| name | reasoning-orchestrator |
| category | system |
| version | 1.0.0 |
| kind | python |
| description | OpenCode Reasoning Orchestrator v9.0 — 68 tipos de raciocínio (58 base + 10 Teoria dos Jogos). Integrado com AuditSystem, TokenEconomy e DataOrchestrator. Use para selecionar framework lógico, nível de profundidade e matriz de interseção com validação de diversidade de raciocínio. |
| user-invocable | true |
| license | MIT |
| compatibility | OpenCode, Claude Code, Cursor, Gemini CLI |
| metadata | {"author":"OpenCode Ecosystem","evolved_from":"v8.0 (Nexus) + v6.1 (Z-Notation)","game_theory_strategies":10,"total_reasoning_types":68,"integrated_with":["TokenEconomyMonitor","ResearcherScore","DataOrchestrator"]} |
| allowed-tools | Read Edit Write Glob Grep Bash Task SequentialThinking |
🧠 Reasoning Orchestrator Nexus v9.0 — +Teoria dos Jogos
Motor de inteligência analítica integrando 68 tipos de raciocínio (58 base + 10 Teoria dos Jogos) em arquitetura de 4 níveis de profundidade (L1-L4). A partir da v9.0, a Teoria dos Jogos é categoria de primeira classe, integrada com o Agent Forum (P14) e o PhD Auditor (P18).
🚀 Protocolo Nexus — Checkpoint Obrigatório
- Nível de Publicação: N1 Magnum (43 agentes), N2 Standard (~20), N3 Express (10)
- Profundidade (L1-L4): Consulte
references/depth_levels.md
- Matriz de Raciocínio: Selecione tipos em
references/reasoning_types.md
- Teoria dos Jogos: Aplique
references/game_theory.md para decisões estratégicas
- Eficiência de Tokens: Aplique as 7 estratégias em
references/token_efficiency.md
- Auditoria: Registre escolha de raciocínio via
reasoning_audit_bridge.py
📊 Níveis de Publicação (Integrados ao TokenEconomyMonitor)
| Nível | Nome | Agentes | Orçamento Tokens | Raciocínios Mínimos |
|---|
| N1 | Magnum/Qualis A1 | 43 | 500K | 5+ (incluir 1 Teoria dos Jogos) |
| N2 | Standard/Q1-Q2 | ~20 | 200K | 3+ |
| N3 | Express | 10 | 50K | 1-2 |
🎮 Teoria dos Jogos — 10 Estratégias (Nova Categoria v9.0)
| # | Estratégia | Aplicação | Prof. |
|---|
| 1 | Equilíbrio de Nash | Estratégia ótima dado oponente racional | L3 |
| 2 | Dilema do Prisioneiro | Cooperação vs traição em sistemas multiagente | L3 |
| 3 | Soma Zero | Ganho de um = perda do outro (competição) | L2 |
| 4 | Tit-for-Tat (Olho por Olho) | Cooperação condicional iterada | L2 |
| 5 | Stackelberg (Líder-Seguidor) | Vantagem do primeiro movimento | L3 |
| 6 | Barganha (Nash Bargaining) | Divisão ótima de recursos escassos | L3 |
| 7 | Sinalização | Informação assimétrica entre agentes | L3 |
| 8 | Evolutivo | Seleção natural de estratégias em populações | L4 |
| 9 | Bayesiano (Harsanyi) | Jogos com informação incompleta | L4 |
| 10 | Cooperativo (Shapley) | Formação de coalizões e valor marginal | L4 |
🛠️ Recursos (Progressive Disclosure)
references/reasoning_types.md: 68 tipos (58 base + 10 Game Theory)references/game_theory.md: Guia completo de Teoria dos Jogosreferences/token_efficiency.md: 7 estratégias de economiareferences/depth_levels.md: Arquitetura L1-L4references/intersection_matrix.md: Combinações domínio-raciocínio../reasoning_audit_bridge.py: Bridge com AuditSystem (ResearcherScore + TokenEconomy)
