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)
By