарушений водного баланса. Из 89 оценённых кандидатов кампании 09.09 до sound=true дошли пять.

Вне обученной области — до OPM не доходит Порог области применимости по умолчанию — CONSERVATIVE_OOD_THRESHOLD = 0.0 (ood_calibration.py:14): любой узел за границами обучающего диапазона отклоняет кандидата. Это сознательно консервативно, потому что кривая калибровки построена на двух точках и сама помечена curve_is_reliable: false.

Как это работает

Поиск идёт тысячами итераций на суррогате, подтверждение — единицами запусков на OPM. Шесть схем, снятых с кода, а не нарисованных по замыслу, — в архитектуре: общая картина, сквозной прогон, четыре гейта отбора, иерархия агентов политики, Джарвис и развёртывание.

flowchart LR
    P["политика<br/>поле → группа → скважина"] --> C["кандидат"]
    C --> S["суррогат<br/>≈1,5 с"]
    S --> G{"гейты"}
    G -->|"отклонён"| P
    G -->|"финалист"| O["OPM Flow<br/>≈640 с"]
    O --> V["проверка ограничений<br/>sound?"]
    V -->|"нет"| R(["rejected"])
    V -->|"да"| N["ЧДД по методике<br/>организаторов"]
    N --> CMP{"заявленный =<br/>пересчитанному?"}
    CMP -->|"нет"| F(["отказ сборки"])
    CMP -->|"да"| SUB(["пакет сдачи"])

Loading

Решение принимает не один агент, а уровни: поле балансирует закачку и отбор, группа распределяет квоты по участкам, скважина выбирает режим. Каждое решение попадает в след (backend/contexts/policy/domain/trace.py), поэтому инженер видит, почему был выбран именно этот режим — или что причина не записана. Как устроен суррогат и чем он не является — surrogate.md; слои и границы контекстов — architecture.md.

_{Экран /money/comparison. Колонка «Происхождение» отделяет проверенное от предсказанного построчно; сценарий без полного прогона честно помечен «не измерено», а не нулём.}

Посмотреть за две минуты

Консоль работает на заранее собранной витрине в git — ни одного прогона OPM для этого не нужно.

Шаг	Открыть	Что видно
1	/overview	Накопленный ЧДД, компенсация, отбор, закачка и обводнённость за все 225 управляющих шагов
2	/field/projection	Измеренный граф связности λ: кто с кем связан через пласт
3	/field/maps	Карты дека Model_Z: пористость, проницаемость, песчанистость — два пласта, k 1–26 и k 29–53
4	/money/comparison	Происхождение каждого числа построчно; чемпион отмечен
5	Сфера Джарвиса	Вопрос словами — сцена из карточек с происхождением каждого числа

Маршрут с тем, что именно доказывает каждый шаг, и где отвечен каждый критерий оценки, — в руководстве для жюри.

_{Шаг 2. Рёбра — измеренная связность λ, а не нарисованная схема; у каждого есть собственное происхождение.}

Что измерено

Каждое число ниже прослеживается до файла в этом репозитории. Полный список утверждений с градацией «измерено / проверено / принято на веру» — на странице доказательств.

Величина	Что показывает	Источник
Чемпион 2 754 126 065,49 ₽ против базы 1 464 123 030,44 ₽	Оба числа — от OPM, на одних и тех же хешах кейса, дека и методики	evaluations.json, candidate-008 и candidate-005
measured_npv == npv_methodology == 1 464 123 030,4381707, sound: true	Холодный повтор из чистого клона воспроизвёл ЧДД бит в бит	artifacts/final-readiness-20260909/cold-repeat/candidate-005/economics/result.json
5 из 89 кандидатов получили sound=true	Допуск — редкое событие, а не формальность	evaluations.json
≈1,5 с против ≈640 с на одно расписание	Во столько раз поиск дешевле проверки	inference_seconds и verification_seconds в artifacts/
13 контекстов, списки исключений пусты	Границы слоёв держит машина, а не договорённость	test_context_boundaries.py
71 термин, 11 экранов, 18 узлов карты, 536 фрагментов	База знаний Джарвиса, отдаваемая /api/jarvis/health	frontend/public/jarvis/knowledge/

Поле: 103 скважины, 2 пласта, горизонт с 01.01.2007, 224 интервала управления (config/horizon-model-z.json; консоль показывает 225 шагов, включая терминальный). Как это воспроизвести — verification.md.

Запустить

python3 -m venv .venv
.venv/bin/pip install -e '.[dev,ml]'
aios selfcheck

aios selfcheck печатает, что нашлось на этой машине: данные организаторов, дек Model_Z_sch.inc, эталонный расчётчик, нормативы, собранный фронт, Docker, numpy и torch. По её выводу сразу видно, какие команды запустятся.

aios web                          # консоль на http://localhost:8000
aios run search --run-id <id>     # поиск на суррогате
aios run verify --run-id <id>     # проверка настоящим OPM
aios run submit  --run-id <id>    # пакет сдачи, если ЧДД сошлись

Свежий клон неполон по замыслу: ни веса, ни датасеты, ни данные организаторов в git не хранятся. Витрина frontend/public/data/ лежит в репозитории, поэтому консоль и Джарвис работают без единого прогона OPM. Что требует внешних артефактов, какие переменные окружения за что отвечают и как перенести сервис на сервер — в руководстве по запуску.

Windows. Вывод русскоязычный, консоль по умолчанию в cp1252 — команды падают с UnicodeEncodeError. Ставьте PYTHONIOENCODING=utf-8; интерпретатор здесь — .venv/Scripts/python.exe.

Джарвис

Визуальный ассистент консоли: вопрос словами — сцена из карточек. Карточка несёт данные, происхождение и возможное действие, открывающее нужный экран. 27 предметных инструментов читают ту же JSON-витрину, что и фронт; поиск по документации — BM25 на чистой стандартной библиотеке, без внешних зависимостей.

_{Экран до первого вопроса. Ответ приходит карточками из записанных артефактов, а не пересказом: число без опоры на данные карточек сторож из текста удаляет.}

Джарвис объясняет план и результаты. Он не управляет скважинами и не вычисляет заявляемый ЧДД. Устройство, инструменты и границы — в jarvis.md.

Границы, сказанные первыми

• «Суррогат» — это составное имя, и нейросеть в нём отвечает не за деньги. Ансамбль из трёх сетей предсказывает траектории по скважинам; скалярный ЧДД даёт отдельная голова на ядерной гребневой регрессии, и итог смешивается как (1−w)·прямая оценка + w·экономика предсказанной траектории (economics_prediction.py:23). Называть работающую модель графовой нейросетью нельзя: полный граф λ в сеть не подаётся.
• Заголовочные метрики качества суррогата не имеют опоры в данных этого репозитория. Spearman 0,8602, precision@5 0,80, MAE 42,61 млн ₽ существуют в тексте SURROGATE_DEFENSE.md, но файла out/metrics-full-pipeline.json, который их печатает, на диске нет. Единственный метрический артефакт, который есть, сообщает другое и слабее: попарная точность 0,667 на шести прогонах, и сам помечает себя диагностикой.
• Сравнение ЧДД корректно только при одинаковых условиях. Кейс, период, дек, нормативы и методика должны совпадать; именно поэтому в прогоне и пакете сохранены хеши. Числа из разных кампаний в одну таблицу не ставятся.
• Коридор компенсации 0,85–1,15 — не требование организаторов. В competition-constraints.json у него compensation_enforcement: "diagnostic", и годовых лимитов там нет вовсе.
• Исторические метрики не переносятся на новое месторождение. OOD-фильтр отклоняет неподтверждённые режимы; он не делает прогноз на них точным.
• Джарвис зависит от внешнего LLM-шлюза. Без ключа или при его исчерпании сервис отвечает честной ошибкой, а не заготовленным текстом: автоматического воспроизведения фикстур в продукте нет.

Каждая граница целиком, с тем что измерено, что её удерживает и что остаётся открытым, — в limitations.md.

_{Трек 2 · управление фондом скважин Model_Z · лицензия}