10 Paper Portfolio
独立的论文交付与学术反馈线；P11 把 table foundation models 带回 Ch04，USL01 继续压力测试 Unit primitive。二者调用研究资产，但不被收编为本项目子模块。
Choose by causal question
今天从哪个问题进入？
新入口不再把全部内容压成一张项目卡。先判断你需要共同语言、知识主脊、原创研究、真实因果案例，还是整个系统的持续生长。
01 · Speak the same causal language
我想让项目与 Agent 使用同一套因果概念和符号
从认知阶梯、Type / Token 范围、解释视角三个世界观坐标与 ordered Agent Workflow 进入 AI Agent 因果认知系统的底层形式化 API；CORE 提议统一跨项目语义，LOCAL 保留论文方言，SEED 等待 Owner 决策。
02 · Learn我想建立因果世界观
沿着 why / what-if、token / unit、DGP、identification、estimation、action、LLM 与 Causal Mind 建立一条可反复进入的读者路径。
03 · Research我想推进一个原创 claim
从共享推理底座 Causal Engine 进入 DiscoSCM、HCGM、Layer 3 与 CausalLLM，再回到各自的 paper、toy、proof 与 experiment source。
04 · Explain我想解释一个真实世界为什么
从悖论、失败、系统 trace 与可验证干预中训练 actual explanation、RCA 与反事实判断。
05 · Grow我想看整个因果智能系统
进入 protected workbench，查看战略父层、知识主脊、研究前沿、CausalMind 与双体 provenance。
Typed relationships
建立联系，不转移归属
这些内容与事项会向因果智能主线供给问题、证据或外部反馈，但仍由自己的 source 和 owner 负责。关系不是“全部并进来”，而是明确输入、回流和停止线。
Causal Case Library
案例 source 独立存在；主书、论文和 agent eval 只调用并回写使用证据。
Public narrative让 Agent 学会问为什么
公开解释 why-query、RCA 与因果心智的问题线；文章不是项目 seed。
Public narrativeLet’s Dance with Causality
对外表达 WeHub 的因果先验；研究事实仍回各自 canonical source。
Shared foundation · v0.1Causal Math Foundations
跨 Primer、课程、Portfolio、研究线与 CausalMind 复用的数学底座；首条可反馈 projection 是因果语言图谱。
System boundary
它很重要，但不吞掉所有 causality
WeHub 的 causality 是系统姿态：任务、agent、记忆与演化都要追问干预和证据。Causal Superintelligence 是其中最深的研究与心智能力来源，但二者不能被粗暴画成等号。
System posture
WeHub causality
让协作系统理解什么动作真正改变结果，什么只是制造更多消息和 fake progress。
Research & mind carrier
Causal Superintelligence
推进 Gong 的原创因果研究，训练 why-query、actual explanation 与 agent causal cognition。
Evidence surfaces
Books · papers · cases · agents
用可阅读、可运行、可审计的 artifact 让战略愿景接受现实反馈，而不是停留在口号。
Current pulse · 2026-07-31
最近真正改变了什么？
入口结构已经稳定，新的 ripple 主要来自内容边界和相邻研究线。这里显示会影响阅读决策的三件事；精确机器状态仍由 workbench 的 progress.json 负责。
Primer boundary
本地 223 页 / 56 个单元
7 月 31 日版本已撤下依赖当前 HCGM 表达的正文。线上实际对象已重新核验为 7 月 30 日的 245 页 PDF / 58 个 HTML 单元；旧 progress 中的 232 页是 7 月 19 日历史 revision，不再代表当前线上 PDF。
查看 workbenchTutorial atlas
Causal AI Basics · 12 个方向
教程地图已经把 causal ML、representation learning、RL、LLM / agents 与工具实践组织为独立学习面，不挤占 Primer 七章正文。
进入教程地图Sibling pressure
P11 与 USL01 回流主线
表格基础模型和 Unit primitive 通过 10 Paper Portfolio 提供外部证据与反例压力；它们保持独立 source、入口和反馈现场。
进入 10 Paper Portfolio