Business Idea Evaluator

Объективная оценка бизнес-идей через 18 независимых субагентов, градацию доказательности, вероятностное моделирование и детерминированный Business Reality Score (BRS).

Кросс-платформенный Agent Skill для Claude Code, Cursor и OpenAI Codex. Это не мотивационный промпт — это аналитический механизм, который оценивает идею как профессиональный аналитик, а не подстраивается под ожидания пользователя.

Зачем

Большинство «оценок идей» от ИИ — это вежливое поддакивание. Этот скилл устроен иначе:

• Не льстит. Запрещённые фразы вроде «отличная идея» и «огромный рынок» — только при наличии доказательств.
• Не оценивает с ходу. Сначала 5 уточняющих вопросов, чтобы понять реальную бизнес-конструкцию.
• Не полагается на «ощущения» главного агента. Итог считает математический слой (calculate_brs.py), а не модель «на глаз».
• Использует реальных субагентов. 12 экспертных + 6 математических, каждый в своём контексте.

Как это работает

flowchart TD
    A[Идея пользователя] --> B[Фаза 1: 5 уточняющих вопросов]
    B --> C[Подтверждение формулировки IDEA_BRIEF]
    C --> D[Фаза 2: 12 экспертных субагентов параллельно]
    D --> E[Expert Evidence Package JSON]
    E --> F[Фаза 3: 6 математических субагентов параллельно]
    F --> G[Фаза 4: calculate_brs.py = BRS]
    G --> H[Фаза 5: Итоговый отчёт]

18 субагентов

Экспертный слой (01–12):

Математико-статистический слой (13–18):

Business Reality Score

Итог — не среднее арифметическое (оно скрывает блокирующие риски) и не «сырое» произведение (девять множителей < 1 схлопывают результат в ноль), а взвешенное геометрическое среднее девяти факторов, нормированное в 0–100, с последующими блокирующими ограничениями:

BRS = 100 × weighted_geomean(BasePotential, EvidenceFactor, SourceQuality, Execution,
                            Money, Defense, Durability, RiskMultiplier, SensitivityMultiplier)

Веса смещены туда, где провал решает исход (Money и RiskMultiplier — 1.4, BasePotential — 1.3). Дополнительно:

• Money гасится unit-экономикой агента 16 (отношение LTV/CAC, маржа, срок окупаемости) — при LTV < CAC фактор падает.
• SourceQuality ограничен 0.3, если источников нет или internet_available=false.
• Risk строится на максимуме рисков, причём safety-оценки (legal_safety — выше=лучше) и risk-оценки (failure_risk — выше=хуже) сначала приводятся к одному направлению, и только потом сравниваются.

Один очень низкий фактор всё равно резко тянет оценку вниз, а жёсткие блокировки применяются отдельно (см. ниже). Расчёт детерминирован — его делает calculate_brs.py, а не модель «на глаз».

Скрипт возвращает: base/min/max, confidence, evidence_index, source_quality_index, флаг hypothetical, blocking_caps_applied, main_blocking_risk, main_growth_factor, main_uncertainty_factor, девять factors, monte_carlo (распределение BRS), probability_map (вероятности по вердиктам) и warnings по входу.

probability_map считается, а не задаётся вручную. calculate_brs.py прогоняет Monte Carlo (по умолчанию 2000 симуляций, сид фиксирован — результат воспроизводим): каждый из девяти факторов возмущается шумом, ширина которого зависит от доказательной базы (низкая доказательность / уверенность и высокая хрупкость → шире разброс → честно бóльшая неопределённость). На выходе — brs_p10/p50/p90, brs_mean/std и вероятность попасть в каждый вердикт. Число прогонов настраивается: --simulations 10000 --seed 7.

Блокирующие ограничения (примеры):

Вердикт:

Установка

Быстрый старт (рекомендуется)

После копирования скилла в .agents/skills/ запустите одну команду из корня проекта:

bash .agents/skills/business-idea-evaluator/scripts/bootstrap.sh

Она: установит 18 субагентов во все платформы, создаст symlinks для skills, проверит установку и прогонит quality gate.

Проверить только субагентов:

bash .agents/skills/business-idea-evaluator/scripts/verify_subagents.sh

Вариант 1 — клонировать в проект

# Claude Code / Cursor / Codex — общий путь
git clone https://github.com/2612evgenii-hue/business-idea-evaluator.git
cp -r business-idea-evaluator/business-idea-evaluator .agents/skills/
cp business-idea-evaluator/AGENTS.md .
cp -r business-idea-evaluator/.cursor/rules .cursor/

# Установить субагентов + проверить
bash .agents/skills/business-idea-evaluator/scripts/bootstrap.sh

Вариант 2 — глобально (все проекты)

git clone https://github.com/2612evgenii-hue/business-idea-evaluator.git
cp -r business-idea-evaluator/business-idea-evaluator ~/.agents/skills/
bash ~/.agents/skills/business-idea-evaluator/scripts/install-agents.sh

Вариант 3 — через Vercel skills CLI

npx skills add 2612evgenii-hue/business-idea-evaluator

Пути, которые сканируют платформы

Скрипт install-agents.sh раскладывает 18 субагентов: Markdown в .cursor/agents/, .claude/agents/, .agents/agents/, а для Codex генерирует native TOML в .codex/agents/ через build_codex_agents.py. Также создаёт symlinks .cursor/skills/business-idea-evaluator и .claude/skills/business-idea-evaluator. После установки verify_subagents.sh проверяет, что все 18 агентов на месте и name в frontmatter совпадает с именем файла.

Установка в Claude Code

1. Скопируйте папку business-idea-evaluator/ в .claude/skills/ (проект) или ~/.claude/skills/ (глобально). Имя папки = name в SKILL.md.
2. bash business-idea-evaluator/scripts/install-agents.sh — разложит субагентов в .claude/agents/.
3. Claude активирует skill по description, когда вы просите оценить бизнес-идею.

Установка в Cursor

1. Файл правила уже лежит в .cursor/rules/business-idea-evaluator.mdc (project rule, тип «Agent Requested»: подключается, когда агент видит запрос на оценку идеи).
2. Скопируйте business-idea-evaluator/ в .agents/skills/ и выполните bash business-idea-evaluator/scripts/install-agents.sh — субагенты попадут в .cursor/agents/.
3. Проверьте, что правило видно в Cursor Settings → Rules. Markdown-субагенты Cursor читает напрямую.

Установка в Codex

1. Codex читает AGENTS.md из корня репозитория автоматически.
2. Сгенерируйте native TOML-субагентов (или просто запустите общий установщик):

python3 business-idea-evaluator/scripts/build_codex_agents.py .codex/agents
# или
bash business-idea-evaluator/scripts/install-agents.sh

3. Codex не запускает субагентов сам — попросите явно: «spawn 12 expert agents in parallel», затем «spawn 6 math agents in parallel». Модель/режим наследуются из сессии; expert-агенты помечены sandbox_mode = "read-only".

Полностью универсального формата субагентов между платформами нет: Cursor/Claude используют Markdown+YAML, Codex — TOML. Поэтому канонический источник — Markdown в agents/, а TOML для Codex генерируется из него. Это честная адаптация под каждую платформу, а не «один файл на всех».

Использование

В чате агента:

/business-idea-evaluator

или просто:

Оцени бизнес-идею: телеграм-бот, который ищет подрядчиков для ремонта

Агент начнёт с первого уточняющего вопроса, а не с оценки. После 5 вопросов и подтверждения формулировки запустятся все 18 субагентов, затем посчитается BRS.

Ручной расчёт BRS

После сбора данных субагентов:

# из папки business-idea-evaluator/
python3 scripts/validate_evidence_package.py references/example-input.json
python3 scripts/calculate_brs.py references/example-input.json

Готовый пример входа — references/example-input.json, готовый выход — references/example-output.json. Машиночитаемая JSON Schema входа — references/evidence-package.schema.json; формула — в references/scoring-formula.md.

Если установлен jsonschema, валидатор дополнительно проверяет вход по схеме:

pip install jsonschema   # опционально — иначе работает встроенная проверка
python3 scripts/validate_evidence_package.py references/example-input.json

Как выглядит вход и выход

Вход (фрагмент):

{
  "idea_brief": "Telegram-бот для поиска проверенных подрядчиков...",
  "internet_available": true,
  "experts": { "02": {"scores": {"pain_strength": 7, "willingness_to_pay": 5, "demand_proof": 4}, "sources": [{"url": "https://..."}]} },
  "math": { "13": {"evidence_index": 4, "source_quality_index": 5}, "16": {"scenarios": {"realistic": {"cac": 600, "ltv": 900}}} }
}

Выход (фрагмент):

{
  "business_reality_score": {"base": 47.2, "min": 40.1, "max": 54.3, "confidence": "medium", "verdict_code": "REFORMULATE"},
  "evidence_index": 4.0,
  "hypothetical": false,
  "main_blocking_risk": "failure_risk = 6/10",
  "main_growth_factor": "execution",
  "main_uncertainty_factor": "Готовность платить за подбор не доказана",
  "monte_carlo": {"simulations": 2000, "seed": 42, "brs_p10": 13.6, "brs_p50": 42.3, "brs_p90": 52.8},
  "probability_map": {"DO_NOT_LAUNCH": 15.2, "CHEAP_TESTS_ONLY": 46.4, "REFORMULATE": 38.2, "TEST_NARROW_SEGMENT": 0.2}
}

Калибровка (защита от завышения плохих идей)

Чтобы формула не завышала плохие идеи и не убивала хорошие, в calibration_cases/ лежат 12 известных идей (успешные, провальные, спорные). Раннер прогоняет их и проверяет, что success > mixed > failure и что провалы не попадают в верхний вердикт:

python3 scripts/run_calibration.py

Текущий результат: успешные (Stripe, Shopify, Canva, Duolingo) — 69–78, спорные (WeWork, Clubhouse, meal-kit, телеграм-бот) — 42–49, провальные (Juicero, Quibi, Theranos, Google Glass) — 24–30 (Theranos упирается в юридический кап). Любой регресс формулы ломает pytest.

Структура

.
├── AGENTS.md                          # инструкции для Codex/Claude/Cursor (корень репо)
├── .cursor/rules/
│   └── business-idea-evaluator.mdc    # Cursor project rule
└── business-idea-evaluator/
    ├── SKILL.md                       # оркестратор (5 фаз)
    ├── agents/                        # 18 субагентов (Markdown)
    │   ├── biz-eval-01-analog-research.md
    │   ├── ...
    │   └── biz-eval-18-experiments.md
    ├── references/
    │   ├── discovery-protocol.md          # 5 вопросов
    │   ├── expert-evidence-package.md     # per-agent JSON-схемы
    │   ├── evidence-package.schema.json   # JSON Schema входа (draft-07)
    │   ├── scoring-formula.md             # формула BRS + блокирующие правила
    │   ├── report-template.md             # шаблон отчёта
    │   ├── evidence-status.md             # градация источников
    │   ├── forbidden-phrases.md           # запрещённые фразы
    │   ├── example-input.json             # пример входа
    │   └── example-output.json            # пример выхода
    ├── scripts/
    │   ├── calculate_brs.py               # математический слой + Monte Carlo (обязателен)
    │   ├── validate_evidence_package.py   # валидатор входа (+ JSON Schema)
    │   ├── validate_input.py              # обратная совместимость (alias)
    │   ├── build_codex_agents.py          # генерация Codex TOML из Markdown
    │   ├── run_calibration.py             # прогон корпуса известных идей
    │   └── install-agents.sh              # установка субагентов
    ├── calibration_cases/                 # 12 известных идей (success/failure/mixed)
    └── tests/
        ├── test_brs.py                    # pytest (BRS + Monte Carlo)
        ├── test_calibration.py            # pytest (калибровка формулы)
        └── run_checks.sh                  # полный quality gate

Принципы

1. Зависимость от идеи, не от промпта. Оценка не подстраивается под формулировку или энтузиазм пользователя.
2. Доказательность важнее красноречия. Каждый факт помечается статусом: подтверждён источником / косвенно / гипотеза / требует проверки.
3. Без интернета — всё гипотезы. Если поиск недоступен, рыночные выводы явно понижаются до гипотез.
4. Считает математика, объясняет агент. Финальный вердикт — результат расчёта, а не мнение модели.

Проверка работоспособности

Все файлы используют LF-переносы и проходят синтаксические проверки. Полная проверка (установка + quality gate):

bash .agents/skills/business-idea-evaluator/scripts/bootstrap.sh

Только quality gate (из папки скилла):

cd business-idea-evaluator
bash tests/run_checks.sh

Ожидаемый вывод (фрагмент):

== 1. Python syntax (calculate_brs.py) ==  PASS
== 3. Bash syntax (install-agents.sh) ==   PASS
== 5. BRS computation (example) == BRS base=47.2 range=40.1-54.3 verdict=REFORMULATE
== 8. Codex TOML generation (18 agents) == PASS (18 toml)
== 9. Risk-direction regression == safe=0.50 risky=0.10 unsafe=0.20  PASS
== 10. Blocking cap (legal_safety=2 -> cap 35) == cap applied, base = 35  PASS
== 11. pytest suite == 23 passed  PASS
ALL CHECKS PASSED

Отдельные команды (quality gate, запускать из корня репозитория):

python3 -m py_compile business-idea-evaluator/scripts/calculate_brs.py
bash -n business-idea-evaluator/scripts/install-agents.sh
python3 business-idea-evaluator/scripts/validate_evidence_package.py business-idea-evaluator/references/example-input.json
python3 business-idea-evaluator/scripts/calculate_brs.py business-idea-evaluator/references/example-input.json
pytest

Примечание: если открывать raw-файлы через некоторые инструменты предпросмотра, переносы строк могут «схлопываться» в одну строку — это артефакт рендеринга, а не содержимого. В git-блобе хранятся корректные LF-переносы (проверяется git show HEAD:.../SKILL.md).

Ограничения (honest limitations)

Скилл — это decision-support, а не оракул. Чего он принципиально не делает:

• Не гарантирует успех бизнеса. BRS — вероятностная оценка при текущих данных, не предсказание.
• Без интернета свежие данные не проверяются. При internet_available=false рыночные выводы помечаются как гипотезы, а Source Quality ограничивается.
• Без реальных продаж итог остаётся гипотезой. Готовность платить доказывается деньгами, а не оценками агентов.
• BRS зависит от качества входных данных. Мусор на входе → мусор на выходе; поэтому есть валидатор и пометки доказательности.
• Математическая модель не заменяет эксперименты. Агент 18 даёт план проверок именно потому, что расчёт не заменяет рынок.
• Веса и блокировки — экспертная калибровка, а не объективная истина; их можно и нужно пересматривать под конкретный домен.
• Итог нельзя трактовать как абсолют. Это инструмент для решения «тестировать / переформулировать / не запускать», а не приговор.

Требования

• Python 3.8+ (для calculate_brs.py, только стандартная библиотека)
• pytest — для запуска тестов; jsonschema — опционально, для проверки входа по JSON Schema
• Claude Code, Cursor (2.4+) или Codex с поддержкой субагентов
• Доступ к веб-поиску — желателен (без него выводы помечаются как гипотезы)

Лицензия

MIT