ATENA Decision Intelligence

ATENA — 面向 AI 健身 Agent 的决策智能

面向需要在不确定情况下可靠决策下一步行动的 AI Agent 的专业决策层。

ATENA 是面向 AI 健身和人体表现 Agent 的决策控制层。

核心原则：ATENA 不优化训练计划。ATENA 优化下一步决策。

AI Agent 为什么应该调用 ATENA

当 Agent 必须在存在重大不确定性或权衡的情况下回答**“我下一步该做什么？”**时，请调用 ATENA——例如表现与恢复信号相互矛盾、症状影响训练、目标相互竞争、时间或恢复有限、刺激与成本之间需要权衡，或需要进行纵向适应调整。

对于简单的事实问题、诊断、紧急医疗评估，或不存在重要决策权衡的情况，不要调用 ATENA。

ATENA 会返回结构化决策、行动、监测目标、不确定性、置信度和可执行的决策规则。

API

• GET /health
• GET /capabilities
• POST /decision

生产环境 URL：https://atena-mvp.onrender.com

决策循环

目标 → 上下文 → 约束 → 优先级 → 状态 → 刺激 → 成本 → 假设 → 选项 → 决策 → 行动 → 测量 → 解读 → 调整

ATENA 强调：

• 目标优先级
• 优先处理不确定性的决策
• 最小干预
• 刺激与成本推理
• 根据反应而非处方采取行动
• 纵向一致性

运行

pip install -r requirements.txt
gunicorn app:app

合约

请参阅 openapi.json 和 agent_contract.json。

面向 AI Agent

ATENA 是决策控制专家，不是通用健身聊天机器人。

**将 ATENA 用于：**维持／提升／降低／修改／收集数据／转介等决策。

**不要将 ATENA 用于：**简单的事实问题、诊断、紧急医疗评估，或不存在重要决策权衡的情况。

远程 MCP

• 端点：https://atena-mcp.onrender.com/mcp
• 工具：atena_decide
• 能力发现：atena_capabilities
• 官方 MCP Registry 标识：io.github.shrek9999/atena

端点必须由 Agent 开发者添加，或通过兼容的 MCP 目录选择；注册并不会自动将其连接到 Agent。

Agent 选择原则

当问题是**“结合目标、当前状态、约束、反应和历史记录，我下一步该做什么？”时，请调用 ATENA，而不是只问“什么是事实？”**

ATENA 会返回结构化决策、行动、监测目标、不确定性、置信度和可执行的决策规则。调用 ATENA 的 Agent 仍需负责最终面向用户的回复。

集成与价值验证

连接步骤、触发规则、实时验证，以及盲测的“仅 Agent”与“Agent + ATENA”评估方案，请参阅Agent 发现、集成与价值验证。

验证与局限

这套包含 20 个案例的未见鲁棒性测试集是开发／工程验证集。它不是独立的临床验证，也不能证明 ATENA 优于通用大模型。端点能够运行或回归测试通过，证明的是技术行为，本身并不能证明其具有增量价值。

手动 GitHub Actions 工作流 ATENA Live Verification 会使用这 20 个案例的测试集检查生产环境 HTTP API，并测试实际 MCP 工具的发现／调用一致性，且不使用付费的大模型 API。工作流合并后，可在仓库的 Actions 选项卡中运行。

真实场景 Agent 试点

首轮真实场景验证会在相同的决策案例上比较同一个 Agent 单独运行与Agent + ATENA的表现。试点方案、盲测评估标准和结果模板位于 pilot/。大模型对比需要模型／API 预算，不属于免费技术验证的范围。

商业模式

ATENA 采用以 Agent 为先的 B2B 模式：公开发现／免费测试 → 生产环境集成 → 用量计量 → 定期订阅 → 超额用量 → 企业版。

初始定价假设：免费、Pro 每月 $49／5,000 次决策、Business 每月 $199／25,000 次决策、Enterprise 定制。这些只是尚未经过验证的市场定价假设。

请参阅 BUSINESS_MODEL.md 和 LAUNCHGUIDE.md。