| name | laboratorio |
| description | Oficina de Ciência da Computação — sandbox Python completo, análise estatística, prototipagem. Use quando a tarefa exige cálculo real, simulação numérica, ou dados tabulados. |
| family | computacao |
| capabilities | ["code","analysis","prototyping","statistics"] |
| preconditions | ["agente_presente_em:laboratorio","desafio_ativo"] |
| scope | ["laboratorio"] |
| bind_tools | ["Python Sandbox","Análise de Dados"] |
| constraints | ["Executa apenas em sandbox seguro (sem I/O externa)","Custo de 5 coins para código e 8 para análise","Artefato obrigatório em .py ou .json com resultado estruturado"] |
| local_id | laboratorio |
N2 — Quando e como aplicar
Aplicável quando o problema pode ser reduzido a cálculo, transformação de
dados ou prototipagem de lógica. Evitar para textos argumentativos puros
(use arena_debates ou tribunal) ou brainstorm aberto (cafe_filosofos).
Precondições: agente precisa estar no local laboratorio e ter carteira
com pelo menos 5 coins. Desafio ativo é obrigatório — o artefato produzido
é anexado ao desafio.
Heurísticas de decisão:
- Se o problema menciona números, distribuições, correlações → Análise de Dados.
- Se pede algoritmo, transformação, prototipagem → Python Sandbox.
- Se a saída é um gráfico → delegar para
atelie depois.
N3 — Procedimento
- Agente entra em
laboratorio e verifica ferramentas disponíveis.
- Escolhe
python_completo ou analise_dados.
- Define entrada estruturada (dict JSON) contendo problema e dados.
- Executa a ferramenta — o sandbox retorna output textual e artefato.
- Artefato é gravado em
data/entregas/<desafio_id>/<autor>_<ts>.<py|json>.
- Agente documenta conclusões em três bullets na sua memória episódica.
Critérios normativos:
- Nunca executar código que acesse rede, disco fora do sandbox, ou APIs externas.
- Falha no sandbox vira trace
resultado=falha — agente perde metade do custo.
- Resultado aceitável: artefato reproduz em re-execução (determinismo).
